《基于人工神經(jīng)網(wǎng)絡(luò)的壓力傳感器的溫度補(bǔ)償辦法》2024/3/24《基于人工神經(jīng)網(wǎng)絡(luò)的壓力傳感器的溫度補(bǔ)償辦法》1.1壓力傳感器1.2壓力傳感器的溫度補(bǔ)償辦法1.3國(guó)內(nèi)現(xiàn)狀1.4本課題目的第一章緒論

《基于人工神經(jīng)網(wǎng)絡(luò)的壓力傳感器的溫度補(bǔ)償辦法》1.1壓力傳感器壓力傳感器是工業(yè)實(shí)踐中最為常用的一種傳感器。一般普通壓力傳感器的輸出為模擬信號(hào)。我們通常使用的壓力傳感器主要是利用壓電效應(yīng)制造?！痘谌斯ど窠?jīng)網(wǎng)絡(luò)的壓力傳感器的溫度補(bǔ)償辦法》壓力傳感器的溫度范圍分為補(bǔ)償溫度范圍和工作溫度范圍。補(bǔ)償溫度范圍是由于施加了溫度補(bǔ)償，精度進(jìn)入額定范圍內(nèi)的溫度范圍。工作溫度范圍是保證壓力傳感器能正常工作的溫度范圍。壓力傳感器的溫度范圍《基于人工神經(jīng)網(wǎng)絡(luò)的壓力傳感器的溫度補(bǔ)償辦法》1.2壓力傳感器的溫度補(bǔ)償辦法硬件補(bǔ)償軟件補(bǔ)償《基于人工神經(jīng)網(wǎng)絡(luò)的壓力傳感器的溫度補(bǔ)償辦法》硬件補(bǔ)償軟件補(bǔ)償軟件補(bǔ)償可以分為數(shù)值分析法和人工智能法專家系統(tǒng)、神經(jīng)網(wǎng)絡(luò)、遺傳算法和模糊系統(tǒng)硬件補(bǔ)償主要采用硬件電路來(lái)消除其影響,但難以做到全額補(bǔ)償,且存在補(bǔ)償電路硬件漂移等問(wèn)題?！痘谌斯ど窠?jīng)網(wǎng)絡(luò)的壓力傳感器的溫度補(bǔ)償辦法》基于數(shù)值分析的溫度補(bǔ)償法，最常采用的是最小二乘曲線擬合法或多段折線逼近法.最小二乘法是基于梯度變化量的計(jì)算來(lái)求最優(yōu)解的,是一種局部搜索技術(shù),容易進(jìn)入局部最優(yōu),但很難得到全局最優(yōu)解。多段折線逼近法的算法較復(fù)雜,擬合精確度不高。考慮到傳統(tǒng)的基于數(shù)值分析方法的不足,本文采用了人工神經(jīng)網(wǎng)絡(luò)理論對(duì)壓力傳感器進(jìn)行溫度補(bǔ)償。人工神經(jīng)網(wǎng)絡(luò)有很強(qiáng)的非線性建模能力,能完成復(fù)雜的非線性映射功能,同時(shí),神經(jīng)網(wǎng)絡(luò)具有自組織、自學(xué)習(xí)及推理的自適應(yīng)能力?！痘谌斯ど窠?jīng)網(wǎng)絡(luò)的壓力傳感器的溫度補(bǔ)償辦法》1.3國(guó)內(nèi)現(xiàn)狀隨著人工智能特別是神經(jīng)網(wǎng)絡(luò)技術(shù)的發(fā)展,為傳感器信號(hào)的處理提供了新的有效手段,BP神經(jīng)網(wǎng)絡(luò)具有很強(qiáng)的函數(shù)逼近能力,被人們用來(lái)進(jìn)行傳感器的各種非線性誤差的補(bǔ)償,然而,BP神經(jīng)網(wǎng)絡(luò)存在收斂速度慢、易于陷入局部極小等點(diǎn)。《基于人工神經(jīng)網(wǎng)絡(luò)的壓力傳感器的溫度補(bǔ)償辦法》由于人工神經(jīng)網(wǎng)絡(luò)具有獨(dú)特的非線性映射能力、很強(qiáng)的環(huán)境適應(yīng)能力。目前,人工神經(jīng)網(wǎng)絡(luò)已在語(yǔ)音識(shí)別,模式分類,圖像處理和自動(dòng)控制等領(lǐng)域獲得了比較成功的應(yīng)用,并已成為解決一批工程實(shí)際問(wèn)題的有效工具之一。人工神經(jīng)網(wǎng)絡(luò)在一些領(lǐng)域的成功應(yīng)用,促使人們開(kāi)展人工神經(jīng)網(wǎng)絡(luò)在傳感器非線性領(lǐng)域中的應(yīng)用研究。利用人工神經(jīng)網(wǎng)絡(luò)所具有獨(dú)特的非線性映射能力,實(shí)現(xiàn)傳感器非線性靜態(tài)校正。