论文部分内容阅读
针对高场非对称波形离子迁移谱仪（FAIMS）分离电压温度漂移造成的其物性表征的不确定性问题,提出了一种采用径向基函数（RBF）神经网络对分离电压进行温度补偿的方法。为了提高算法的实时性,加快函数逼近速度,采用指数下降惯性权重（EDIW）动量因子策略对RBF神经网络参数进行了优化。在20-120℃的温度范围内,对该算法及线性下降惯性权重（LDIW）动量因子策略优化的RBF神经网络和传统RBF神经网络等3种补偿算法进行对比。结果表明,指数下降惯性权重动量因子策略优化的RBF神经网络模型具有更少的迭代次数和更短