亚洲免费av电影一区二区三区,日韩爱爱视频,51精品视频一区二区三区,91视频爱爱,日韩欧美在线播放视频,中文字幕少妇AV,亚洲电影中文字幕,久久久久亚洲av成人网址,久久综合视频网站,国产在线不卡免费播放

        ?

        優(yōu)化BP網(wǎng)絡(luò)的超聲波測(cè)距的補(bǔ)償算法

        2017-03-30 05:02:12侯旭東
        關(guān)鍵詞:測(cè)距權(quán)值濕度

        徐 杰, 侯旭東

        (黑龍江科技大學(xué) 電子與信息工程學(xué)院, 哈爾濱 150022)

        優(yōu)化BP網(wǎng)絡(luò)的超聲波測(cè)距的補(bǔ)償算法

        徐 杰, 侯旭東

        (黑龍江科技大學(xué) 電子與信息工程學(xué)院, 哈爾濱 150022)

        針對(duì)超聲傳感器在測(cè)距方面的局限性, 提出一種基于遺傳算法優(yōu)化的BP網(wǎng)絡(luò)對(duì)函數(shù)進(jìn)行逼近預(yù)測(cè),研究超聲傳感器測(cè)距對(duì)濕度、溫度的補(bǔ)償。仿真和實(shí)驗(yàn)結(jié)果表明,該算法可準(zhǔn)確預(yù)測(cè)補(bǔ)償溫度、濕度數(shù)據(jù)融合后的超聲波速度,從而提高井下機(jī)器人的避障精度,增強(qiáng)其穩(wěn)定性與安全性。該研究可為井下機(jī)器人的避障系統(tǒng)設(shè)計(jì)提供參考依據(jù)。

        井下機(jī)器人; 超聲測(cè)距; 避障; BP

        礦井開采經(jīng)常會(huì)發(fā)生礦難,對(duì)人員生命和公共財(cái)產(chǎn)造成巨大損失。礦難發(fā)生后井下環(huán)境非常復(fù)雜,存在漏水、瓦斯爆炸、能見度低等問題[1]。為盡可能減小損失,救援機(jī)器人先下井是最佳選擇。此時(shí)井下空間不足,障礙物多,因此救援機(jī)器人的前部要設(shè)有避障模塊,模塊設(shè)計(jì)由五組超生傳感器構(gòu)成。

        超聲波傳感器雖然有成本低、穿透力強(qiáng)等優(yōu)點(diǎn),但井下環(huán)境非常復(fù)雜。不僅溫度會(huì)隨著礦井的深度增加而增加,濕度也會(huì)因?yàn)橛克薀o(wú)規(guī)律變化[2]。根據(jù)實(shí)驗(yàn)測(cè)量得出,在溫度不變的情況下,濕度在0~5%之間,超聲波速度會(huì)有55 m/s左右的偏差[3]。井下機(jī)器人工作環(huán)境不穩(wěn)定,以致超生波傳感器測(cè)量的距離與實(shí)際距離有較大偏差。因此,文中提出使用經(jīng)過遺傳算法優(yōu)化的BP神經(jīng)網(wǎng)絡(luò)對(duì)溫度和濕度信息進(jìn)行融合,以期得到精確的超生波速度,從而測(cè)得機(jī)器人和障礙物間的精確距離。

        1 遺傳算法優(yōu)化的BP網(wǎng)絡(luò)

        BP(Back Propagation)神經(jīng)網(wǎng)絡(luò)是一種多層前向型神經(jīng)網(wǎng)絡(luò)[4]。信號(hào)是從輸入端一直向前傳輸,網(wǎng)絡(luò)的輸出值與實(shí)際值之間的誤差是逆向傳輸?shù)?。該網(wǎng)絡(luò)在處理比較簡(jiǎn)單問題的情況下,只有輸入層、隱層、輸出層三層構(gòu)成,可對(duì)非線性函數(shù)進(jìn)行擬合逼近[5]。

