基于GA优化BP神经网络的硅微加速度计温度补偿方法、系统

摘要

本发明涉及一种基于GA优化BP神经网络的硅微加速度计温度补偿方法、系统，为了提高温度补偿精度而设计。本发明，基于遗传算法的选择出最优的个体所包含的网络权值和阈值作为BP网络训练的初始权值和阈值；基于训练样本，建立BP神经网络，通过BP神经网络自学习建立加速度计的温度补偿模型，将得到的温度补偿模型参数存放在微处理器的存储器中，编写程序，通过调用GA‑BP神经网络模型参数矩阵，计算出补偿后输出值，并实现补偿算法的实时输出。本发明神经网络前向反馈训练过程采用附加动量和动态自适应学习率的梯度下降算法，动态自适应学习率算法有效防止训练发散和收敛速度慢的缺点。