遗传神经网络在GMI传感器设计中的应用

巨磁阻抗（GMI）微磁传感器具有灵敏度高、响应速度快等突出优点，但其输出信号呈高度非线性特性。利用交流偏置方法产生非对称巨磁阻抗效应（AGMI），对磁场传感器的线性度有一定改善，但仍存在线性范围小、线性误差较大的缺点。BP神经网络具有良好的自学习、自适应和非线性映射能力，但通常训练速度较慢、易陷入局部极小值；遗传算法有很强的全局寻优能力，但其局部搜索能力不足。为充分发挥二者优点，本研究提出一种基于遗传神经网络的传感器非线性误差校正方法，并针对所设计的GMI传感器，设计了适合本系统的遗传神经网络，可通过Matlab软件实现。结果表明，经过训练的网络输出结果有序，网络的非线性映射性能良好，能精确反映该传感器系统的函数关系。该方法运算快速、精度高，对智能GMI传感器的设计具有一定工程应用价值。