呂鳴晨,劉清惓,孫 星 ,李東升
(1.南京信息工程大學(xué)電子與信息工程學(xué)院,江蘇南京 210044;2.南京信息工程大學(xué)大氣環(huán)境與裝備技術(shù)協(xié) 同創(chuàng)新中心,江蘇南京 210044;3.江蘇省氣象探測(cè)與信息處理重點(diǎn)實(shí)驗(yàn)室,江蘇南京 210044)
在大氣觀測(cè)、生產(chǎn)、生活中,溫度的測(cè)量至關(guān)重要。相比接觸式測(cè)溫,非接觸式測(cè)溫運(yùn)用熱輻射原理測(cè)量目標(biāo)溫度,測(cè)溫元件與測(cè)溫目標(biāo)互不接觸,在測(cè)量遠(yuǎn)距離、帶電、移動(dòng)的目標(biāo)時(shí)具有較大優(yōu)勢(shì)。紅外測(cè)溫是非接觸式測(cè)溫的主要方式,該方法測(cè)溫響應(yīng)速度快,測(cè)量范圍廣[1]。
在醫(yī)療領(lǐng)域,JJF 1107—2003《測(cè)量人體溫度的紅外溫度計(jì)校準(zhǔn)規(guī)范》要求紅外測(cè)溫的最大允許誤差為±0.2 ℃[2]。在農(nóng)業(yè)領(lǐng)域,Wang和Gartung將紅外測(cè)溫技術(shù)應(yīng)用在植物冠層溫度的測(cè)量上,表明在監(jiān)測(cè)植物冠層溫度時(shí)要求達(dá)到較高精度,否則會(huì)造成植被損害[3]。因此在醫(yī)療、農(nóng)業(yè)等領(lǐng)域,提高紅外測(cè)溫的精度有較高的應(yīng)用需求。近些年,國(guó)內(nèi)外的學(xué)者針對(duì)不同應(yīng)用場(chǎng)合提出了一系列的紅外測(cè)溫技術(shù)。胡使用紅外測(cè)溫傳感器對(duì)動(dòng)物進(jìn)行體溫采集,通過17位模數(shù)轉(zhuǎn)換器將模擬信號(hào)轉(zhuǎn)換成數(shù)字信號(hào),并運(yùn)用線性插值法得到最終溫度,誤差為±0.5 ℃[4]。Savage使用紅外測(cè)溫儀在固定環(huán)境溫度下測(cè)量散熱器表面的溫度,用多元線性回歸的方法,對(duì)紅外測(cè)溫儀進(jìn)行校準(zhǔn),校準(zhǔn)后紅外測(cè)溫儀的絕對(duì)誤差在0.15 ℃以內(nèi)[5]。
由于在實(shí)際應(yīng)用時(shí),環(huán)境溫度和目標(biāo)溫度可能是變化的。因此紅外測(cè)溫需要在一個(gè)寬環(huán)境溫度范圍內(nèi),對(duì)較大溫度范圍的物體精確測(cè)量。本文設(shè)計(jì)了一種高精度低噪聲的溫度測(cè)量電路,采用高精度高低溫試驗(yàn)箱提供穩(wěn)定的環(huán)境溫度,對(duì)溫度進(jìn)行采集。BP神經(jīng)網(wǎng)絡(luò)算法廣泛應(yīng)用在各種場(chǎng)景,而在探究紅外測(cè)溫的影響參數(shù)時(shí),BP神經(jīng)網(wǎng)絡(luò)算法相比線性插值法和多元線性回歸法,非線性映射能力強(qiáng),適應(yīng)性強(qiáng),精確度高[6]。為了進(jìn)一步提高BP神經(jīng)網(wǎng)絡(luò)的穩(wěn)定性,本文使用一種基于遺傳算法優(yōu)化的BP神經(jīng)網(wǎng)絡(luò)算法,實(shí)現(xiàn)了在環(huán)境溫度在0~40 ℃內(nèi),對(duì)-10~+50 ℃物體溫度的高精度測(cè)量。
