一种基于改进粒子群的RBF网络非线性温度误差补偿方法

本发明涉及一种基于改进粒子群的RBF网络非线性温度误差补偿方法，属温度传感器结合深度学习领域，解决了现有温度传感器的非线性温度误差补偿问题。包括获取温度传感器分度表数据作为样本数据集；初始化RBF神经网络模型；利用改进粒子群算法对RBF的扩展速度参数进行寻优，获得群体最优位置传递给RBF进行扩展速度参数更新，利用样本数据集中的训练集对更新参数后的RBF进行训练；利用样本数据集中的测试集进行验证，若验证不通过，则返回利用改进粒子群算法对RBF的扩展速度参数进行寻优的步骤，直至验证通过，获得训练好的RBF神经网络模型作为温度传感器补偿网络；基于温度传感器及温度传感器补偿网络获得补偿后的温度值。实现传感器非线性温度误差补偿。