《基于人工神經(jīng)網(wǎng)絡(luò)的壓力傳感器的溫度補(bǔ)償辦法》1.4本課程目的新的人工神經(jīng)網(wǎng)絡(luò)計(jì)算方法對(duì)壓力傳感器進(jìn)行了溫度補(bǔ)償.由于神經(jīng)網(wǎng)絡(luò)具有非線性特性、自適應(yīng)和學(xué)習(xí)能力,只要能獲取傳感器的輸入和輸出數(shù)據(jù),通過(guò)人工神經(jīng)網(wǎng)絡(luò)融合,可以逼近其輸入輸出特性.融合結(jié)果表明,其擬合精度較高,實(shí)現(xiàn)了壓力傳感器的溫度補(bǔ)償。《基于人工神經(jīng)網(wǎng)絡(luò)的壓力傳感器的溫度補(bǔ)償辦法》第二章基于BP神經(jīng)網(wǎng)絡(luò)的壓力傳感器溫度補(bǔ)償《基于人工神經(jīng)網(wǎng)絡(luò)的壓力傳感器的溫度補(bǔ)償辦法》目錄2.1神經(jīng)網(wǎng)絡(luò)的發(fā)展歷史及其現(xiàn)狀2.3BP神經(jīng)網(wǎng)絡(luò)2.2神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)2.5BP神經(jīng)網(wǎng)絡(luò)在實(shí)例中的應(yīng)用2.4BP網(wǎng)絡(luò)的優(yōu)點(diǎn)及其局限性2.6BP神經(jīng)網(wǎng)絡(luò)在壓力傳感器溫度補(bǔ)償方面的應(yīng)用《基于人工神經(jīng)網(wǎng)絡(luò)的壓力傳感器的溫度補(bǔ)償辦法》2.1神經(jīng)網(wǎng)絡(luò)的發(fā)展歷史及其現(xiàn)狀

人工神經(jīng)網(wǎng)絡(luò)是由大量的、簡(jiǎn)單的處理單元（稱為神經(jīng)元）廣泛地互相連接而形成的復(fù)雜網(wǎng)絡(luò)系統(tǒng)，它反映了人腦功能的許多基本特征，是一個(gè)高度復(fù)雜的非線性動(dòng)力學(xué)系統(tǒng)。

《基于人工神經(jīng)網(wǎng)絡(luò)的壓力傳感器的溫度補(bǔ)償辦法》

神經(jīng)網(wǎng)絡(luò)具有非線性自適應(yīng)的信息處理能力，克服了傳統(tǒng)人工智能方法對(duì)于直覺(jué)的缺陷，因而在神經(jīng)專家系統(tǒng)、模式識(shí)別、智能控制、組合優(yōu)化、預(yù)測(cè)等領(lǐng)域得到成功應(yīng)用。MATLAB是一種科學(xué)與工程計(jì)算的高級(jí)語(yǔ)言，廣泛地運(yùn)用于包括信號(hào)與圖像處理，控制系統(tǒng)設(shè)計(jì)，系統(tǒng)仿真等諸多領(lǐng)域。為了解決神經(jīng)網(wǎng)絡(luò)問(wèn)題中的研究工作量和編程計(jì)算工作量問(wèn)題，目前工程領(lǐng)域中較為流行的軟件MATLAB，提供了現(xiàn)成的神經(jīng)網(wǎng)絡(luò)工具箱《基于人工神經(jīng)網(wǎng)絡(luò)的壓力傳感器的溫度補(bǔ)償辦法》解決實(shí)際問(wèn)題中，應(yīng)用MATLAB語(yǔ)言構(gòu)造典型神經(jīng)網(wǎng)絡(luò)的激活傳遞函數(shù)，編寫各種網(wǎng)絡(luò)設(shè)計(jì)與訓(xùn)練的子程序，網(wǎng)絡(luò)的設(shè)計(jì)者可以根據(jù)需要調(diào)用工具箱中有關(guān)神經(jīng)網(wǎng)絡(luò)的設(shè)計(jì)訓(xùn)練程序，使自己能夠從煩瑣的編程中解脫出來(lái)，減輕工程人員的負(fù)擔(dān)，從而提高工作效率?！痘谌斯ど窠?jīng)網(wǎng)絡(luò)的壓力傳感器的溫度補(bǔ)償辦法》2.2神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)

