一种对硬件电路一致性提高的校准方法

本发明公开了一种对硬件电路一致性提高的校准方法，包括对神经网络模型进行建立，数据获取，对硬件电路器件在各档位下的原始数据作为神经网络模型的训练数据进行获取；模型训练，首先将步骤二中的训练样本使用StandardScaler方法进行预处理，将预处理的训练样本输入到神经网络中使用Adam算法进行训练；应用并校准，在获得神经网络模型后，在校准硬件电路输出以及测量进行神经网络模型校准修正。本发明通过在周期性校准过程中逐步扩展神经网络的训练样本，增加神经网络对不同环境温度的适应性，提高校准的准确性，有利于使得硬件电路在长期使用过程中仍能保持较高的校准精度，提升了系统的稳定性和可靠性。