改进IGABP模型补偿倾角传感器温度漂移研究

倾角传感器很容易受到环境温度变化的影响,产生测量误差,即温度漂移现象.针对此问题,设计了一种基于改进的遗传算法(IGA)优化反向传播神经网络(BPNN)的温度漂移补偿模型.其中遗传算法使用了新的选择策略和交叉变异因子,增加了跳出局部最优解机制.实验结果显示,IGABP补偿模型的均方误差(MSE)为0.003 28,经过补偿模型修正后的平均温度漂移为0.039°,远优于未修正时的平均温度漂移0.190°.研究结果表明,IGABP补偿模型与传统的神经网络模型相比,具有更快的收敛速度和更高的补偿精度,能够有效的补偿因温度导致的测量误差,提高倾角传感器的稳定性和精度.