激光甲传感器的温度补偿基于大规模数据集和ISSA-BP神经网络
Songfeng Yin1,2,3, Xiang Zou1, Yue Cheng2,3
1School of Electronics and Information Engineering, Anhui Jianzhu University, Hefei 230601, China.
Sensors (Basel, Switzerland)
|January 23, 2024
概括
这项研究提高了激光甲传感器在广泛温度的准确性,使用了新的ISSA-BP神经网络模型. 改进的模型在各种环境条件下显著提高了检测精度.
科学领域:
- 环境监测环境监测环境监测
- 传感器技术 传感器技术
- 人工智能的人工智能是人工智能.
背景情况:
- 激光甲传感器在广泛的温度范围内面临准确性挑战.
- 准确的甲检测对于环境安全和工业应用至关重要.
研究的目的:
- 为激光甲传感器开发一个强大的温度补偿模型.
- 为了提高激光甲传感器在广的温度环境中的检测精度.
主要方法:
- 在不同的温度和度下编制了一大数据集 (15,810个样本) 的传感器读数.
- 用一个改进的隔离森林算法来清理数据和删除异常值.
- 提出了一种新的ISSA-BP神经网络模型,集成多个优化算法 (准反射学习,黑猩猩群,莱维飞行,人工子优化),以增强子搜索算法的全球优化能力.
主要成果:
- 该ISSA-BP模型表现出比SVM,RF,BP和PSO-BP模型更高的性能.
- 评估指标 (MAE,MAPE,RMSE,R-square) 显示ISSA-BP模型在培训和测试集上都有显著的改进.
- 拟议的模型大大提高了激光甲传感器在广泛的温度环境中检测的准确性.
结论:
- ISSA-BP神经网络模型有效地弥补了激光甲传感器中的温度变化.
- 这种方法显著提高了甲检测在多样化和具有挑战性的温度条件的可靠性和准确性.
