基于改进麻雀搜索算法优化BP神经网络的气动光学成像偏移预测

Improved sparrow search algorithm based BP neural networks for aero-optical imaging deviation prediction

许亮 ¹张紫叶 ¹陈曦 ²赵世伟 ¹王鹿洋 ¹王涛³

扫码查看

作者信息

1. 天津理工大学天津市复杂控制理论与应用重点实验室,电气电子工程学院,天津300384
2. 深圳安软科技股份有限公司天津分公司,天津300220
3. 中山大学智能工程学院,广东广州510275
折叠

摘要

气动光学效应导致的目标图像偏移对于飞行器的导航、定位以及寻的影响很大,对气动光学成像偏移的实时补偿具有重要的实用价值.提出了一种基于改进型麻雀搜索算法优化BP神经网络(improved sparrow search agorithm optimized BP neural network,ISSA-BP)的模型,对气动光学成像偏移进行预测.为提高预测算法的搜索和跳出局部最优的能力,在标准麻雀搜索算法(sparrow search algorithm,SSA)中借助鸟群算法(bird swarm algorithm,BSA)飞行行为的思想,使加入者以一定的概率向发现者靠近,缩短了算法的运行时间,保证了全局收敛和种群的多样性.最后将算法模型与BP神经网络模型和麻雀搜索算法优化BP神经网络(sparrow search algorithm BP,SSA-BP)模型进行对比,使用三种评价指标对三种算法模型进行评价,结果表明的ISSA-BP模型能够及时准确的对气动光学成像偏移进行预测,ISSA-BP模型的均方误差(MSE)、平均绝对误差(MAE)和决定系数(R2)分别为2.511E-11、1.969E-06和0.999 89.

关键词

BP神经网络/气动光学成像偏移预测/改进麻雀搜索算法/鸟群算法

引用本文复制引用

基金项目

出版年

2021

光电子·激光

天津理工大学中国光学学会

光电子·激光

CSCD北大核心

影响因子：1.437

ISSN：1005-0086

被引量24

参考文献量5

段落导航