壓力傳感器溫度補償技術(shù)

　　壓力傳感器溫度補償技術(shù)，小編為大家獻上的關(guān)于智能傳感器的設計的了論文哦!歡迎大家借鑒!

　　摘 要 壓力傳感器是一種較為常用的傳感器件，由于自身的非線(xiàn)性特點(diǎn)以及外界因素的影響，傳感器的輸出結果容易產(chǎn)生誤差，其中溫度的影響最大，因此，對傳感器的溫度補償就顯得尤為重要。文章對目前常用的溫度補償方法進(jìn)行了分析，在此基礎上，提出了一種新的溫度補償方法，并對BP神經(jīng)網(wǎng)絡(luò )進(jìn)行了改進(jìn)，從研究結果來(lái)看，該方法有效提高了傳感器的穩定性及精度。

　　關(guān)鍵詞 壓力傳感器;溫度漂移;溫度補償

　　壓力傳感器的輸出結果精度容易受到多種因素的影響，其中，唯獨是影響傳感器輸出精度的最主要因素。目前，國內經(jīng)常使用硬件補償和軟件補償兩類(lèi)方法對壓力傳感器進(jìn)行溫度補償。硬件補償方法調試難度較高、精度低、通用性也較差，在實(shí)際工程中應用時(shí)，難以去得較好的效果;而軟件補償方法有效彌補了硬件補償的缺點(diǎn)，其中BP神經(jīng)網(wǎng)絡(luò )補償在實(shí)際工程中運用十分廣泛，但是典型BP神經(jīng)網(wǎng)絡(luò )補償法雖然精確度高，但是整個(gè)流程過(guò)于復雜、整個(gè)過(guò)程耗時(shí)較長(cháng)，因此，本文提出了一種基于主成分分析的BP神經(jīng)網(wǎng)絡(luò )補償方法，希望對提高補償效率和準確性起到一定的作用。

　　1 典型BP神經(jīng)網(wǎng)絡(luò )補償原理分析

　　BP神經(jīng)網(wǎng)絡(luò )是目前研究中應用范圍最廣的神經(jīng)網(wǎng)絡(luò )模型之一，BP神經(jīng)網(wǎng)絡(luò )術(shù)語(yǔ)單向傳輸網(wǎng)絡(luò )結構，整個(gè)信息傳輸的過(guò)程呈現出高度的非線(xiàn)性特點(diǎn)。典型的BP神經(jīng)網(wǎng)絡(luò )結構包括輸入層、隱含層和輸出層3層結構。通常情況下BP神經(jīng)網(wǎng)絡(luò )只有這3層結構，這主要是由于單隱層的BP神經(jīng)網(wǎng)絡(luò )既可以完成從任意n維到m維的映射。其典型結構如下圖所示。

　　BP神經(jīng)網(wǎng)絡(luò )結構模型

　　BP算法設計到了信息的正向傳播以及誤差的反向傳播，信息首先從輸入層傳入，然后經(jīng)過(guò)隱含層的處理傳入輸出層，最終輸出的信息可以用下面的形式進(jìn)行表示：

　　其中：、分別代表了隱含層及輸出層的權值;

　　n0、n1分別對應了輸入節點(diǎn)數及隱含層節點(diǎn)數。

　　輸出層神經(jīng)元的激勵函數f1通常呈現出線(xiàn)性特點(diǎn);而隱含層神經(jīng)元的激勵函數f2通常采用如下所示的形式在(0，1)的S型函數中進(jìn)行輸出：

　　由于BP神經(jīng)網(wǎng)絡(luò )隱含層采用的傳遞函數為對數S型曲線(xiàn)，其輸出范圍在(0，1)之間。為了避免節點(diǎn)在短時(shí)間之內飽和而無(wú)法繼續進(jìn)行訓練，需要在訓練開(kāi)始之前利用下面公式對樣本數據進(jìn)行預處理：

　　其中：Ui、Pi均為訓練數據的標定值;Uimin、Uimax分別表示輸出電壓的標定極值(最小和最大);Pimin、Pimax分別表示壓力的標定極值(最小和最大)。

　　當目標矢量為T(mén)，信息通過(guò)正向傳遞，可以得到誤差函數，具體如下所示：

　　如果輸出結果無(wú)法達到要求的誤差范圍，則返回誤差信號并按照一定的權值對公式中的各層權值進(jìn)行修正，直到輸出結果達到期望值。

　　在利用典型BP神經(jīng)網(wǎng)絡(luò )進(jìn)行壓力傳感器溫度補償的過(guò)程中，算法過(guò)于復雜，而且非常耗時(shí)，因此，需要對其進(jìn)行改進(jìn)，以提高補償效率。

　　2 BP神經(jīng)網(wǎng)絡(luò )法的改進(jìn)

　　2.1 改進(jìn)原理

　　基于典型的BP神經(jīng)網(wǎng)絡(luò )，利用以下方法進(jìn)行改進(jìn)。

　　1)利用小波神經(jīng)網(wǎng)絡(luò )的思想對神經(jīng)元的激勵函數進(jìn)行改進(jìn)，從而實(shí)現小波特性與BP神經(jīng)網(wǎng)絡(luò )自學(xué)功能的充分結合，提高激勵函數的逼近能力。以Morlet函數作為小波函數的母函數，可以降低不同層面神經(jīng)元之間的影響，提高網(wǎng)絡(luò )的收斂速度。以Morlet函數作母函數的小波函數屬于幅值小波，其信號中包含了復值和相關(guān)信息，改進(jìn)后的函數具體如下所示：