人工神經(jīng)網(wǎng)絡(luò)是模仿生物神經(jīng)網(wǎng)絡(luò)功能的一種經(jīng)驗(yàn)?zāi)Ｐ?。生物神?jīng)元受到傳入的刺激，其反應(yīng)又從輸出端傳到相聯(lián)的其它神經(jīng)元，輸入和輸出之間的變換關(guān)系一般是非線性的。神經(jīng)網(wǎng)絡(luò)是由若干簡(jiǎn)單（通常是自適應(yīng)的）元件及其層次組織，以大規(guī)模并行連接方式構(gòu)造而成的網(wǎng)絡(luò)，按照生物神經(jīng)網(wǎng)絡(luò)類似的方式處理輸入的信息。模仿生物神經(jīng)網(wǎng)絡(luò)而建立的人工神經(jīng)網(wǎng)絡(luò)，對(duì)輸入信號(hào)有功能強(qiáng)大的反應(yīng)和處理能力?！痘谌斯ど窠?jīng)網(wǎng)絡(luò)的壓力傳感器的溫度補(bǔ)償辦法》人工神經(jīng)元（感知器）示意圖《基于人工神經(jīng)網(wǎng)絡(luò)的壓力傳感器的溫度補(bǔ)償辦法》若干神經(jīng)元連接成網(wǎng)絡(luò)，其中的一個(gè)神經(jīng)元可以接受多個(gè)輸入信號(hào)，按照一定的規(guī)則轉(zhuǎn)換為輸出信號(hào)。由于神經(jīng)網(wǎng)絡(luò)中神經(jīng)元間復(fù)雜的連接關(guān)系和各神經(jīng)元傳遞信號(hào)的非線性方式，輸入和輸出信號(hào)間可以構(gòu)建出各種各樣的關(guān)系，因此可以用來(lái)作為黑箱模型，表達(dá)那些用機(jī)理模型還無(wú)法精確描述、但輸入和輸出之間確實(shí)有客觀的、確定性的或模糊性的規(guī)律?！痘谌斯ど窠?jīng)網(wǎng)絡(luò)的壓力傳感器的溫度補(bǔ)償辦法》2.3BP神經(jīng)網(wǎng)絡(luò)BP(BackPropagation)神經(jīng)網(wǎng)絡(luò)是一種神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)算法。其由輸入層、中間層、輸出層組成的階層型神經(jīng)網(wǎng)絡(luò)，中間層可擴(kuò)展為多層。相鄰層之間各神經(jīng)元進(jìn)行全連接，而每層各神經(jīng)元之間無(wú)連接，網(wǎng)絡(luò)按有教師示教的方式進(jìn)行學(xué)習(xí)，當(dāng)一對(duì)學(xué)習(xí)模式提供給網(wǎng)絡(luò)后，各神經(jīng)元獲得網(wǎng)絡(luò)的輸入響應(yīng)產(chǎn)生連接權(quán)值（Weight）。然后按減小希望輸出與實(shí)際輸出誤差的方向，從輸出層經(jīng)各中間層逐層修正各連接權(quán)，回到輸入層。此過(guò)程反復(fù)交替進(jìn)行，直至網(wǎng)絡(luò)的全局誤差趨向給定的極小值，即完成學(xué)習(xí)的過(guò)程?！痘谌斯ど窠?jīng)網(wǎng)絡(luò)的壓力傳感器的溫度補(bǔ)償辦法》BP神經(jīng)網(wǎng)絡(luò)是誤差反向傳播神經(jīng)網(wǎng)絡(luò)的簡(jiǎn)稱，它由一個(gè)輸入層，一個(gè)或多個(gè)隱含層和一個(gè)輸出層構(gòu)成，每一次由一定數(shù)量的的神經(jīng)元構(gòu)成。這些神經(jīng)元如同人的神經(jīng)細(xì)胞一樣是互相關(guān)聯(lián)的?！痘谌斯ど窠?jīng)網(wǎng)絡(luò)的壓力傳感器的溫度補(bǔ)償辦法》2.4BP網(wǎng)絡(luò)的優(yōu)點(diǎn)及其局限性