        遺傳算法(Genetic Algorithms,GA)是由Holland在1962年提出的是一種效仿自然界中生物為了生存而相互競(jìng)爭(zhēng)、進(jìn)化的方法。該方法可在全部數(shù)據(jù)中選取出與系統(tǒng)最為契合的數(shù)據(jù)[6]。

        使用GA優(yōu)化BP網(wǎng)絡(luò)的流程如圖1所示。該優(yōu)化過程主要分為三步:一、確定神經(jīng)網(wǎng)絡(luò)的具體結(jié)構(gòu),以便得到網(wǎng)絡(luò)中權(quán)值和閾值的個(gè)數(shù);二、應(yīng)用GA給出網(wǎng)絡(luò)的初始權(quán)值、閾值,對(duì)網(wǎng)絡(luò)進(jìn)行訓(xùn)練直到滿足期望誤差;三、利用訓(xùn)練好的滿足要求的網(wǎng)絡(luò),對(duì)需要操作的數(shù)據(jù)進(jìn)行擬合或者分類。上述三個(gè)步驟中,可以根據(jù)第一步給出GA的個(gè)體長(zhǎng)度,其長(zhǎng)度為網(wǎng)絡(luò)權(quán)值與閾值個(gè)數(shù)之和。之后對(duì)個(gè)體進(jìn)行一系列GA操作,從而得出一個(gè)對(duì)系統(tǒng)(網(wǎng)絡(luò))最合適的個(gè)體[7]。

        圖1 采用遺傳算法優(yōu)化的BP網(wǎng)絡(luò)算法流程

        Fig. 1 Optimization algorithm of BP neural network based on Genetic Algorithm

        2 基于優(yōu)化網(wǎng)絡(luò)的數(shù)據(jù)融合

        2.1 優(yōu)化神經(jīng)網(wǎng)絡(luò)的實(shí)現(xiàn)

        在GA的種群中每個(gè)個(gè)體都是由數(shù)字組成,這組數(shù)字與網(wǎng)絡(luò)中的權(quán)值、閾值一一對(duì)應(yīng)[8]。利用GA得到最終的個(gè)體后,結(jié)合網(wǎng)絡(luò)結(jié)構(gòu),可以得到一個(gè)完整的待訓(xùn)練網(wǎng)絡(luò),訓(xùn)練該網(wǎng)絡(luò)得出最優(yōu)權(quán)值、閾值。

        利用該神經(jīng)網(wǎng)絡(luò)對(duì)數(shù)據(jù)進(jìn)行分類或者擬合,得到一個(gè)網(wǎng)絡(luò)擬合輸出,用該網(wǎng)絡(luò)擬合輸出與測(cè)試數(shù)據(jù)對(duì)應(yīng)的實(shí)際輸出做差,在對(duì)結(jié)果絕對(duì)值化,這個(gè)最終的結(jié)果就是種群中個(gè)體的適應(yīng)度[9]。計(jì)算公式為

        式中:q——網(wǎng)絡(luò)輸出個(gè)數(shù);wa——BP神經(jīng)網(wǎng)絡(luò)第a個(gè)單元的預(yù)測(cè)輸出;S——任意常數(shù)。

        針對(duì)GA的選擇過程有多種方法,文中選用輪盤賭法。根據(jù)上述求個(gè)體適應(yīng)度的過程,可以得到種群中任意一個(gè)個(gè)體m的選擇概率rm為:

        其中,Im是個(gè)體m的適應(yīng)度,在該條件下設(shè)定適應(yīng)度小的個(gè)體存活的概率較高,所以要在GA的選擇過程未開始時(shí)對(duì)其求倒數(shù)。N是種群中所有個(gè)體的總和。

        因?yàn)槊總€(gè)個(gè)體都是由一串?dāng)?shù)字組成,所以GA的交叉過程使用實(shí)數(shù)交叉法,設(shè)第p個(gè)遺傳片段Up和第o個(gè)遺傳片段Uo在f的位置發(fā)生交叉,則

