基于RBF神经网络参数优化的电源柜热电偶温度测量校正研究

为提高电源柜温度测量精度，提出一种基于多通道高精度测量的电源柜温度校正方法。方法首先采用K均值聚类算法和人工鱼群优化算法优化径向基函数网络的最佳基函数中心和宽度，以及隐藏层与输出层的连接权值等参数，实现RBF神经网络的优化；然后将优化后的RBF网络应用于多通道高精度电源柜测温系统，实现测量电源柜温度的校正。仿真结果表明，所提方法可实现基于多通道高精度测量的电源柜温度非线性误差的校正，使测量的温度误差小于0.4℃;相较于标准RBF网络和BP神经网络，所提的方法具有更快的训练速度和更小的均方根误差，可用于对测温精度要求较高的测温环境。而本研究的创新点在于基于热电偶测量原理，实现了非线性温度变化的自适应补偿，提高了测量的精度。