張 濤,呂欣美

(1.鄭州輕工業(yè)學(xué)院計(jì)算機(jī)與通信工程學(xué)院,河南鄭州 450002; 2.中州大學(xué)就業(yè)指導(dǎo)中心,河南鄭州 450044)

改進(jìn)BP網(wǎng)絡(luò)在智能傳感器設(shè)計(jì)中的應(yīng)用

張 濤1,呂欣美2

(1.鄭州輕工業(yè)學(xué)院計(jì)算機(jī)與通信工程學(xué)院,河南鄭州 450002; 2.中州大學(xué)就業(yè)指導(dǎo)中心,河南鄭州 450044)

傳感器大多數(shù)都對(duì)環(huán)境(比如溫度)有一定的敏感度,這樣就會(huì)使傳感器的零點(diǎn)和線性發(fā)生偏移,從而造成輸出值隨環(huán)境溫度的變化而變化,再加上氣壓、以及氣體流量等因素,導(dǎo)致測(cè)量出現(xiàn)附加誤差。本文將利用神經(jīng)網(wǎng)絡(luò)來處理各種環(huán)境因素而產(chǎn)生的誤差,將低成本的微控制器與傳感器結(jié)合起來,設(shè)計(jì)出了能夠自動(dòng)補(bǔ)償環(huán)境影響的智能傳感器。并針對(duì)硬件平臺(tái)的局限性,根據(jù)學(xué)習(xí)網(wǎng)絡(luò)的學(xué)習(xí)特性,做了相應(yīng)的優(yōu)化改進(jìn),實(shí)現(xiàn)了傳感器高精度快速誤差補(bǔ)償。

BP網(wǎng)絡(luò);線性;智能

1 引言

智能傳感器主要包含傳感器和微控制器兩個(gè)部分,微控制器中的軟件則根據(jù)系統(tǒng)參數(shù)來改變自身的工作方式或改變儀表硬件的工作狀態(tài),硬件只有在軟件的協(xié)調(diào)控制下才能充分發(fā)揮其作用,但同時(shí)它們又是相輔相成的。其中軟件中的系統(tǒng)參數(shù)利用神經(jīng)網(wǎng)絡(luò)進(jìn)行學(xué)習(xí)確定。神經(jīng)網(wǎng)絡(luò)具有分布式存儲(chǔ)、并行處理、高容錯(cuò)能力以及良好的自學(xué)習(xí)、自適應(yīng)、聯(lián)想等特點(diǎn)。目前已經(jīng)提出了多種神經(jīng)網(wǎng)絡(luò)模型,其中應(yīng)用最廣泛的是前饋型神經(jīng)網(wǎng)絡(luò)。而對(duì)于前饋型神經(jīng)網(wǎng)絡(luò),對(duì)其訓(xùn)練使用最多的方法是 BP算法。而對(duì)于經(jīng)常是用于復(fù)雜環(huán)境而且要求測(cè)量周期短暫的熱導(dǎo)氣體分析儀,傳統(tǒng) BP網(wǎng)絡(luò)無法滿足儀表設(shè)計(jì)需要。本文將根據(jù)熱導(dǎo)傳感器測(cè)量的主要因素,然后提出一種新的BP神經(jīng)網(wǎng)絡(luò)算法,能夠快速,準(zhǔn)確地將這些因素與熱導(dǎo)傳感器的原始測(cè)量值進(jìn)行擬合,減小測(cè)量誤差[1,5]。

2 智能傳感器硬件設(shè)計(jì)

智能傳感器的微控制器選用德州儀器公司推出超低功耗 Flash型 16位 RISC指令集單片機(jī)MSP430f149。F149有豐富的內(nèi)部硬件資源,具有60KB的閃存,2KB RAM,能夠支持一定數(shù)量的存儲(chǔ)和處理工作。傳感器的原始測(cè)量數(shù)據(jù)輸入到控制器,綜合各種環(huán)境因素,微控制器分別掛接相應(yīng)的傳感器,包括環(huán)境溫度,氣體壓力傳感器,氣體流量計(jì)分別輸入到微控制器,該傳感器的原理圖如圖1所示。

圖 1 智能傳感器原理圖

3 傳統(tǒng)BP網(wǎng)絡(luò)算法

傳統(tǒng)BP人工神經(jīng)網(wǎng)絡(luò)一般采用三層網(wǎng)絡(luò)結(jié)構(gòu),包括輸入層、隱含層和輸出層,相鄰層之間通過權(quán)值實(shí)現(xiàn)聯(lián)結(jié),其神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)如圖 2所示[3]。

圖2 BP網(wǎng)絡(luò)系統(tǒng)結(jié)構(gòu)

