用于动平衡检测系统中通道补偿的神经网络建模方法

摘要

本发明涉及动平衡检测系统中的通道补偿方法，用于动平衡检测系统中通道补偿的神经网络建模方法。动平衡测试系统中振动信号处理电路对信号频率特性的影响需要消除或补偿，硬件方法成本高且效果不佳，查表方法占用较多存储空间且精度不高。本发明用不同频率的标准信号源送入信号处理板，记录频率特性数据；提取部分数据归一化处理后为训练数据；确定神经网络结构，采用改进型BP算法进行网络训练测量系统硬件电路的频率特性模型；测量系统中采用软件方法根据模型进行在线补偿运算。本发明优点：测量频率范围内具有较好线性度，克服测量系统硬件电路对振动信号频率特性的影响，提高测量精度；对通过测量电路任意频率的信号进行频率特性补偿。

主权项

一种用于动平衡检测系统中通道补偿的神经网络建模方法，包括以下步骤：(1)建立幅频特性模型：a采用高精度标准的信号发生器产生频率可调的正弦信号作为测量系统信号处理电路的输入，观测输入信号和输出信号的大小，记录幅频特性数据；b从幅频特性中抽取20对以上数据进行归一化处理；c确定三层前向神经网络的输入和输出参数：选取信号的频率作为神经网络模型的输入，输出信号幅值和输入信号幅值之比作为神经网络模型的输出；d取出归一化处理后的部分数据作为训练样本，利用改进型BP学习算法训练网络，得到幅频特性模型；e对得到的幅频特性模型进行仿真，若精度不能达到要求，调整BP学习算法的参数重复步骤d进行训练；(2)建立相频特性模型：a采用高精度标准的信号发生器产生频率可调的正弦信号作为测量系统信号处理电路的输入，观测输入信号和输出信号的相位，记录相频特性数据；b从相频特性中抽取20对以上数据进行归一化处理；c确定三层前向神经网络的输入和输出参数：选取信号的频率作为神经网络模型的输入，输出信号相位和输入信号相位之差作为神经网络模型的输出；d取出归一化处理后的部分数据作为训练样本，利用改进型BP学习算法训练网络，得到相频特性模型；e对得到的相频特性模型进行仿真，若精度不能达到要求，调整BP学习算法的参数重复步骤d进行训练。