针对扭摆式硅微加速度计的温漂问题,在对比分析不同算法补偿效果的基础上,提出了基于自适应权重粒子群优化（PSO）算法优化反向传播（BP）神经网络温度补偿方法,同时借鉴传统遗传算法中的变异思想,在PSO算法中引入变异操作,克服了BP神经网络易陷入局部极值缺陷,且温度补偿精度相对其他算法更具有全局性,达到了高精度实时温度补偿效果。测试结果表明:补偿后的标度因数温度系数、全温零偏极差和非线性分别由141×10-6/℃,109. 111 mgn和2223×10-6减小为1验证了提出方法的优越性和实用性。 传感器与微系统第38卷求解，这类问题的研究目前未见文献报道。本文在充分研究粒子群优化(particleswarmoptimiza-tion，本文由公司网站滚圆机网站采集转载中国知网资源整理!www.gunyuanji.name加速度计温度补偿-电动折弯机数控滚圆机滚弧机张家港电动滚圆机滚弧机弯管机PSO)算法的基础上，采用改进粒子群算法来优化BP神经网络模型，有效解决了BP网络收敛速度慢和易陷入局部极小值问题，改善了补偿性能。并以集成了温度传感器的扭摆式硅微加速度计为补偿对象，建立了PSO-BP温度补偿模型，取得了良好的补偿效果。1PSO—BP神经网络BPM建模将PSO优化［13，14］的参数作为BP神经网络权值、阈值初值，基于PSO优化BP神经网络流程如图1所示。图1PSO-BP流程在MATLAB上编程实现，设置PSO算法种群规模为40，迭代次数300，速度更新参数c1，c2为2，最大惯性权重和最小惯性权重分别为0．90和0．30，设置BP神经网络训练次数为2500次，学习步长为0．15，最小均方误差为10－13，最小梯度为10－11，通过训练得出全局最优的网络权值和阈值参数。对于MEMS加速度计而言，利用改进PSO算法优化BP神经网络建立其温度模型具有下列优势:1)PSO算法相较于传统遗传算法，省去了选择、交叉和变异的复杂计算过程，大大降低了模型训练时间;2)经过对PSO算法惯性权重改进，以及引入变异操作可有效解决易陷入局部极小值点问题，改善了全局最优性;3)BP神经网络具有极强的非线性映射能力。2扭摆式硅微加速度计温度特性分析以扭摆式硅微加速度计为例，在充分分析其温度特性的基础上建立温度补偿系统，来完成对PSO-BP补偿方法有效性的验证。2．1扭摆式硅微加速度计扭摆式硅微加速度计由质量块、弹性梁、锚点、差分敏感电极组成，其结构示意如图2所示。图2扭摆式硅微加速度计结构由于弹性梁两边质量块的不对称性，?加速度计温度补偿-电动折弯机数控滚圆机滚弧机张家港电动滚圆机滚弧机弯管机本文由公司网站滚圆机网站采集转载中国知网资源整理!www.gunyuanji.name