基于蚁群BP神经网络算法的六维力传感器解耦研究

• 作者: 张家敏 许德章
• 来源期刊: 轻工机械
• 学科: 工学
• 关键词: 六维力传感器 蚁群BP神经网络算法 初始参数 解耦 收敛速度
• 年，卷（期）: 2016,（1）
• 所属期刊栏目: 研究·设计
• 页码范围: 1-4,13
• 页数: 5页
• 分类号: TP212.12
• 字数: 4372字
• 语种: 中文
• DOI: 10.3969/j.issn.1005-2895.2016.01.001

摘要

针对传统BP神经网络在六维力传感器解耦训练过程中,由于其初始参数的选取不确定性导致神经网络出现震荡、收敛速度缓慢和陷入局部极值等问题,提出一种基于蚁群BP神经网络算法并应用于六维力传感器解耦研究.该算法利用蚁群算法在种群寻优方面的优越性,通过局部和全局信息素更新相结合的方式更新信息素,提高蚁群算法搜索的效率,为BP神经网络提供一组最优的训练初始参数,网络收敛速度得到很大地提高,同时局部极值和震荡等缺点也有一定的改善.实验仿真结果表明,在六维力传感器神经网络模型训练过程中,达到同样的目标误差,基于蚁群BP神经网络算法的迭代次数N比传统算法少50％,运行时间T快60％.这说明蚁群BP神经网络算法在六维力传感器解耦研究中有着很好的应用效果.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	许德章	安徽工程大学机械与汽车工程学院	104	475	10.0	18.0
3	张家敏	安徽工程大学机械与汽车工程学院	5	25	3.0	5.0