基于优化神经网络算法的光纤布拉格光栅电流传感器的温度补偿

应变和温度的改变能够使光纤布拉格光栅（FBG）反射波的中心波长产生漂移, FBG与超磁致伸缩材料的结合可以用于测量电流, 但是温度和应变的交叉敏感严重影响测量电流的精度。神经网络具有强大的非线性映射能力, 能够自适应地发现传感器的内部规律, 从而对温度进行有效补偿。针对神经网络容易陷入局部极小值的问题, 采用遗传算法优化神经网络的权值和阈值, 以在全局范围内更快速、准确地找到权值和阈值的最优解。针对样本较少的问题, 采取K折交叉验证的方法提高网络预测的可靠性。经实验验证, 优化的神经网络对电流预测的均方误差为0.0038, 提高了FBG电流传感器的测量精度。