紅外溫度傳感器的探頭主要由熱電堆和熱敏電阻組成。探頭內(nèi)部結(jié)構(gòu)圖如圖1所示。
圖1 探頭結(jié)構(gòu)圖
紅外測(cè)溫技術(shù)基于黑體輻射定律,一切溫度高于絕對(duì)零度的物體都在向周圍發(fā)出紅外輻射能量,通過測(cè)量物體自身的紅外輻射能量來測(cè)定其表面溫度[7]。紅外傳感器探頭接收到測(cè)溫目標(biāo)發(fā)出的紅外輻射之后,熱電堆產(chǎn)生溫差電動(dòng)勢(shì),該電動(dòng)勢(shì)是一個(gè)模擬電壓信號(hào)。紅外溫度探頭上還集成了一個(gè)熱敏電阻,用于溫度補(bǔ)償[8]。通過信號(hào)采集電路可以測(cè)出熱電堆產(chǎn)生的電壓以及熱敏電阻的阻值,分別對(duì)應(yīng)實(shí)際的溫度差和環(huán)境溫度。
紅外溫度傳感器系統(tǒng)框圖如圖2所示。主要由Cortex-M3內(nèi)核的STM32F103處理器、紅外測(cè)溫探頭、溫度測(cè)量電路和半導(dǎo)體制冷器溫控模塊等組成。
圖2 傳感器系統(tǒng)框圖
測(cè)量電路實(shí)物圖如圖3所示。
圖3 測(cè)量電路實(shí)物圖
為提高溫度測(cè)量精度,采用內(nèi)置低噪聲放大器的24位∑-Δ模/數(shù)轉(zhuǎn)換器AD7794對(duì)信號(hào)進(jìn)行采集;采用噪聲1.2 μV,溫漂系數(shù)3 ppm/℃的外部基準(zhǔn)源ADR444為ADC提供基準(zhǔn)電壓;采用四線制法測(cè)量鉑電阻與紅外探頭內(nèi)熱敏電阻阻值,可降低由導(dǎo)線電阻引起的誤差;采用精度為 ± 0.01 %、5 ppm/℃溫漂的精密電阻作為參考電阻;電路的地平面設(shè)計(jì)采用模擬地和數(shù)字地2部分,用0 Ω電阻單點(diǎn)耦合數(shù)字地和模擬地,從而降低高頻數(shù)字信號(hào)對(duì)模擬信號(hào)的干擾。
使用Isotech的鎵固定點(diǎn)、Fluke的水三相點(diǎn)和電壓噪聲低至3 nV的Fluke1595A測(cè)溫電橋?qū)︺K電阻和探頭內(nèi)的熱敏電阻進(jìn)行校準(zhǔn)標(biāo)定。
溫控模塊采用多級(jí)半導(dǎo)體制冷器,通過改變輸入半導(dǎo)體制冷器的PWM波占空比和電流方向,實(shí)現(xiàn)對(duì)鋁片溫度的控制。
紅外測(cè)溫的影響因素有很多,其中環(huán)境溫度是重要的影響因素[1]。為探求環(huán)境溫度、紅外探頭輸出電壓與目標(biāo)溫度的關(guān)系,搭建了如圖4所示的實(shí)驗(yàn)平臺(tái)。
圖4 實(shí)驗(yàn)平臺(tái)實(shí)物圖
實(shí)驗(yàn)測(cè)量使用噴有高吸收率的啞光黑漆鋁片作為被測(cè)目標(biāo),用鉑電阻直接測(cè)量其溫度。半導(dǎo)體制冷器用于控制鋁片溫度,為了保證半導(dǎo)體制冷器的制冷效果,需在其背面安裝散熱器。本文采用的紅外探頭的視場(chǎng)角為-17.5°~+17.5°,將紅外溫度傳感器和鋁片固定在基板上使得紅外探頭正對(duì)鋁片中心點(diǎn),并保證鋁片完全覆蓋探頭視場(chǎng)。采用高低溫試驗(yàn)箱CTE-SGU9006-02F,提供實(shí)驗(yàn)環(huán)境溫度。
