【技术实现步骤摘要】
遗传算法优化BP神经网络的声波测试系统数学模型
[0001]本专利技术涉及人工智能、测试系统
，尤其涉及遗传算法优化BP神经网络的声波测试系统数学模型。
技术介绍
[0002]声波测试技术是声波各个研究领域的支撑技术，高精度、高可靠性的测试设备及科学有效的测试方法对声波的研究具有重要意义。本专利是在声波测试系统已经组建的基础上，建立声波测试系统的数学模型，为声波测试系统后续的补偿工作打下基础。
[0003]构建测试系统数学模型的方法有频域法、时域法、神经网络建模方法等。频域法和时域法，计算量较大，而且很容易出现不收敛的情况；而对于神经网络，通过调整隐含层的节点数就可使其以任意精度无限逼近某一非线性函数，另外，神经网络还具备很强的自主学习能力和良好的容错能力。对于BP神经网络来说，其初始权值和阈值的选择非常重要，当初始权值和阈值选择不合适的时候，很容易出现算法不收敛或陷入局部极小值的情况。
[0004]但是目前现有的人工智能、测试系统技术仍存在BP神经网络的初始权值、阈值缺少优化，导致预测声波测试系统的输...
【技术保护点】
【技术特征摘要】
1.遗传算法优化BP神经网络的声波测试系统数学模型，包括确定模块、构建模块、计算模块、训练模块、优化模块、操作模块、判断模块、预测模块、获得模块、加载模块和验证模块，其特征在于，所述确定模块分别与构建模块、计算模块连接，所述构建模块与计算模块连接，所述计算模块与训练模块连接，所述训练模块与优化模块连接，所述优化模块与操作模块连接，所述操作模块与判断模块连接，所述判断模块与预测模块连接，所述预测模块与获得模块连接，所述获得模块与加载模块，所述加载模块与验证模块连接，其中所述确定模块用于对声波测试系统数学模型BP神经网络结构以及个体适应度函数进行确定，所述构建模块用于通过所述结构层构建声波测试系统数学模型的BP神经网络结构，所述计算模块用于通过构建的声波测试系统数学模型的BP神经网络结构进行计算获得声波测试系统BP神经网络权值阈值长度，所述训练模块用于通过训练数据训练声波测试系统的BP神经网络后预测系统输出，所述优化模块用于通过遗传算法优化声波测试系统BP神经网络的初始权值和阈值，所述操作模块用于将遗传算法通过选择、交叉和变异操作找到最优适应度值对应个体，所述判断模块用于判断进化是否结束，所述预测模块用于通过声波测试系统BP神经网络预测输出，所述获得模块用于通过训练获得声波测试系统的数学模型，所述加载模块用于加载测试数据到声波测试系统的BP神经网络，所述验证模块用于验证遗传算法优化的BP神经网络模型的准确性。2.根据权利要求1所述的遗传算法优化BP神经网络的声波测试系统数学模型，其特征在于，其构建方法包括以下步骤：S1：构建模型：由专业人员进行声波测试系统数学模型BP神经网络结构的确定，并通过所述结构层构建声波测试系统数学模型的BP神经网络结构；S2：确定函数：由专业人员确定个体适应度函数；S3：进行优化：通过遗传算法优化声波测试系统BP神经网络的初始权值和阈值；S4：预测输出：通过声波测试系统BP神经网络预测输出。3.根据权利要求2所述的遗传算法优化BP神经网络的声波测试系统数学模型，其特征在于，所述S1中，由专业人员进行声波测试系统数学模型BP神经网络结构的确定，由专业人员通过所述结构层构建声波测试系统数学模型的BP神经网络结构，并通过构建的声波测试系统数学模型的BP神经网络结构进行计算获得声波测试系统BP神经网络权值阈值长度，所述声波测试系统的BP神经网络模型采用三层结构形式，所述三层结构包括输入层、隐含层和输出层，其中所述输入层由一个节点组成作为输入信号频率，所述输出层的节点只有一个，且所述节点为频率域动态校准得到的幅值，所述隐含层的节点选取5个。4.根据权利要求3所述的遗传算法优化BP神经网络的声波测试系统数学模型，其特征在于，进行计算时声波测试系统BP神经网络结构的输入层有1个节点，隐含层有5个节点，输出层有1个节点则共有1
×
5+5
×
1＝10个权值，5+1＝6个阈值，通过计算结果获得遗传算法个体编码...
【专利技术属性】
技术研发人员：张美凤，蔡建文，郭杰，孟飞，张亚锋，潘雪涛，
申请(专利权)人：常州工学院，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。