　　在本次研究中，我們選取了R個(gè)輸入樣本和N個(gè)輸出節點(diǎn)，則可以利用下面的公式對第l個(gè)樣本的第n個(gè)節點(diǎn)的輸入進(jìn)行表示：

　　其中：K表示神經(jīng)網(wǎng)絡(luò )隱含層的單元數量;M表示神經(jīng)網(wǎng)絡(luò )輸入層的單元數量;ωn，k表示神經(jīng)網(wǎng)絡(luò )隱含層第k單元與輸出層第n單元的連接權值;ak-小波伸縮因子;bk-平移因子;Sl(xm)―輸入信號。

　　2)在計算過(guò)程中通過(guò)，附加動(dòng)量法的應用可以有效改實(shí)現梯度方向的平滑過(guò)渡，使得計算結果更具穩定性。該方法以BP法為基礎對權值進(jìn)行調節，具體公式如下：

　　其中：t表示樣本的訓練次數;η表示學(xué)習速率;σ表示動(dòng)量因子;σΔωki(t)表示附加動(dòng)量項，它能夠有效降低不同神經(jīng)元之間的影響，提高網(wǎng)絡(luò )的收斂速度。

　　2.2 主成分BP神經(jīng)網(wǎng)絡(luò )算法的實(shí)現

　　步驟1：按照典型BP神經(jīng)網(wǎng)絡(luò )數據預處理方法對樣本數據進(jìn)行預處理。

　　步驟2：利用主成分分析法對預處理后的樣本數據進(jìn)行分析，降低輸入向量之間的影響，使各個(gè)輸入變量的協(xié)同方差趨于統一，從而使各權值具有相同的收斂速度，并以此確定神經(jīng)網(wǎng)絡(luò )的輸入節點(diǎn)。

　　步驟3：對神經(jīng)網(wǎng)絡(luò )進(jìn)行初始化，并對其中的部分關(guān)鍵變量進(jìn)行設置。

　　步驟4：為神經(jīng)網(wǎng)絡(luò )選取一組學(xué)習樣本，以輸入節點(diǎn)作為網(wǎng)絡(luò )的輸入向量，并輸入期望fn，l，n=1，2，…，N;l=1，2，…，R。

　　步驟5：利用輸入的網(wǎng)絡(luò )參數計算網(wǎng)絡(luò )的實(shí)時(shí)輸出能力，當輸出誤差在允許范圍之內時(shí)，停止訓練;而當輸出誤差超過(guò)允許范圍 ，則將誤差信息進(jìn)行反向傳播，使權值沿誤差函數的負梯度方向發(fā)生變化，然后利用梯度下降法計算出變化后的網(wǎng)絡(luò )參數，然后再重復進(jìn)行第4步的操作。

　　步驟6：BP神經(jīng)網(wǎng)絡(luò )在訓練合格之后，對其進(jìn)行樣本補償。

　　步驟7：對補償后的樣本進(jìn)行反標準化處理，然后與實(shí)測數據進(jìn)行誤差比較，判斷出網(wǎng)絡(luò )改進(jìn)之后的變化。

　　2.3 壓力傳感器溫度補償

　　根據前文提供的BP神經(jīng)網(wǎng)絡(luò )算法實(shí)現步驟，可以利用Matlab編程語(yǔ)言來(lái)實(shí)現。在實(shí)現該算法之后，我們通過(guò)在壓力傳感器量程范圍內確定n個(gè)壓力標定點(diǎn)，同時(shí)確定m個(gè)溫度標定點(diǎn)。標準值發(fā)生器會(huì )根據每個(gè)標定點(diǎn)的信息產(chǎn)生對應的標定輸入值。然后輸入樣本數據，樣本數據按照目標值要求的±20%范圍進(jìn)行選擇，然后以誤差目標小于10-3進(jìn)行訓練，當達到誤差目標之后，網(wǎng)絡(luò )的收斂速度得到有效的提升。

　　3 結論

　　通過(guò)研究結果發(fā)現，利用主成分分析法對信息進(jìn)行補償之后，再利用BP神經(jīng)網(wǎng)絡(luò )對這些信息進(jìn)行訓練，其學(xué)習速度相對直接利用BP神經(jīng)網(wǎng)絡(luò )進(jìn)行訓練更高。同時(shí)，通過(guò)改進(jìn)典型的BP神經(jīng)網(wǎng)絡(luò )，利用小波函數作為激勵函數，并應用動(dòng)量附加發(fā)對網(wǎng)絡(luò )敏感性進(jìn)行控制，可以有效避免網(wǎng)絡(luò )發(fā)生局部極小問(wèn)題。通過(guò)基于主成分的BP神經(jīng)網(wǎng)絡(luò )溫度補償方法可以使壓力傳感器受環(huán)境溫度變化而發(fā)生的誤差問(wèn)題得到高效、精確的解決。

　　參考文獻

　　[1]董九英.多傳感器數據融合的主成分方法研究[J].計算機工程與應用，2009，45(33)：111-113.

　　[2]章慧.基于BP神經(jīng)網(wǎng)絡(luò )的壓力傳感器數據融合[J].湖南工程學(xué)院學(xué)報，2011，21(1)：55-58.

【壓力傳感器溫度補償技術(shù)】相關(guān)文章：

壓力傳感器實(shí)驗報告總結,壓力傳感器實(shí)驗報告總結心得04-07

母愛(ài)的溫度作文09-01

親情的溫度作文01-21

關(guān)于溫度的作文09-03

牛奶的溫度作文10-02

掌心的溫度作文09-08

愛(ài)的溫度作文08-19

溫度優(yōu)秀作文09-16

有溫度的話(huà)作文12-06

以溫度為話(huà)題的作文08-21