基于神经网络模型的传感器布放状态监测研究

张宗垚



基于神经网络模型的传感器布放状态监测研究

张宗垚

公诚管理咨询有限公司第八分公司云南项目部，云南 昆明 650228

基于神经网络的相关理论和方法，构建了BP神经网络模型，以研究在某传感器的测试过程中，当其处于不同放置位置时的信号特征，从而实现了对传感器布放状态正确与否的判断。从Matlab仿真结果与实验结果对比来看，所建立的BP神经网络模型可以很好地预测传感器的布放状态，有效提高相关数据采集的效率和准确率。

BP神经网络；传感器；状态监测

引言

声学信号传感器是在实际工程中最常见的一种传感器。作者在参与某工程过程中，需要采集现场的噪声值，因此需要在现场布放大量的声学传感器。但是由于待测参数较多、频繁布放和工人操作不当等原因，传感器常常出现布放位置错误。图1显示了传感器的四种布放状态，其中（a）为正确的布放状态，（b）、（c）、（d）是错误的布放状态。由于测量现场环境复杂，加之布放错误后传感器采集的声学信号与正常信号差别不大，所以很难在试验时直接察觉出来。

图1 传感器的几种布放状态

为了解决这一问题，作者采用了BP神经网络的方法对试验中收集到的各种声学信号进行训练，最终训练出成熟的神经网络对样本进行状态监测，以识别出传感器不同的布放状态，该方法具有操作简便，识别精度较高的特点。[1]

1 BP神经网络

P神经网络是一种前馈型误差修正网络，它通过不断调整各个单元层之间的网络权值和阈值来实现网络的训练。BP神经网络主要运行由信号的正向传播和误差的逆向传播两个过程组成，通过不断地权重调整，可以实现网络误差的不断缩小。

2 传感器布放状态的检测

2.1 原始数据的获得

利用BP神经网络对该型传感器布放状态进行检测，能够在发生布放错误时及时发出提示信息，通知错误的发生及种类，避免测量到错误的试验信号。[2]

选取了该声学传感器在10个频率采样点的不同声压值（mv）作为网络的总样本，从建模的角度出发，实测数据经过归一化后的数值如表1所示。

表1 声学传感器特征参数

2.2 定义输入和输出样本数据

对输出状态进行编码，输出为四维向量，定义期望输出向量如表2所示。

表2 发射器状态编码对照表

定义输出向量：t1=[0 0 0 0]’；t2=[1 0 0 0]’；t3=[0 1 0 0]’；t4=[0 0 1 0]’；t=[t1 t2 t3 t4]’。

2.3 构建BP神经网络模型

本文采用含一个隐藏层的神经网络结构进行分析，由于输入单元和输出单元均为4，更具经验公式可选隐含层单元数为1～10之间的整数，采用是试凑法得到了隐含层神经元与均方平均值（MSE）的曲线关系，如图2所示。[3]其中隐层神经元数目为9时，得到的MSE值最小为16，所以确定的隐含层神经元数为9。

图2 隐含层神经元数目与MSE值关系曲线

本文所用BP神经网络结构参数如表3所示。

表3 BP神经网络参数设定

2.4 BP神经网络模型的训练

在MATLAB中应用输入和输出样本向量对网络进行训练，其中期望误差设为10-6。训练过程中，BP神经网络误差的变化形式如图3所示。

图3 误差曲线的变化情况

由图4可知，当训练经过84次迭代之后，达到了满意的误差期望。

2.5 布放状态监测

下面利用所有的7个样本对训练出的神经网络进行测试实验，在Matlab中输入表1中的所有数据，经过整理结果如表4所示。

表4 布放状态监测结果

由表4可以看到，经过训练后的BP神经网络可以很好地对各个样本状态进行判断监测，且判断的结果均正确。

3 结语

本文通过在某声学传感器的信号分析中引入神经网络监测的相关理论和方法，对不同布放状态下收集的声学信号进行了训练和分析。试验结果表明，本文构建的三层神经网络模型可以很好地诊断出传感器的不同布放状态，采用此方法可以大大提高信号采集的准确率。

[1]孙飞.精通MATLAB神经网络[M].北京：中国计算机工业出版社，2014.

[2]刘洋.BP神经网络在系统检测中的应用[J].振动与冲击，2015（1）：122-128.

[3]周宇.BP神经网络在声学信号系统判断中的应用[J].噪声与控制，2015（3）：42-46.

Research on sensor placement condition monitoring based on neural network model

Zhang Zongyao

Management Consulting Co., Ltd. Yunnan eighth branch of the project department, Kunming, Yunnan 650228

This paper based on the theories and methods of neural network constructed BP neural network model to study in a sensor testing process, when it is placed in different positions. The signal characteristics, in order to achieve the sensor cloth discharge state of the correctness of the judgment. From the comparison of Matlab simulation results and experimental results, the BP neural network model can predict the distribution state of sensors, and effectively improve the efficiency and accuracy of the data acquisition.

BP neural network; sensor; condition monitoring

TP212；TP391.9

A

1009-6434(2016)6-0148-02

张宗垚（1987—），男，助理工程师，主要从事通信工程监理工作。