BP神經(jīng)網(wǎng)絡(luò)最主要的優(yōu)點(diǎn)是具有極強(qiáng)的非線性映射能力。理論上，對(duì)于一個(gè)三層和三層以上的BP網(wǎng)絡(luò)，只要隱層神經(jīng)元數(shù)目足夠多，該網(wǎng)絡(luò)就能以任意精度逼近一個(gè)非線性函數(shù)。其次，BP神經(jīng)網(wǎng)絡(luò)具有對(duì)外界刺激和輸入信息進(jìn)行聯(lián)想記憶的能力。這是因?yàn)樗捎昧朔植疾⑿械男畔⑻幚矸绞?，?duì)信息的提取必須采用聯(lián)想的方式，才能將相關(guān)神經(jīng)元全部調(diào)動(dòng)起來(lái)。缺點(diǎn)：學(xué)習(xí)效率低，速度慢?！痘谌斯ど窠?jīng)網(wǎng)絡(luò)的壓力傳感器的溫度補(bǔ)償辦法》2.5BP神經(jīng)網(wǎng)絡(luò)在實(shí)例中的應(yīng)用

神經(jīng)網(wǎng)絡(luò)工具箱是在MATLAB環(huán)境下開(kāi)發(fā)出來(lái)的許多工具箱之一。它以人工神經(jīng)網(wǎng)絡(luò)理論為基礎(chǔ)，利用MATLAB編程語(yǔ)言構(gòu)造出許多典型神經(jīng)網(wǎng)絡(luò)的框架和相關(guān)的函數(shù)。最新版本的神經(jīng)網(wǎng)絡(luò)工具箱幾乎涵蓋了所有的神經(jīng)網(wǎng)絡(luò)的基本常用模型，如感知器和BP網(wǎng)絡(luò)等。對(duì)于各種不同的網(wǎng)絡(luò)模型，神經(jīng)網(wǎng)絡(luò)工具箱集成了多種學(xué)習(xí)算法，為用戶提供了極大的方便。MatlabR2007神經(jīng)網(wǎng)絡(luò)工具箱中包含了許多用于BP網(wǎng)絡(luò)分析與設(shè)計(jì)的函數(shù)，BP網(wǎng)絡(luò)的常用函數(shù)如表所示《基于人工神經(jīng)網(wǎng)絡(luò)的壓力傳感器的溫度補(bǔ)償辦法》BP網(wǎng)絡(luò)的常用函數(shù)表函數(shù)類型函數(shù)名稱函數(shù)用途前向網(wǎng)絡(luò)創(chuàng)建函數(shù)newcf創(chuàng)建級(jí)聯(lián)前向網(wǎng)絡(luò)Newff創(chuàng)建前向BP網(wǎng)絡(luò)傳遞函數(shù)logsigS型的對(duì)數(shù)函數(shù)tansigS型的正切函數(shù)purelin純線性函數(shù)學(xué)習(xí)函數(shù)learngd基于梯度下降法的學(xué)習(xí)函數(shù)learngdm梯度下降動(dòng)量學(xué)習(xí)函數(shù)性能函數(shù)mse均方誤差函數(shù)msereg均方誤差規(guī)范化函數(shù)顯示函數(shù)plotperf繪制網(wǎng)絡(luò)的性能plotes繪制一個(gè)單獨(dú)神經(jīng)元的誤差曲面plotep繪制權(quán)值和閾值在誤差曲面上的位置errsurf計(jì)算單個(gè)神經(jīng)元的誤差曲面《基于人工神經(jīng)網(wǎng)絡(luò)的壓力傳感器的溫度補(bǔ)償辦法》2.6BP神經(jīng)網(wǎng)絡(luò)在壓力傳感器溫度補(bǔ)償方面的應(yīng)用welcometousethesePowerPointtemplates,NewContentdesign,10yearsexperience步驟使用誤差反向運(yùn)算在工具箱中的訓(xùn)練函數(shù)來(lái)訓(xùn)練反饋神經(jīng)網(wǎng)絡(luò)去解決溫度補(bǔ)償?shù)膯?wèn)題。訓(xùn)練的過(guò)程大概分為四步：訓(xùn)練數(shù)據(jù)的集合；創(chuàng)建神經(jīng)網(wǎng)絡(luò)模型；訓(xùn)練神經(jīng)網(wǎng)絡(luò)；對(duì)神經(jīng)網(wǎng)絡(luò)的新輸入的響應(yīng)仿真?！