基于BP神经网络的传感器无效数据过滤器设计 |
| |
引用本文: | 王静文,王博文.基于BP神经网络的传感器无效数据过滤器设计[J].自动化仪表,2023(9):101-106. |
| |
作者姓名: | 王静文 王博文 |
| |
作者单位: | 1. 黄河水利职业技术学院信息工程学院;2. 中煤科工集团重庆研究院有限公司 |
| |
摘 要: | 基于催化原理的传感器在矿井环境工作时,受内在外在因素的干扰,测量的可燃气体浓度值存在误差过大的问题。设计了基于列文伯格-马夸尔特(L-M)训练算法及反向传播(BP)神经网络的传感器无效数据过滤器。通过离线采集传感器响应特性曲线数据的方式构建网络模型,并用Matlab工具对模型进行仿真训练。综合对比分析L-M训练算法、拟牛顿训练算法、自适应线性回归(LR)动量梯度下降训练算法的收敛速度和误差性能。对比结果表明,基于L-M训练算法构建的BP神经网络模型收敛速度更快、误差值更小、效率更高,有利于矿用催化原理传感器无效检测非线性数据的过滤。
|
关 键 词: | 催化传感器 反向传播神经网络 拟牛顿训练算法 电桥原理 梯度下降训练算法 |
|
|