本文論述的算法都是以三層網(wǎng)絡(luò)結(jié)構(gòu)出發(fā)進(jìn)行討論的。BP算法的基本思想為:

BP網(wǎng)絡(luò)對(duì)于輸入信號(hào),通過輸入層傳播到隱含層,經(jīng)過激勵(lì)函數(shù)的作用,再將隱含層的輸出作為輸出層的輸入傳播到輸出層,最后得到輸出結(jié)果。對(duì)于每一個(gè)輸入樣本,神經(jīng)網(wǎng)絡(luò)的實(shí)際輸出與目標(biāo)輸出不可能完全一樣,兩者之間必然會(huì)有一定的誤差,定義均方差為:

B P算法按照誤差減少最快的方向改變各層間的聯(lián)結(jié)權(quán)值,使網(wǎng)絡(luò)慢慢收斂。取聯(lián)結(jié)權(quán)值的增量變化為:

其中 s為步長(zhǎng),a為勢(shì)態(tài)因子,為訓(xùn)練誤差[3]。步長(zhǎng)因子 s主要作用在于加快系統(tǒng)的響應(yīng)速度,提高系統(tǒng)的調(diào)節(jié)精度。s越大,系統(tǒng)的響應(yīng)速度越快,系統(tǒng)的調(diào)節(jié)精度越高,但將產(chǎn)主超調(diào),甚至導(dǎo)致系統(tǒng)不穩(wěn)定。如果s值取得過小,則會(huì)降低調(diào)節(jié)精度,使響應(yīng)速度緩慢,從而拖長(zhǎng)調(diào)節(jié)時(shí)間,使系統(tǒng)動(dòng)靜態(tài)特性變壞。勢(shì)態(tài)因子α的作用在于消除系統(tǒng)動(dòng)態(tài)誤差?？刂破髦械奈⒎汁h(huán)節(jié)的作用相當(dāng)于一個(gè)穩(wěn)定器,增加振蕩收縮能力,α越大,系統(tǒng)動(dòng)態(tài)誤差消除的越快,但α過大,在響應(yīng)過程的初期會(huì)產(chǎn)生調(diào)節(jié)飽和現(xiàn)象,從而引起響應(yīng)過程的較大超調(diào)和震蕩。如果α過小,將使系統(tǒng)動(dòng)態(tài)誤差難以消除,影響系統(tǒng)的調(diào)節(jié)精度[2,4,6,7]。

4 BP網(wǎng)絡(luò)學(xué)習(xí)算法改進(jìn)

前面的算法是 BP網(wǎng)絡(luò)算法的基礎(chǔ),稱為標(biāo)準(zhǔn)BP網(wǎng)絡(luò)?；谖⒖刂破髌脚_(tái)的智能傳感器,無論在存儲(chǔ)量還是數(shù)據(jù)處理能力都十分有限,而 BP網(wǎng)絡(luò)的學(xué)習(xí)需要處理和存儲(chǔ)大量的數(shù)據(jù),所以 BP網(wǎng)絡(luò)不適用于低成本的硬件平臺(tái)。所以在學(xué)習(xí)得過程中,根據(jù)實(shí)驗(yàn)總結(jié)出相應(yīng)傳感器的測(cè)量規(guī)律,利用規(guī)律將學(xué)習(xí)網(wǎng)絡(luò)的學(xué)習(xí)因子進(jìn)行模糊化的處理,可以大大簡(jiǎn)化神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)過程。圖 3給出了模糊調(diào)節(jié)學(xué)習(xí)因子BP網(wǎng)絡(luò)流程圖。

圖 3 改進(jìn)BP網(wǎng)絡(luò)學(xué)習(xí)流程

將這些控制規(guī)則在表 1中體現(xiàn)出來列成表,就形成模糊控制規(guī)則表,它反映和描述了人的控制經(jīng)驗(yàn)和知識(shí),是模糊推理的規(guī)則集。表 1是步長(zhǎng)的模糊規(guī)則表,表 2是勢(shì)態(tài)因子的模糊規(guī)則表。

表 1 步長(zhǎng)的模糊規(guī)則表

表 2 勢(shì)態(tài)因子的模糊規(guī)則表

5 實(shí)驗(yàn)比較與分析

5.1 建立學(xué)習(xí)樣本

通過試驗(yàn)設(shè)定不同的環(huán)境溫度,調(diào)配不同濃度的氣體,通入傳感器,記錄傳感器的測(cè)量值。本文環(huán)境溫度選擇了 7個(gè)環(huán)境溫度值 (-30℃,-20℃, -10℃,0℃,10℃,20℃,30℃)。氣壓選擇了 3個(gè)值(0.98Pa,1.0Pa,1.2Pa)。試驗(yàn)數(shù)據(jù)如表 3所示 (篇幅所限本文只列出氣壓為 1Pa時(shí)候的測(cè)量值)設(shè)傳感器測(cè)量值為R(單位為%)。