實(shí)驗(yàn)開始時(shí),將高低溫試驗(yàn)箱設(shè)定為0 ℃,此溫度為環(huán)境溫度,通過紅外探頭上的熱敏電阻可以測(cè)得。待數(shù)值穩(wěn)定之后,控制半導(dǎo)體制冷器,將鋁片穩(wěn)定控制在-10 ℃,測(cè)量此時(shí)紅外探頭輸出的電壓值。隨后控制鋁片升溫,同時(shí)測(cè)量各自電壓值。
實(shí)驗(yàn)?zāi)M21個(gè)環(huán)境溫度,設(shè)定高低溫試驗(yàn)箱溫度從0~40 ℃每2 ℃改變,對(duì)每個(gè)溫度點(diǎn)進(jìn)行測(cè)量。在每個(gè)環(huán)境溫度下,控制鋁片溫度從-10~+50 ℃變化,同時(shí)測(cè)量對(duì)應(yīng)的電壓值。通過串口將環(huán)境溫度、目標(biāo)溫度和電壓值3種數(shù)據(jù),發(fā)送給上位機(jī)。繪制環(huán)境溫度為0、10、20、30、40 ℃時(shí),目標(biāo)溫度與紅外探頭輸出電壓的關(guān)系圖如圖5所示。
圖5 不同環(huán)境溫度下輸出電壓與目標(biāo)溫度關(guān)系
由圖5結(jié)果可知,環(huán)境溫度一定時(shí),目標(biāo)溫度越高,電壓值越大;目標(biāo)溫度一定時(shí),環(huán)境溫度越高,電壓值越小。由于目標(biāo)溫度和電壓成非線性關(guān)系,直接使用線性插值法會(huì)產(chǎn)生一定誤差。因此本文使用經(jīng)過遺傳算法優(yōu)化的BP神經(jīng)網(wǎng)絡(luò)算法,減少誤差。
BP神經(jīng)網(wǎng)絡(luò)具有良好的非線性映射能力,其采用基于梯度下降和誤差逆向傳播的學(xué)習(xí)方法,使得網(wǎng)絡(luò)輸出與訓(xùn)練樣本的均方誤差最小,具有自學(xué)習(xí)和推廣概括的能力,適用于求解內(nèi)部機(jī)制復(fù)雜的問題[9]。將擬合得到的公式通過代碼的形式寫入程序中,就可以由紅外溫度傳感器測(cè)量到的環(huán)境溫度和電壓值求出目標(biāo)溫度。但初始權(quán)值和閾值對(duì)BP神經(jīng)網(wǎng)絡(luò)訓(xùn)練的結(jié)果影響很大,遺傳算法可以對(duì)其進(jìn)行優(yōu)化。
遺傳算法是一種模擬自然界遺傳機(jī)制和生物進(jìn)化論而成的一種并行隨機(jī)搜索最優(yōu)化方法。按照所選擇的適應(yīng)度函數(shù)并通過遺傳中的選擇、交叉和變異對(duì)個(gè)體進(jìn)行篩選,使適應(yīng)度值好的個(gè)體被保留,適應(yīng)度差的個(gè)體被淘汰,新的群體既繼承了上一代的信息,又優(yōu)于上一代。反復(fù)循環(huán),直至滿足條件。遺傳算法優(yōu)化BP神經(jīng)網(wǎng)絡(luò)的目的是通過遺傳算法得到更好的網(wǎng)絡(luò)初始權(quán)值和閾值[10]。
本文采用遺傳算法優(yōu)化的BP神經(jīng)網(wǎng)絡(luò),對(duì)采集到的21種不同環(huán)境溫度,共1 281個(gè)樣本數(shù)據(jù)進(jìn)行訓(xùn)練,得到環(huán)境溫度、熱電堆輸出電壓值與目標(biāo)溫度的函數(shù)關(guān)系。BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)模型如圖6所示。
圖6 BP神經(jīng)網(wǎng)絡(luò)模型圖
