基于FA优化RBF的光声池温度补偿方法及系统技术方案

本发明专利技术公开了一种基于FA优化RBF的光声池温度补偿方法及系统，为了提高温度补偿精度而设计。本发明专利技术，基于FA算法选择出最优的个体所包含的网络权值和阈值作为RBF网络训练的初始权值和阈值；基于训练样本，建立RBF神经网络，通过RBF神经网络建立温度补偿模型，将得到的温度补偿模型参数存放在微处理器的存储器中，存储得到的温度补偿模型参数，放入FA‑RBF神经网络，计算出补偿后输出值，实现补偿算法的实时输出。

Temperature compensation method and system of photoacoustic cell based on FA optimized RBF

【技术实现步骤摘要】
基于FA优化RBF的光声池温度补偿方法及系统
本专利技术涉及检测
，尤其涉及一种基于FA优化RBF神经网络的光声池温度补偿方法及系统。
技术介绍
大气中某些痕量气体的过量会造成大气污染，硫氧化物形成酸雨，CO2、CH4等温室气体造成温室效应，氮氧化物、硫氧化物和固态颗粒物形成雾霾。因此，十分必要及时检测这些严重影响人类生存环境和健康的气体。现阶段，研究者使用光声光谱技术进行气体的监测技术不仅应用在了监测大气污染物中，工业，电力系统、医疗部门等领域也同样应用广泛。石英增强光声光谱法是传统微音器光声光谱法的优化，将激光聚焦至石英音叉两臂间细缝，当激光调制频率达到石英音叉共振频率，气体吸收光能产生光声效应的声波频率与音叉共振频率相同，从而使石英音叉共振。根据压电效应，共振产生压电电流，通过前置放大电路将电流信号转化为电压信号，再通过锁相放大器解调光得到光声信号。不同的气体分子吸收不同的光波波长，且当光源波长和气体分子的吸收波长相吻合时，产生的光声信号幅值最大，因此，根据光声信号和气体浓度呈正相关可计算出气体的浓度。<br>在气体检测应用本文档来自技高网...

【技术保护点】
1.基于FA优化RBF的光声池温度补偿方法，其特征在于：包括：/n获取FA算法的搜索种群和RBF神经网络的训练样本，训练样本为光声池在不同温度点下的多组温度输出的平均值及温度信号；/n基于FA算法筛选出最优个体，该个体包含的网络权值和阈值作为RBF神经网络的初始权值和阈值；/n基于训练样本，建立RBF神经网络，通过RBF神经网络自学习建立光声池的温度补偿模型，以MATLAB中的神经网络newrb函数建立神经网络模型：格式为net＝newrb(A，B，GOAL，SPR，MN，DF)，其中，A为输入向量矩阵；B为输出向量矩阵；GOAL为均方误差目标；SPR为径向基函数的扩展速度，默认为1；MN为神...

【技术特征摘要】
1.基于FA优化RBF的光声池温度补偿方法，其特征在于：包括：
获取FA算法的搜索种群和RBF神经网络的训练样本，训练样本为光声池在不同温度点下的多组温度输出的平均值及温度信号；
基于FA算法筛选出最优个体，该个体包含的网络权值和阈值作为RBF神经网络的初始权值和阈值；
基于训练样本，建立RBF神经网络，通过RBF神经网络自学习建立光声池的温度补偿模型，以MATLAB中的神经网络newrb函数建立神经网络模型：格式为net＝newrb(A，B，GOAL，SPR，MN，DF)，其中，A为输入向量矩阵；B为输出向量矩阵；GOAL为均方误差目标；SPR为径向基函数的扩展速度，默认为1；MN为神经元最大的数目；DF为两次显示之间所添加的神经元数目；
RBF神经网络为三层结构，其包括输入层、隐含层和输出层，其中隐含层是通过高斯函数来实现非线性映射，表达式如下：



式中：x是n维输入向量；ci是第i个基函数的中心，与x具有相同维数的向量；σi是第i个感知的变量；m是感知单元个数；
从输出层实现Ri(x)到输出的线性映射，通过神经网络补偿后的环境温度值T为



式中：w是网络权值；
存储得到的温度补偿模型参数，放入FA-RBF神经网络，计算出补偿后输出值，实现补偿算法的实时输出。


2.根据权利要求1所述的基于FA优化RBF的光声池温度补偿方法，其特征在于：所述补偿算法包括以下步骤：
初始化各项基本参数；计算适应度值；计算相对亮度和吸引度；确...

【专利技术属性】
技术研发人员：赵南，赵宁阳，刘阳，苑磊，马珑格，
申请(专利权)人：石家庄铁道大学，
类型：发明
国别省市：河北;13