基于AABC-BP算法的红外气体传感器温度补偿

摘要

标准人工蜂群算法在运算过程中容易随着迭代次数增加丢失优质解,从而降低解的稳定性.已有研究表明引入自适应人工蜂群优化算法可以提高算法稳定性.针对红外气体传感器在工作时环境温度对测量精度影响较大的问题,提出一种基于自适应人工蜂群-BP人工神经网络(AABC-BP)温度补偿方法.利用自适应人工蜂群算法对BP神经网络的阈值和权值进行优化,构造出红外气体传感器温度补偿模型,并将其应用于温度补偿实验研究中.实验结果表明:(AABC-BP)算法可有效提高BP神经网络的收敛速度和计算精度;基于(AABC-BP)混合算法的红外气体传感器温度补偿模型,可以将其温度补偿精度误差控制在5％以内.