張 濤,呂欣美

(1.鄭州輕工業(yè)學院計算機與通信工程學院,河南鄭州 450002; 2.中州大學就業(yè)指導中心,河南鄭州 450044)

改進BP網(wǎng)絡在智能傳感器設計中的應用

張 濤1,呂欣美2

(1.鄭州輕工業(yè)學院計算機與通信工程學院,河南鄭州 450002; 2.中州大學就業(yè)指導中心,河南鄭州 450044)

傳感器大多數(shù)都對環(huán)境(比如溫度)有一定的敏感度,這樣就會使傳感器的零點和線性發(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,導致測量出現(xiàn)附加誤差。本文將利用神經(jīng)網(wǎng)絡來處理各種環(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合起來,設計出了能夠自動補償環(huán)境影響的智能傳感器。并針對硬件平臺的局限性,根據(jù)學習網(wǎng)絡的學習特性,做了相應的優(yōu)化改進,實現(xiàn)了傳感器高精度快速誤差補償。

BP網(wǎng)絡;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)絡進行學習確定。神經(jīng)網(wǎng)絡具有分布式存儲、并行處理、高容錯能力以及良好的自學習、自適應、聯(lián)想等特點。目前已經(jīng)提出了多種神經(jīng)網(wǎng)絡模型,其中應用最廣泛的是前饋型神經(jīng)網(wǎng)絡。而對于前饋型神經(jīng)網(wǎng)絡,對其訓練使用最多的方法是 BP算法。而對于經(jīng)常是用于復雜環(huán)境而且要求測量周期短暫的熱導氣體分析儀,傳統(tǒng) BP網(wǎng)絡無法滿足儀表設計需要。本文將根據(jù)熱導傳感器測量的主要因素,然后提出一種新的BP神經(jīng)網(wǎng)絡算法,能夠快速,準確地將這些因素與熱導傳感器的原始測量值進行擬合,減小測量誤差[1,5]。

2 智能傳感器硬件設計

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)量的存儲和處理工作。傳感器的原始測量數(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的傳感器,包括環(huán)境溫度,氣體壓力傳感器,氣體流量計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)絡算法

傳統(tǒng)BP人工神經(jīng)網(wǎng)絡一般采用三層網(wǎng)絡結構,包括輸入層、隱含層和輸出層,相鄰層之間通過權值實現(xiàn)聯(lián)結,其神經(jīng)網(wǎng)絡的結構如圖 2所示[3]。

圖2 BP網(wǎng)絡系統(tǒng)結構

本文論述的算法都是以三層網(wǎng)絡結構出發(fā)進行討論的。BP算法的基本思想為:

BP網(wǎng)絡對于輸入信號,通過輸入層傳播到隱含層,經(jīng)過激勵函數(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,最后得到輸出結果。對于每一個輸入樣本,神經(jīng)網(wǎng)絡的實際輸出與目標輸出不可能完全一樣,兩者之間必然會有一定的誤差,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)結權值,使網(wǎng)絡慢慢收斂。取聯(lián)結權值的增量變化為:

其中 s為步長,a為勢態(tài)因子,為訓練誤差[3]。步長因子 s主要作用在于加快系統(tǒng)的響應速度,提高系統(tǒng)的調(diào)節(jié)精度。s越大,系統(tǒng)的響應速度越快,系統(tǒng)的調(diào)節(jié)精度越高,但將產(chǎn)主超調(diào),甚至導致系統(tǒng)不穩(wěn)定。如果s值取得過小,則會降低調(diào)節(jié)精度,使響應速度緩慢,從而拖長調(diào)節(jié)時間,使系統(tǒng)動靜態(tài)特性變壞。勢態(tài)因子α的作用在于消除系統(tǒng)動態(tài)誤差?？刂破髦械奈⒎汁h(huán)節(jié)的作用相當于一個穩(wěn)定器,增加振蕩收縮能力,α越大,系統(tǒng)動態(tài)誤差消除的越快,但α過大,在響應過程的初期會產(chǎn)生調(diào)節(jié)飽和現(xiàn)象,從而引起響應過程的較大超調(diào)和震蕩。如果α過小,將使系統(tǒng)動態(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)絡學習算法改進

前面的算法是 BP網(wǎng)絡算法的基礎,稱為標準BP網(wǎng)絡?；谖⒖刂破髌脚_的智能傳感器,無論在存儲量還是數(shù)據(jù)處理能力都十分有限,而 BP網(wǎng)絡的學習需要處理和存儲大量的數(shù)據(jù),所以 BP網(wǎng)絡不適用于低成本的硬件平臺。所以在學習得過程中,根據(jù)實驗總結出相應傳感器的測量規(guī)律,利用規(guī)律將學習網(wǎng)絡的學習因子進行模糊化的處理,可以大大簡化神經(jīng)網(wǎng)絡的學習過程。圖 3給出了模糊調(diào)節(jié)學習因子BP網(wǎng)絡流程圖。

圖 3 改進BP網(wǎng)絡學習流程

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)驗和知識,是模糊推理的規(guī)則集。表 1是步長的模糊規(guī)則表,表 2是勢態(tài)因子的模糊規(guī)則表。

表 1 步長的模糊規(guī)則表

表 2 勢態(tài)因子的模糊規(guī)則表

5 實驗比較與分析

5.1 建立學習樣本

通過試驗設定不同的環(huán)境溫度,調(diào)配不同濃度的氣體,通入傳感器,記錄傳感器的測量值。本文環(huán)境溫度選擇了 7個環(huán)境溫度值 (-30℃,-20℃, -10℃,0℃,10℃,20℃,30℃)。氣壓選擇了 3個值(0.98Pa,1.0Pa,1.2Pa)。試驗數(shù)據(jù)如表 3所示 (篇幅所限本文只列出氣壓為 1Pa時候的測量值)設傳感器測量值為R(單位為%)。

表3 不同環(huán)境溫度下熱導傳感器對不同純度氫氣的測量值

5.2 傳感器設計結果

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

表 4 傳感器對不同濃度氣體測量結果

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得氫氣的百分含量(單位為%)。

6 結論

本文通過實驗,將改進的神經(jīng)網(wǎng)絡算法應用于低成本的智能傳感器設計中,這在測試測量領域是一種有益的嘗試。BP網(wǎng)絡是一種性能良好的前向網(wǎng)絡,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、自學習和泛化能力,魯棒性好、收斂較快,特別適用于傳感器數(shù)學模型的建立。利用模糊神經(jīng)網(wǎng)絡,對外界環(huán)境(溫度,壓力)進行理性的分析,結合傳統(tǒng)的儀表測量值計算出合理的測量結果,不但減少了硬件需求,而且提高了測量精度,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 C語言程序設計與開發(fā).北京航空行天大學出版社,2003,1:79-80.

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

[3] 李曉東.一種前饋神經(jīng)網(wǎng)絡的快速學習算法.信號處理,2004, (2):1-4.

[4] 胡包鋼,應浩.模糊 PI D控制技術研究發(fā)展回顧及其面臨的若干重要問題.自動化學報,2001,8:45-47.

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

[6] 李曉東.一種前饋神經(jīng)網(wǎng)絡的快速學習算法.信號處理,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,工學碩士,鄭州輕工業(yè)學院計算機與通信工程學院講師,主要從事神經(jīng)網(wǎng)絡與自動控制教學與研究工作。E-mail:ztflash@163.com