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

来源：江苏农业科学杂志2019年第第15期北京时间：

作者：刘畅; 李志刚; 伟利国; 王吉中; 李阳

单位：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

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。

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

基金资助：国家重点研发计划(编号：2017YFD041404-3)；国家自然科学基金(编号：61505253)。