基于自适应深度置信网络的压力变送器温度补偿方法研究

打开文本图片集

摘要：随着压力变送器检测技术和人工智能技术的不断发展，在航空航天、石化、核电等领 域人们对压力变送器的稳定性、实时性、测量精度等方面有了更严格的要求。而工作环境的温 度会对设备精度造成巨大影响，导致变送器测量值出现偏移。针对此问题，本文提出了基于自 适应深度置信网络的高精度压力变送器温度补偿方法。深度置信网络 （Deep Belief Networks， DBN） 在无监督学习阶段提取数据的特征，然后在有监督阶段使用少量的数据对网络参数进行 微调；利用白鲸优化算法 （Beluga Whale Optimization， BWO） 在全局搜索和局部寻优之间达到 平衡，有效地提高 DBN 网络的优化效果；引入 Metropolis 准则和适应度平衡因子，进一步提 高算法的全局寻优能力以及模型收敛速度。（剩余9180字）