|本期目录/Table of Contents|

[1]刘畅,李志刚,伟利国,等.基于蚁群算法的RBF神经网络在冲量式谷物流量传感器中的应用[J].江苏农业科学,2019,47(15):259-263.
　Liu Chang,et al.Application of RBF neural network based on ant colony algorithm in impulse grain flow sensor[J].Jiangsu Agricultural Sciences,2019,47(15):259-263.
点击复制

基于蚁群算法的RBF神经网络在
冲量式谷物流量传感器中的应用(PDF)
分享到：

《江苏农业科学》[ISSN:1002-1302/CN:32-1214/S]

卷:
第47卷
期数:
2019年第15期
页码:
259-263
栏目:
农业工程与信息技术
出版日期:
2019-09-03

文章信息/Info

Title:
Application of RBF neural network based on ant colony algorithm in impulse grain flow sensor
作者:
刘畅1; 2;  李志刚1;  伟利国2;  王吉中2;  李阳2
1.石河子大学机械电气工程学院，新疆石河子 832003； 2.中国农业机械化科学研究院，北京 100083
Author(s):
Liu Chang; et al
关键词:
压力传感器; 蚁群算法; RBF神经网络; 非线性温度补偿; 冲量式谷物流量传感器
Keywords:
-
分类号:
TP212.6；S126
DOI:
-
文献标志码:
A
摘要:
针对压力传感器存在温度漂移的问题，提出了一种基于蚁群算法的RBF神经网络优化算法。首先根据压力传感器测量电路得到电压Ub与电流I的关系，因其存在很大的温度误差，须要采用适当的补偿方法对外界温度造成的误差加以修正。然后通过压力传感器输出电压U与温度T、压强P、电源波动γ的关系建立压力传感器温度补偿模型，分别在18.4、32.5、41.8、65.6 ℃共4个温度点进行试验数据采集并对试验结果进行归一化处理。最后利用蚁群算法进行寻优和自适应调整发挥系数的特点作为聚类算法确定RBF神经网络基函数中心，选取BP算法、RBF算法、基于蚁群的RBF算法3种方法对压力传感器进行非线性温度补偿仿真试验。结果表明：基于蚁群算法的RBF神经网络模型补偿精度最高，收敛速度最快。将此研究应用于冲量式谷物流量传感器中，可大大提高传感器的稳定性和准确性。
Abstract:
-

参考文献/References:

［1］胡均万，罗锡文，阮欢，等. 双板差分冲量式谷物流量传感器设计［J］. 农业机械学报，2009，40(4)：69-72.
［2］丛秉华，周俊. 双平行梁谷物流量传感器振动噪声消除方法［J］. 传感技术学报，2013，26(3)：377-381.
［3］陈巡洲. 冲量式谷物流量传感器研究［D］. 上海交通大学，2009.
［4］夏菽兰，赵力. 基于BP神经网络的多传感器信息融合研究［J］. 计算机测量与控制，2015，23(5)：1823-1826.
［5］孙艳梅，刘树东，苗凤娟，等. 基于遗传算法的小波神经网络温度补偿模型［J］. 传感技术学报，2012，25(1)：77-81
［6］孙艳梅，都文和，冯昌浩，等. 基于蚁群聚类算法的RBF神经网络在压力传感器中的应用［J］. 传感技术学报，2013，26(6)：806-809.
［7］彭继慎，程英. 优化RBF神经网络在压力传感器中的应用［J］. 压电与声光，2012，34(3)：414-416.
［8］张荷芳，薛静云. 压力传感器温度补偿的BP神经网络算法［J］. 西安工业大学学报，2013，33(2)：163-167.
［9］行鸿彦，邹水平，徐伟，等. 基于PSO-BP神经网络的湿度传感器温度补偿［J］. 传感技术学报，2015，28(6)：864-869.
［10］孙艳梅，苗凤娟，陶佰睿. 基于PSO的BP神经网络在压力传感器温度补偿中的应用［J］. 传感技术学报，2014，27(3)：342-346.

相似文献/References:

[1]朱成立,孙晨.基于蚁群算法的农田排水沟优化设计[J].江苏农业科学,2013,41(04):367.
[2]杨业娟,屠莉.基于蚁群算法的水果图像分割技术[J].江苏农业科学,2014,42(09):380.
　Yang Yejuan,et al.Study on fruit image segmentation technology based on ant colony algorithm[J].Jiangsu Agricultural Sciences,2014,42(15):380.
[3]徐守江.基于蚁群算法的穴盘苗自动移钵路径优化[J].江苏农业科学,2015,43(12):475.
　Xu Shoujiang.Optimization of seedling transplanting path based on ant algorithm[J].Jiangsu Agricultural Sciences,2015,43(15):475.
[4]王红君,徐军,赵辉,等.基于势场蚁群算法的温室机器人路径规划[J].江苏农业科学,2017,45(18):222.
　Wang Hongjun,et al.Path planning for greenhouse mobile robot based on ant colony optimization with artificial potential field[J].Jiangsu Agricultural Sciences,2017,45(15):222.
[5]岳有军,李媛媛,王红君,等.温室下无线传感器网络簇首选择算法[J].江苏农业科学,2017,45(22):233.
　Yue Youjun,et al.Wireless sensor network cluster head selection algorithm in greenhouse[J].Jiangsu Agricultural Sciences,2017,45(15):233.
[6]张小鸣,冒智康,李绍稳,等.蚁群算法在土壤速效磷近红外光谱波长选择中的应用[J].江苏农业科学,2019,47(19):227.
　Zhang Xiaoming,et al.Application of ant colony algorithm in wavelength selection of soil available phosphorus near infrared spectroscopy[J].Jiangsu Agricultural Sciences,2019,47(15):227.

备注/Memo

备注/Memo:
收稿日期：2018-07-09
基金项目：国家重点研发计划(编号：2017YFD041404-3)；国家自然科学基金(编号：61505253)。
作者简介：刘畅(1992—)，男，江苏连云港人，硕士研究生，主要从事机械工程与自动化研究。E-mail：393821411@qq.com。
通信作者：李志刚，教授，博士生导师，主要从事农业信息系统技术及开发研究。E-mail：lzg_inf@shzu.edu.cn。
更新日期/Last Update: 2019-08-05