設(shè)定BP神經(jīng)網(wǎng)絡(luò)輸入層神經(jīng)元為2個(gè),輸出層神經(jīng)元為1個(gè),隱含層神經(jīng)元為15個(gè),學(xué)習(xí)速率設(shè)為0.05,訓(xùn)練結(jié)果設(shè)為0.001,訓(xùn)練次數(shù)設(shè)為5 000,遺傳算法個(gè)體編碼長(zhǎng)度為61,種群規(guī)模選擇為50,交叉和變異概率分別為0.4和0.2。BP神經(jīng)網(wǎng)絡(luò)的隱含層傳遞函數(shù)選擇tansig函數(shù),輸出層傳遞函數(shù)選擇purelin函數(shù)。經(jīng)過不斷迭代運(yùn)算,BP神經(jīng)網(wǎng)絡(luò)算法擬合得到三者之間關(guān)系式:
TO=purelin{tansig(Ta·Wi1+V·Wi2+θi)·Wki+ak}
(1)
式中:Wi1和Wi2分別是環(huán)境溫度Ta和電壓值V對(duì)應(yīng)的由隱含層到輸入層的權(quán)值;Wki為輸出層到隱含層的權(quán)值;θi為隱含層閥值;ak為輸出層閥值。
具體值如下:
,
ak=0.684 793。輸入層節(jié)點(diǎn)數(shù)j=1,2,隱含層節(jié)點(diǎn)數(shù)i=1,2,…,15,輸出層節(jié)點(diǎn)數(shù)k=1。
為驗(yàn)證BP神經(jīng)網(wǎng)絡(luò)算法擬合的結(jié)果,另外測(cè)量200組數(shù)據(jù)作為驗(yàn)證樣本。驗(yàn)證樣本不同于訓(xùn)練樣本。其中部分測(cè)量數(shù)據(jù)與BP預(yù)測(cè)數(shù)據(jù)結(jié)果對(duì)比如表1所示。
表1 BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)結(jié)果對(duì)比
對(duì)200個(gè)測(cè)試樣本進(jìn)行計(jì)算驗(yàn)證可知,經(jīng)過遺傳算法優(yōu)化的BP神經(jīng)網(wǎng)絡(luò)算法擬合,測(cè)量結(jié)果的最大絕對(duì)誤差為0.05 ℃,平均絕對(duì)誤差為0.033 ℃,均方根誤差為0.035 ℃。
本文設(shè)計(jì)了一種紅外測(cè)溫電路,采用內(nèi)置低噪聲放大器的24位∑-Δ模/數(shù)轉(zhuǎn)換器對(duì)信號(hào)采集。使用低噪聲的外部基準(zhǔn)源為ADC提供基準(zhǔn)電壓。將模擬地和數(shù)字地隔離,降低了干擾。通過遺傳算法優(yōu)化的BP神經(jīng)網(wǎng)絡(luò)算法,擬合不同環(huán)境溫度下傳感器輸出電壓和目標(biāo)溫度的對(duì)應(yīng)關(guān)系,得到精確的測(cè)溫結(jié)果。本文設(shè)計(jì)的紅外溫度傳感器實(shí)現(xiàn)在環(huán)境溫度為0~40 ℃時(shí),對(duì)-10~+50 ℃目標(biāo)物體的測(cè)量。測(cè)量結(jié)果的最大絕對(duì)誤差為0.05 ℃,平均絕對(duì)誤差為0.033 ℃,均方根誤差為0.035 ℃。
本文提出的基于遺傳算法優(yōu)化的BP神經(jīng)網(wǎng)絡(luò)算法對(duì)紅外測(cè)溫有較好的結(jié)果,但是未考慮到濕度、風(fēng)力和太陽輻射等因素的影響。在后續(xù)的研究中,將搭建更完善的實(shí)驗(yàn)平臺(tái),拓寬測(cè)溫范圍,并進(jìn)一步優(yōu)化算法,提高紅外測(cè)溫的精度。