引入粒子生存值的SPSO-BP气体传感器补偿算法

针对复杂环境下气体传感器的稳定性不足的问题,提出了一种基于改进反向传播(BP)神经网络的传感器补偿算法。首先建立基于温湿度补偿的BP神经网络结构,并确定各层网络的节点数。然后提出用粒子群算法(PSO)优化BP神经网络的初始权值和阈值。最后引入粒子生存值并结合模拟退火改进传统PSO算法(SPSO),提高模型的全局极值寻优能力。实验结果表明:本文改进的SPSO算法较传统的PSO算法寻优能力更强,将SPSO与BP神经网络相结合,提高了气体传感器的温湿度补偿精度。