改进BP网络在智能传感器设计中的应用

张 涛,吕欣美

(1.郑州轻工业学院计算机与通信工程学院,河南郑州 450002; 2.中州大学就业指导中心,河南郑州 450044)

改进BP网络在智能传感器设计中的应用

张 涛1,吕欣美2

(1.郑州轻工业学院计算机与通信工程学院,河南郑州 450002; 2.中州大学就业指导中心,河南郑州 450044)

传感器大多数都对环境(比如温度)有一定的敏感度,这样就会使传感器的零点和线性发生偏移,从而造成输出值随环境温度的变化而变化,再加上气压、以及气体流量等因素,导致测量出现附加误差。本文将利用神经网络来处理各种环境因素而产生的误差,将低成本的微控制器与传感器结合起来,设计出了能够自动补偿环境影响的智能传感器。并针对硬件平台的局限性,根据学习网络的学习特性,做了相应的优化改进,实现了传感器高精度快速误差补偿。

BP网络;线性;智能

1 引言

智能传感器主要包含传感器和微控制器两个部分,微控制器中的软件则根据系统参数来改变自身的工作方式或改变仪表硬件的工作状态,硬件只有在软件的协调控制下才能充分发挥其作用,但同时它们又是相辅相成的。其中软件中的系统参数利用神经网络进行学习确定。神经网络具有分布式存储、并行处理、高容错能力以及良好的自学习、自适应、联想等特点。目前已经提出了多种神经网络模型,其中应用最广泛的是前馈型神经网络。而对于前馈型神经网络,对其训练使用最多的方法是 BP算法。而对于经常是用于复杂环境而且要求测量周期短暂的热导气体分析仪,传统 BP网络无法满足仪表设计需要。本文将根据热导传感器测量的主要因素,然后提出一种新的BP神经网络算法,能够快速,准确地将这些因素与热导传感器的原始测量值进行拟合,减小测量误差[1,5]。

2 智能传感器硬件设计

智能传感器的微控制器选用德州仪器公司推出超低功耗 Flash型 16位 RISC指令集单片机MSP430f149。F149有丰富的内部硬件资源,具有60KB的闪存,2KB RAM,能够支持一定数量的存储和处理工作。传感器的原始测量数据输入到控制器,综合各种环境因素,微控制器分别挂接相应的传感器,包括环境温度,气体压力传感器,气体流量计分别输入到微控制器,该传感器的原理图如图1所示。

图 1 智能传感器原理图

3 传统BP网络算法

传统BP人工神经网络一般采用三层网络结构,包括输入层、隐含层和输出层,相邻层之间通过权值实现联结,其神经网络的结构如图 2所示[3]。

图2 BP网络系统结构

本文论述的算法都是以三层网络结构出发进行讨论的。BP算法的基本思想为:

BP网络对于输入信号,通过输入层传播到隐含层,经过激励函数的作用,再将隐含层的输出作为输出层的输入传播到输出层,最后得到输出结果。对于每一个输入样本,神经网络的实际输出与目标输出不可能完全一样,两者之间必然会有一定的误差,定义均方差为:

B P算法按照误差减少最快的方向改变各层间的联结权值,使网络慢慢收敛。取联结权值的增量变化为:

其中 s为步长,a为势态因子,为训练误差[3]。步长因子 s主要作用在于加快系统的响应速度,提高系统的调节精度。s越大,系统的响应速度越快,系统的调节精度越高,但将产主超调,甚至导致系统不稳定。如果s值取得过小,则会降低调节精度,使响应速度缓慢,从而拖长调节时间,使系统动静态特性变坏。势态因子α的作用在于消除系统动态误差。控制器中的微分环节的作用相当于一个稳定器,增加振荡收缩能力,α越大,系统动态误差消除的越快,但α过大,在响应过程的初期会产生调节饱和现象,从而引起响应过程的较大超调和震荡。如果α过小,将使系统动态误差难以消除,影响系统的调节精度[2,4,6,7]。

4 BP网络学习算法改进

前面的算法是 BP网络算法的基础,称为标准BP网络。基于微控制器平台的智能传感器,无论在存储量还是数据处理能力都十分有限,而 BP网络的学习需要处理和存储大量的数据,所以 BP网络不适用于低成本的硬件平台。所以在学习得过程中,根据实验总结出相应传感器的测量规律,利用规律将学习网络的学习因子进行模糊化的处理,可以大大简化神经网络的学习过程。图 3给出了模糊调节学习因子BP网络流程图。

图 3 改进BP网络学习流程

将这些控制规则在表 1中体现出来列成表,就形成模糊控制规则表,它反映和描述了人的控制经验和知识,是模糊推理的规则集。表 1是步长的模糊规则表,表 2是势态因子的模糊规则表。

表 1 步长的模糊规则表

表 2 势态因子的模糊规则表

5 实验比较与分析

5.1 建立学习样本

通过试验设定不同的环境温度,调配不同浓度的气体,通入传感器,记录传感器的测量值。本文环境温度选择了 7个环境温度值 (-30℃,-20℃, -10℃,0℃,10℃,20℃,30℃)。气压选择了 3个值(0.98Pa,1.0Pa,1.2Pa)。试验数据如表 3所示 (篇幅所限本文只列出气压为 1Pa时候的测量值)设传感器测量值为R(单位为%)。

表3 不同环境温度下热导传感器对不同纯度氢气的测量值

5.2 传感器设计结果

完成训练后,利用气体分析仪对任意温度下的气体进行测量,表 4列出传感器测得数据与输入气体浓度之间的比对。

表 4 传感器对不同浓度气体测量结果

R为输入气体氢气百分含量 (单位为%),Y为传感器输出的换算值表示测得氢气的百分含量(单位为%)。

6 结论

本文通过实验,将改进的神经网络算法应用于低成本的智能传感器设计中,这在测试测量领域是一种有益的尝试。BP网络是一种性能良好的前向网络,它不仅有全局逼近性质,而且具有最佳逼近性能和良好的非线性映射能力、自学习和泛化能力,鲁棒性好、收敛较快,特别适用于传感器数学模型的建立。利用模糊神经网络,对外界环境(温度,压力)进行理性的分析,结合传统的仪表测量值计算出合理的测量结果,不但减少了硬件需求,而且提高了测量精度,使传感器的智能化程度具有质的飞跃。

REFERENCES

[1] 胡大可.MSP430系列单片机 C语言程序设计与开发.北京航空行天大学出版社,2003,1:79-80.

[2] 谢新民,丁锋.自适应控制系统.清华大学出版社,2002,3:67 -69.

[3] 李晓东.一种前馈神经网络的快速学习算法.信号处理,2004, (2):1-4.

[4] 胡包钢,应浩.模糊 PI D控制技术研究发展回顾及其面临的若干重要问题.自动化学报,2001,8:45-47.

[5] 王伟.人工神经网络原理.北京:北京航空航天大学出版社, 1995,7:123-125.

[6] 李晓东.一种前馈神经网络的快速学习算法.信号处理,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

张涛(1978-),男,汉族,河南信阳人,工学硕士,郑州轻工业学院计算机与通信工程学院讲师,主要从事神经网络与自动控制教学与研究工作。E-mail:ztflash@163.com