基于神经网络的结冰传感器非线性校正方法初稿.doc

基于BP网络的结冰传感器非线性校正方法 王 华 (哈尔滨工程大学机电学院 哈尔滨 150001) 摘要 本文根据当前结冰传感器非线性校正存在的问题，提出了利用BP网络建立传感器逆模型的校正方法。文中采用功能强大的MATLAB工具软件，对神经网络进行训练，获得权值、阈值。在实际应用中的结果表明，该方法简单、实用，大大方便了产品性能一致性不高的结冰传感器在测控系统中的应用。 关键词 BP网络 非线性校正 结冰传感器 Approaches to Non-linearity Compensation of Ice-detector Based on BP Network Wang Hua(Coll of Mech and Elec Eng.Harbin Engineering University, Harbin 150001 China) Abstract This paper presents a compensation method using BP network to establish reversable model of ice-detector as to the problems existing in present non-linearity compensation. We use powerful MATLAB to train the neural network in order to get the weights and biases.It has been shown in practical applications that this method proposed in the paper are not only correct and practical ,but alse very convenient for the ice-detector with low coincidence to be applied to measurement and control systems. Key words BP network Non-linearity compensation Ice-detector 1． 引言 结冰传感器是用于探测结冰厚度的设备。它是基于振动原理设计的，振动体采用振管形式。当振管垂直立于环境中时，激振电路为振管提供交变磁场，振管在磁场的作用下产生磁致伸缩作轴向振动，同时信号拾取电路将此机械振动信号转变为电信号反馈给激振电路，使电路谐振于振管的轴向振动固有频率上。根据振动理论，当振管表面出现冰层时，其轴向振动固有频率会产生偏移，使电路的谐振频率也产生偏移，因此根据频率偏移量即可确定冰层的厚度。 （1） 式中：d — 冰层厚度，mm f‘ — 结冰后的振动频率， Hz f0 —— 结冰前的振动频率（常量）， Hz f0为定值，所以冰层厚度只与频率值f‘有关系，但频率值与冰层厚度为非线性关系，不能简单地由频率值确定所测的冰层厚度，这样增加了厚度显示和处理的复杂性。为了保证一定的测量精度以便于在测控系统中应用，必须对其进行非线性校正。 以前一直采用表格法进行数据处理，通过分段线性化法来逼近传感器的静态特性曲线。简单、实用。但当表格小时，精度受到影响；表格大时，实时性受影响，对传感器的处理器提出了个严格的要求。 神经网络方法为传感器的非线性校正方法的研究开辟了新的途径。具体做法是，以实验数据为样本训练BP网络，得到结冰传感器的逆模型，从而使传感器经神经网络组成的系统线性化，传感器的非线性特性得到补偿，校正后的网络可按线性特性处理，提高了测量精度，大大拓展了结冰传感器的应用范围。 2. BP网络 人工神经网络是一门新兴交叉学科。在人工神经网络的实际应用中，80％~90％的人工神经网络模型是采用BP神经网络(Back-Propagation Neural Network)。它是一种前馈神经网络，它通常由输入层、输出层和若干隐含层组成，相邻层之间通过突触权矩阵连接起来。图1为包含一个隐含层的BP网络。隐含层的层数可以扩展，一般为1~3层，研究最多的是一个隐含层的网络，因为三层的前馈网络就能逼近任意的连续函数。当隐层结点数太多，可考虑采用两个隐层，采用两个隐层的结点总数通常要比一个隐层时少。 各层节点的输出按下式计算 (2) 式中yi是节点输出，xj是节点接受的信息，wij是相关连接权重，θi为阈值，n是节点数。 图1 前向神经网络 3. 用BP网络进行数据拟合 3.1