        選中第k個(gè)個(gè)體的第e個(gè)遺傳片段Uke產(chǎn)生突變,其過程為

        式中:Umax——遺傳片段Uke的上界;Umin——基因Uke的下界;d(h)——變異概率,d(h)=c2(1-h/Hmax)2;c2——實(shí)數(shù);h——遺傳一代的次數(shù);Hmax——遺傳的最大代數(shù);c——[0,1]間的隨機(jī)數(shù)。

        2.2 獲取樣本數(shù)據(jù)

        以實(shí)驗(yàn)室的環(huán)境為基礎(chǔ)搭建簡(jiǎn)易的溫度、濕度控制檢測(cè)系統(tǒng),可以得出不同溫濕度條件下的超聲波速度v′,如表1所示。其中,v為只進(jìn)行了溫度補(bǔ)償后的超聲波速度。由此可見,在實(shí)際應(yīng)用中僅進(jìn)行溫度補(bǔ)償計(jì)算是不精確的,很容易導(dǎo)致機(jī)器人發(fā)生碰撞。

        表1 實(shí)驗(yàn)所需數(shù)據(jù)

        2.3 融合的具體實(shí)現(xiàn)

        由于該網(wǎng)絡(luò)為雙輸入單輸出,所以隱層單元數(shù)定位10,隱層激活函數(shù)選用”tansig”,輸出層激活函數(shù)選用“purelin”。其結(jié)構(gòu)如圖2所示。

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

        圖2中,p為輸入,W1為輸入層與隱層間的權(quán),H1為隱層單元數(shù),W2為隱層與輸出層之間的權(quán),H2為輸出層單元數(shù),b1為隱層閾值,b2為輸出層閾值[10]。所以網(wǎng)絡(luò)的初始化為:

        net=newff(p,t,10);

        net.iw{1,1}=W1;

        net.iw{1,2}=W2;

        net.b{1}=b1;

        net.b{2}=b2。

        因?yàn)榫聹囟仍?0 ℃左右時(shí)居多,所以采用30 ℃時(shí)的數(shù)據(jù)作為測(cè)試數(shù)據(jù),其余數(shù)據(jù)作為訓(xùn)練數(shù)據(jù)。訓(xùn)練過程如圖3所示。

        圖3 網(wǎng)絡(luò)訓(xùn)練過程

        經(jīng)過訓(xùn)練網(wǎng)絡(luò)的權(quán)值、閾值達(dá)到最優(yōu)范圍,輸入層到隱藏層之間20個(gè)權(quán)值的范圍為[-0.728 6,0.750 6],隱藏層到輸出層間10個(gè)權(quán)值在[-0.681 1,0.750 6],隱藏層的10個(gè)閾值范圍在[-1.684 2,1.801 2],輸出層的一個(gè)閾值為0.914 5。得到符合誤差標(biāo)準(zhǔn)的網(wǎng)絡(luò)后,使用30 ℃時(shí)不同濕度下的數(shù)據(jù)對(duì)網(wǎng)絡(luò)進(jìn)行測(cè)試仿真,結(jié)果如表2所示。由表2可以看出,網(wǎng)絡(luò)輸出預(yù)測(cè)值vy與實(shí)際超聲波速度接近,精度較高。

        表2 30 ℃不同濕度下超聲波速度

        Table 2 Ultrasonic velocity at 30 ℃ in different humidity environment

        相對(duì)濕度/%v′/m·s-1vy/m·s-10442.5442.320385.6386.940328.7329.960271.8271.780214.9215.4

        3 算法應(yīng)用

        在井下不同深度,采用已有的聲速溫度擬合公式,超聲波測(cè)距測(cè)量值與實(shí)際值見表3。從表3可以看出,實(shí)際值均大于測(cè)量值,表明在測(cè)量中單一的考慮溫度不能滿足井下機(jī)器人的精度要求。