痘谌斯ど窠?jīng)網(wǎng)絡(luò)的壓力傳感器的溫度補(bǔ)償辦法》原始數(shù)據(jù)神經(jīng)網(wǎng)絡(luò)的壓力傳感器的實(shí)際輸出電壓值壓力P（Kpa）不同溫度下的壓力傳感器的實(shí)際輸出電壓值-20℃0℃20℃40℃0-0.070.050.020.12010.8311.0610.737.814023.1522.7222.8216.536036.235.2935.2125.598049.7448.3648.3634.9410063.9661.9461.7544.6112078.575.9275.6354.8114093.3190.2289.5165.02160107.25104.39103.4174.75《基于人工神經(jīng)網(wǎng)絡(luò)的壓力傳感器的溫度補(bǔ)償辦法》數(shù)據(jù)的歸一化由于BP神經(jīng)網(wǎng)絡(luò)隱含層采用的傳遞函數(shù)為對(duì)散S型函數(shù)和雙曲線正切S型函數(shù)，它們的輸出范圍分別在（0,1）和（-1,1）之間。由此可知?dú)w一化處理后的數(shù)值范圍，即在-1和l之同。為此，依據(jù)下面兩個(gè)公式；

《基于人工神經(jīng)網(wǎng)絡(luò)的壓力傳感器的溫度補(bǔ)償辦法》welcometousethesePowerPointtemplates,NewContentdesign,10yearsexperience歸一化后數(shù)據(jù)神經(jīng)網(wǎng)絡(luò)的壓力傳感器的標(biāo)準(zhǔn)樣本數(shù)據(jù)值壓力Pm（標(biāo)準(zhǔn)值）不同溫度下的壓力傳感器的標(biāo)準(zhǔn)電壓值-20℃0℃20℃40℃0.0500000.16250.1015650.105520.1035880.1032820.2750.2163620.217270.2205240.2200940.38750.3379610.3377420.3403620.341460.50.4641260.4630060.467550.4667110.61250.5966270.5931570.597060.5962490.7250.732110.7271420.7313090.7328870.83750.8701080.8641940.8655580.8696580.951111《基于人工神經(jīng)網(wǎng)絡(luò)的壓力傳感器的溫度補(bǔ)償辦法》程序p=[00.1015650.2163620.3379610.4641260.5966270.732110.8701081;00.105520.217270.3377420.4630060.5931570.7271420.8641941;00.1035880.2205240.3403620.467550.597060.7313090.8655581;00.1032820.2200940.341460.4667110.5962490.7328870.8696581];%輸入矩陣t=[0.050.16250.2750.38750.50.61250.7250.83750.95];%目標(biāo)矩陣《基于人工神經(jīng)網(wǎng)絡(luò)的壓力傳感器的溫度補(bǔ)償辦法》程序new=newff(minmax(p),[1111],{'tansig','tansig','purelin'},'trainlm');%創(chuàng)建前向BP神經(jīng)網(wǎng)絡(luò)，輸入層1個(gè)神經(jīng)元，隱層有11個(gè)神經(jīng)元，輸出層有1個(gè)神經(jīng)元組成，輸入層到隱層的傳函為tansig，隱層到輸出層的傳函為logsig，輸出層的傳函為'purelin，訓(xùn)練函數(shù)采用trainlmnet=init(new);%網(wǎng)絡(luò)初始化net.iw{1}%顯示初始后的權(quán)值net.b{1}%顯示初始后的閥值net.trainParam.lr=0.3;%確定網(wǎng)絡(luò)的學(xué)習(xí)速率0.3《基于人工神經(jīng)網(wǎng)絡(luò)的壓力傳感器的溫度補(bǔ)償辦法》