基于改进BP神经网络的风洞天平静态校准研究

针对风洞天平静态校准中传统校准模型非线性误差较大的问题,采用BP神经网络(back propagation neural network)建立了天平校准模型。三分量天平的BP神经网络模型为典型三层神经网络(“3–7–3”结构);BP神经网络模型校准精准度满足天平静态校准合格指标,轴向力和俯仰力矩分量校准性能优于传统模型,法向力分量校准性能则略低于传统模型。针对BP神经网络存在的不足,采用经混合策略改进的蝴蝶算法优化BP神经网络的初始权值和阈值,优化后的BP神经网络收敛精度和收敛速度得到提高。使用三分量应变天平校准数据进行了仿真实验,以天平输出信号值和天平加载载荷值作为输入和输出构建BP神经网络。传统校准模型、BP神经网络校准模型、蝴蝶算法优化BP神经网络校准模型的仿真实验结果对比表明:使用优化BP神经网络模型拟合天平校准公式,其校准性能比传统校准模型提高70%~90%,可有效消除传统校准模型非线性误差,显著提高天平静态校准精准度。

资料为PDF文档格式.

本文档关键词:校准,风洞,静态,天平,改进