论文部分内容阅读
目前有关二维PSD(Position Sensitive Detector,光电位置敏感探测器)非线性校正方法相对较多,但大都停留在定性分析阶段。尽管对二维PSD的结构及使用材料等方面进行了改进,但仍然难以克服二维PSD的非线性。BP神经网络算法(Back Propagation Neutral Network Algorithm)的优越性主要体现在解决非线性问题或非线性结构问题等方面,可以通过神经网络的输入、输出变量进行网络训练,进而达到对非线性校正的目的。本文在对比研究国内外大量相关文献的基础上,提出了遗传算法(Genetic Algorithm,GA)和BP神经网络算法相结合的方法应用于二维PSD非线性校正并对此进行深入研究。主要研究内容如下:1.将神经网络算法应用于二维PSD非线性校正研究:在分析国内外研究背景、意义、二维PSD的工作原理、性能参数以及研究现状的基础上,通过对现有的二维PSD非线性校正方法进行分析,比较了各种方法中的优点和不足,将神经网络算法应用于二维PSD非线性校正研究。2.基于BP神经网络的二维PSD非线性校正分析:对影响二维PSD的非线性的各种因素进行了具体分析;借助于BP神经网络算法的非线性映射能力,应用于二维PSD非线性校正中;重点研究了非线性校正的实现过程;对校正过程中存在的不足进行了分析。3.基于遗传BP神经网络的二维PSD非线性校正研究:针对BP神经网络算法的不足,利用遗传算法的优点对其进行优化;研究了遗传算法优化BP神经网络算法的实现原理、核心技术;提出了基于遗传BP神经网络的二维PSD非线性校正方法。该方法是利用遗传算法来优化BP神经网络算法的初始连接权值和阈值,BP神经网络算法依照误差函数梯度下降法,通过不断调整连接权值和阈值来减少实际输出和期望输出的误差,完成二维PSD的非线性校正。4.二维PSD非线性校正方法验证:基于MATLAB程序设计及仿真,将优化的遗传BP神经网络算法与BP神经网络算法应用于二维PSD非线性的校正中,从收敛性、校正曲线拟合以及误差波动性方面进行了对比、分析,验证了该优化算法应用于二维PSD非线性校正的正确性和优越性。通过不同的仿真图形进行对比分析,结果显示基于遗传BP神经网络的二维PSD非线性校正能够在更短的时间内,达到收敛速度更快、误差更小。精确性明显优于基于BP神经网络的二维PSD非线性校正,从而验证了两种算法的结合是可行的,效果显著。