基于CSSA-LSTM神经网络的动态称重算法的研究

来源：电子测量技术杂志2024年第11期北京时间：

作者：狄俊豪，郭晨霞，杨瑞峰

单位：中北大学仪器与电子学院 太原 030051

摘要：为了提高动态称重的测量精度，实现智慧牧场的实时监测和精细化管理，提出利用混沌麻雀搜索算法优化LSTM的神经网络的动态称重算法。通过动态称重台进行数据采集，并使用卡尔曼滤波算法对干扰数据进行处理。利用Tent映射策略和高斯变异后的麻雀搜索算法优化LSTM神经网络各参数，从而建立CSSA-LSTM神经网络模型。结果表明，CSSA-LSTM神经网络的平均绝对百分比误差在1.5%以内，平均绝对误差减少了0.874，均方根误差减少了1.115 3。对比实验证明，该混合算法预测的误差最小，有效提高了动态称重的测量精度。

关键词：动态称重;卡尔曼滤波算法;混沌麻雀搜索算法;LSTM神经网络

基金资助：山西省中央引导地方科技发展自由探索类基础研究项目（YDZJSX20231A032）资助