        文中將符合誤差標(biāo)準(zhǔn)的基于GA優(yōu)化BP網(wǎng)絡(luò)添加到井下機(jī)器人的避障系統(tǒng)中,對(duì)不同環(huán)境下不同溫度、濕度的超聲波速度進(jìn)行補(bǔ)償,得出的超聲波速度經(jīng)渡越時(shí)間法運(yùn)算得到距離,結(jié)果如表4所示。由表4可知,加入經(jīng)過訓(xùn)練網(wǎng)絡(luò)系統(tǒng)的輸出精度較表3至少提高了兩個(gè)量級(jí)。

        表3 井下不同深度相同距離的測(cè)量值

        Table 3 Downhole measurements of same distance at different depths

        深度/m實(shí)際值/m測(cè)量值/m3005.003.905005.003.557005.002.909005.003.0310005.002.79

        表4 超聲波測(cè)距測(cè)量值與實(shí)際值比較

        Table 4 Comparison of actual value and meas- ured value after adding BP network

        實(shí)驗(yàn)次數(shù)實(shí)際值/m測(cè)量值/m10.50.49120.70.70331.01.01642.01.97953.03.00265.04.990

        4 結(jié)束語(yǔ)

        溫度和濕度是影響超聲波傳感器測(cè)距的主要因素。數(shù)值仿真和實(shí)驗(yàn)表明,在井下溫度、 濕度變化的環(huán)境中, 文中提出的基于GA優(yōu)化的BP網(wǎng)絡(luò),對(duì)超聲波傳感器測(cè)距精度有很大提升。加入網(wǎng)絡(luò)后系統(tǒng)的計(jì)算精度有較大提高,且成本并未有很大改變,因此,該算法有較大的實(shí)用價(jià)值。

        [1] 陳 升. 礦難救援機(jī)器人的發(fā)展應(yīng)用現(xiàn)狀與未來趨勢(shì)[J]. 機(jī)械制造, 2015, 4: 86-87.

        [2] 宋清華. 面向礦井災(zāi)難救援的機(jī)器人控制系統(tǒng)設(shè)計(jì)研究[J]. 科技創(chuàng)新與應(yīng)用, 2015, 10: 66-66.

        [3] 趙 波, 田建學(xué), 魏俊淦. 一種無(wú)線電高度表模擬器的設(shè)計(jì)[J]. 儀表技術(shù), 2015(05): 24-26.

        [4] 肖 丹, 孫 鵬, 邱革飛. BP神經(jīng)網(wǎng)絡(luò)與遺傳算法的變壓器風(fēng)險(xiǎn)評(píng)估[J]. 云南電力技術(shù), 2012(05): 20-24.

        [5] 王社國(guó), 田志民, 武莎莎. 改進(jìn)BP神經(jīng)網(wǎng)絡(luò)在煤與瓦斯突出預(yù)測(cè)中的應(yīng)用研究[J]. 礦山機(jī)械, 2014(05): 116-119.

        [6] 彭基偉, 呂文華, 行鴻彥, 等. 基于改進(jìn)GA-BP神經(jīng)網(wǎng)絡(luò)的濕度傳感器的溫度補(bǔ)償[J]. 儀器儀表學(xué)報(bào), 2013(01): 153-160.

        [7] Gamal Eimasry, Sergio Cubero, Enrique Moltó. In-line sorting of irregular potatoes by using automated computer-based machine vision system[J].Journal of Food Engineering, 2012, 7(112): 60-68.

        [8] 李允旺, 葛世榮, 朱 華. 煤礦救災(zāi)機(jī)器人應(yīng)用探討[J]. 煤礦機(jī)械, 2009, 30(1): 164-167.

        [9] Cai Wenbin, Zhu Qingbao, Hu Jun. Path planning based onbiphasic ant colony algorithm and fuzzy control in dynamic en-vironment[C]// 2010 2nd International Conference on Intelli-gent Human-Machine Systems and Cybernetics Hangzhou: IEEE Press, 2010: 333-336.

