科研之友
微信
新浪微博
Facebook
分享链接
摘要
为解决位置敏感器件(PSD)提取光斑位置信息的不准确性,克服元器件、信号处理电路等带来的随机噪声干扰,本文提出了一种基于极限学习机(ELM)的反馈堆叠模型(FsELM)。该模型使用ELM作为基本训练块,以单层预测结果与目标真值的偏差作为依据对输入数据进行更新,并进行循环训练,形成反馈堆叠的结构,从而实现PSD信号有效信息的深度提取。同时设计进行了基于一维PSD的激光三角位移检测实验验证算法的性能,比较了传统滤波算法、经典学习算法、ELM及其变体和本文提出的FsELM方法对数据的处理效果。实验结果表明:FsELM预测精度明显优于其他处理方法,预测结果均方误差可达1.4×10-5,预测精度为0.78%;除ELM等单次训练结构外,FsELM模型的运算速度比其他处理方法更快。该结果证明了FsELM在应对随机噪声干扰的优异性能,以及不确定环境下突出的预测能力。
- 出版日期2020
- 单位中国科学院大学; 西安航天发动机有限公司; 中国科学院沈阳自动化研究所