表3 不同環(huán)境溫度下熱導(dǎo)傳感器對(duì)不同純度氫氣的測(cè)量值

5.2 傳感器設(shè)計(jì)結(jié)果

完成訓(xùn)練后,利用氣體分析儀對(duì)任意溫度下的氣體進(jìn)行測(cè)量,表 4列出傳感器測(cè)得數(shù)據(jù)與輸入氣體濃度之間的比對(duì)。

表 4 傳感器對(duì)不同濃度氣體測(cè)量結(jié)果

R為輸入氣體氫氣百分含量 (單位為%),Y為傳感器輸出的換算值表示測(cè)得氫氣的百分含量(單位為%)。

6 結(jié)論

本文通過實(shí)驗(yàn),將改進(jìn)的神經(jīng)網(wǎng)絡(luò)算法應(yīng)用于低成本的智能傳感器設(shè)計(jì)中,這在測(cè)試測(cè)量領(lǐng)域是一種有益的嘗試。BP網(wǎng)絡(luò)是一種性能良好的前向網(wǎng)絡(luò),它不僅有全局逼近性質(zhì),而且具有最佳逼近性能和良好的非線性映射能力、自學(xué)習(xí)和泛化能力,魯棒性好、收斂較快,特別適用于傳感器數(shù)學(xué)模型的建立。利用模糊神經(jīng)網(wǎng)絡(luò),對(duì)外界環(huán)境(溫度,壓力)進(jìn)行理性的分析,結(jié)合傳統(tǒng)的儀表測(cè)量值計(jì)算出合理的測(cè)量結(jié)果,不但減少了硬件需求,而且提高了測(cè)量精度,使傳感器的智能化程度具有質(zhì)的飛躍。

REFERENCES

[1] 胡大可.MSP430系列單片機(jī) C語言程序設(shè)計(jì)與開發(fā).北京航空行天大學(xué)出版社,2003,1:79-80.

[2] 謝新民,丁鋒.自適應(yīng)控制系統(tǒng).清華大學(xué)出版社,2002,3:67 -69.

[3] 李曉東.一種前饋神經(jīng)網(wǎng)絡(luò)的快速學(xué)習(xí)算法.信號(hào)處理,2004, (2):1-4.

[4] 胡包鋼,應(yīng)浩.模糊 PI D控制技術(shù)研究發(fā)展回顧及其面臨的若干重要問題.自動(dòng)化學(xué)報(bào),2001,8:45-47.

[5] 王偉.人工神經(jīng)網(wǎng)絡(luò)原理.北京:北京航空航天大學(xué)出版社, 1995,7:123-125.

[6] 李曉東.一種前饋神經(jīng)網(wǎng)絡(luò)的快速學(xué)習(xí)算法.信號(hào)處理,2004, (2):57-59.

[7] Xin Yao,SeniorMember IEEE,and YongLiu.A New Evolutionary System for EvolvingArtificialNeuralNetworks.IEEE TRANSACTI ON ON NEUAL NETORKS,1997.8 67-69.

Improvement of the application of BP network in intelligent sensor design

ZHANG Tao1,LV Xin-mei2
(1.School of Computer and Communication Engineering,Zhengzhou University ofLight Industry,Zhengzhou,He’nan,China 450002; 2.Occupation-directing Center,Zhongzhou University,Zhengzhou,He’nan,China 450044)

Usually,environment temperature is not stable in the industrial field,and most of sensors have a certain sensitivity to temperature,whichmakes the zero and sensitivity of sensors to change,and so the sensorsoutput changeswith the environment temperature,therefore,temperature compensation is al ways key in the industrial measuring and control field.This paper introduces a new method of i mproving traditional gas sensor,where BP neural network is applies.BP neural network has advantages in nonlinear mapping,self-study,and generalization,which can construct double input single output net model by training a mass of sample data. High precision temperature compensation of sensors can be realized with this improved arithmetic.

BP neural network;linear;Intelligent

book=82,ebook=31

TP183

A

1009-3842(2010)02-0082-04

2010-01-04

張濤(1978-),男,漢族,河南信陽人,工學(xué)碩士,鄭州輕工業(yè)學(xué)院計(jì)算機(jī)與通信工程學(xué)院講師,主要從事神經(jīng)網(wǎng)絡(luò)與自動(dòng)控制教學(xué)與研究工作。E-mail:ztflash@163.com