        [10] 孫昌立, 朱榮華. 鋁合金彎曲損傷實(shí)驗(yàn)與BP神經(jīng)網(wǎng)絡(luò)識(shí)別[J]. 黑龍江科技大學(xué)學(xué)報(bào), 2012, 22(06): 589-592.

        (編校 王 冬)

        Genetic algorithm-based ultrasonic sensor ranging compensation algorithm for optimization of BP neural network

        XuJie,HouXudong

        (School of Electronics & Information Engineering, Heilongjiang University of Science & Technology, Harbin 150022, China)

        This paper describes an effort to overcome the limitation of the ultrasonic sensor in the ranging application aspects using an optimized back-propagation(BP) network based on genetic algorithm for the approximate prediction of function and an insight into humidity and temperature compensation for ultrasonic sensor ranging. The simulation shows that the algorithm enables a more accurate prediction of the ultrasonic velocity following the combination of the compensation temperature and humidity, thus improving the precision at which the underground robots avoid obstacles and providing a greater stability and security. This study may provide a reference for designing obstacle avoidance system for pit robots.

        pit robot; ultrasonic ranging; obstacle avoidance; BP

        2016-12-13

        黑龍江省自然科學(xué)基金面上項(xiàng)目(F200921)

        徐 杰(1964-),女,山東省壽光人,教授,碩士,研究方向:視覺成像與圖像處理,E-mail:xujie640101@163.com。

        10.3969/j.issn.2095-7262.2017.01.019

        TP242.2; TP183

        2095-7262(2017)01-0087-04

        A

        猜你喜歡
        測(cè)距權(quán)值濕度
        植物有話說(十七) 松果:開與合,看濕度
        一種融合時(shí)間權(quán)值和用戶行為序列的電影推薦模型
        工業(yè)鍋爐飽和蒸汽濕度的運(yùn)行控制
        CONTENTS
        類星體的精準(zhǔn)測(cè)距
        科學(xué)(2020年3期)2020-01-06 04:02:51
        基于濕度控制的室內(nèi)空氣凈化器高壓電源設(shè)計(jì)
        淺談超聲波測(cè)距
        電子制作(2017年7期)2017-06-05 09:36:13
        基于權(quán)值動(dòng)量的RBM加速學(xué)習(xí)算法研究
        跟蹤導(dǎo)練(二)(2)
        基于PSOC超聲測(cè)距系統(tǒng)設(shè)計(jì)
        久久久无码人妻精品一区| 国产一区二区三区口爆在线| 女同同性av观看免费| 欧美一性一乱一交一视频| 无码小电影在线观看网站免费| a级毛片无码久久精品免费| 国产喷水在线观看| av狼人婷婷久久亚洲综合| 日韩av一区二区无卡| 国产激情久久久久影院小草| 无码福利写真片视频在线播放| 一本久道久久综合久久| 日本精品熟妇一区二区三区 | 两个人免费视频大全毛片| 蜜乳一区二区三区亚洲国产| 精品久久久bbbb人妻| 无码一区二区波多野结衣播放搜索 | 澳门毛片精品一区二区三区| 日韩少妇高潮在线视频| 日韩精品熟女中文字幕| 少妇下蹲露大唇无遮挡| 亚洲午夜精品久久久久久抢 | 99热在线精品播放| 丝袜美腿亚洲综合玉足| 亚洲av无码国产精品色| 久久久久久伊人高潮影院| 国产精品国产三级国产av创 | 少妇高潮精品在线观看| 国精品人妻无码一区免费视频电影| 中国凸偷窥xxxx自由视频| 亚洲成a人片在线观看导航| 日本女同视频一区二区三区| 国产精品无码一区二区三区电影 | 无码精品国产一区二区三区免费 | 蜜桃18禁成人午夜免费网站| 国产精品对白刺激久久久| 久久精品爱国产免费久久| 一区二区三区日韩蜜桃| 乱子伦在线观看| 欧美亚洲高清日韩成人| 国产av一区二区日夜精品剧情|