基于人工神经网络的远距离高精度温度测量系统设计

杨晓可 冯正勇

摘  要：该远距离高精度温度测量系统由数据拟合模块、红外测温模块、超声波测距模块、数据处理模块以及按键显示模块组成。系统通过数据拟合模块实现采集的大量“输入—目标”样本向量数据对人工神经网络（ANN）进行训练，并三阶拟合出修正函数。实际测量时，数据处理模块采用已获得的修正函数对超声波测距模块测量的距离系数d与红外测温模块测量的初步温度进行融合运算，最终输出被测单位修正后的温度。

关键词：人工神经网络;红外测温;误差修正函数;STM32F407核心板

中图分类号：TP18;TN929.5               文献标识码：A文章编号：2096-4706（2022）06-0168-04

Design of Long Distance High Precision Temperature Measurement System Based on Artificial Neural Network

YANG Xiaoke， FENG Zhengyong

（College of Electronic and Information Engineering， China West Normal University， Nanchong  637001， China）

Abstract： This long distance high precision temperature measurement system consists of data fitting module， infrared temperature measurement module， ultrasonic ranging module， data processing module and key display module. The system trains the artificial neural network （ANN） through a large number of input-target sample vector data collected by the data fitting module， and the correction function is fitted out in the third order. In the actual measurement， the data processing module uses the obtained correction function to fuse the distance coefficient d measured by the ultrasonic ranging module with the initial temperature measured by the infrared temperature measuring module， and finally output the corrected temperature of the measured unit.

Keywords： artificial neural network; infrared temperature measurement; error correction function; STM32F407 core board

0  引  言

人工神经网络是由大量处理单元互联组成的非线性、自适应信息处理系统。它从信息处理角度对人脑神经元网络进行抽象，建立某种简单模型，按不同的连接方式组成不同用途的网络，广泛运用于预测估计、模式识别、自动控制等领域[1]。通过人工神经网络三阶拟合出修正函数能够有效的减少远距离测量温度时产生的误差，提高测量的精确度。以该思路为核心点，搭建相关硬件电路并加以软件控制，即可实现远距离高精度测量温度的目标。本设计预期的测量效果为：在40米范围内，环境温度0 ℃～+40 ℃时对-10 ℃～+40 ℃被测单位温度的准确测量（精确度±0.002 ℃）。

1  系统设计

該远距离高精度温度测量设计由数据拟合模块、红外测温模块、超声波测距模块、数据处理模块以及按键显示模块组成。数据拟合模块采用人工神经网络训练生成三阶修正函数，该过程为：通过LinearRegression类构建关于测量距离和待测温度值的线性回归模型，损失函数采用均方差损失函数（nn.MSELoss），优化方法为随机梯度下降法（Stochastic Gradient Descent， SGD），并将样本向量数据分为训练集和测试集进行验证。将拟合得到的修正函数烧入到采用STM32F407核心板作为微控制单元的集成开发板（即数据处理模块），实际测量时系统便可自动对测量的初值进行修正。修正过程主要为：数据处理模块将超声波测距模块测出的距离系数d代入到修正函数中，计算出修正值的大小，并结合红外测温模块测量的初测温度进一步的运算，得出修正后的温度。最终通过按键显示模块的LCD显示屏输出被测单位修正后的测量温度。按键显示模块也能在程序的控制下帮助测量人员完成系统的中断、复位及切换测温度目标类别等相关功能。系统设计总体框图如图1所示。

2  模块设计

2.1  数据拟合模块

数据拟合模块主要是在PC机上构建神经网络模型，利用人工神经网络非线性、非局限性、非常定性及非凸性四大特征，采用梯度下降的方法，寻找更优的神经网络权值和阈值，使得神经网络对于样本的修正更加精确，修正后的测量值更加逼近真值[2]。将人工神经网络拟合出的三阶修正函数写入程序并烧入到STM32F407核心板，即可进行后续的实际测量工作。

数据拟合模块是整个设计最为关键的模块，最终测量结果的精确度在很大程度上取决于该模块产出的修正函数的可靠性，故此应采集大量“输入—目标”样本向量数据对人工神经网络进行训练，保证能够拟合出准确的修正函数，以确保整个设计的可靠性。

2.2  红外测温模块

红外测温的原理是黑体辐射定律。在自然环境中的一切高于绝对零度的物体本身的分子和原子都在进行热运动，并一直持续不断地在向外界辐射能量。物体向外辐射能量的大小与它的表面温度有着紧密联系，物体的温度越高，其分子和原子的热运动越强烈，它所发出的红外辐射也就越强[3]。利用这一原理，采用现代电子技术和计算机软件技术，即可检测出物体表面辐射能量的大小，再通过热辐射算法将待测物体表面热量进行换算，最终实现了热量到温度的转换。

目前，常用的两种红外测温方案为TN901红外温度传感器方案和模拟红外温度传感器方案。若使用模拟红外温度传感器方案，则红外测温模块还需要搭AD转换电路、集成运放电路和相关的滤波电路等硬件电路，这大大增加了整个设计的成本和电路的复杂度，同时它存在增加电源能耗、一定程度上降低了温度测量效率等问题。故在本设计中采用TN901红外温度传感器来替代模拟红外温度传感器。TN901红外温度传感器内部已经集成了运放电路、AD转换电路、滤波电路和数字信号处理器，使用时无需再搭建相关的电路，只需要通过TN901红外温度传感器的数据接口把初步测量的被测单位温度数据直接传送给数据处理模块即可进行下一步的修正处理[4]。TN901原理图如图2所示。

2.3  超声波测距模块

超声波具有较强的方向性且在介质中传播时损耗较小，能传输较远的距离，故此常被用于测距。其测距的原理为通过超声波装置向外辐射超声波，并记录该装置发射超声波到超声波遇到障碍物反射回来被接收器接收之间的时间差t。采用公示：d=v×t/2，即可测算出当前位置与障碍物之间的距离。其中d为当前位置与障碍物之间的位移，v为超声波的波速（为340 m/s），t为辐射超声波与接收超声波之间的时间差[5]。

本设计的超声波测距模块使用了HC-SR04超声波模块，它具有测量精度高、功耗低等优点。该模块由两个通用压电陶瓷超声传感器及外围信号处理电路构成。两个压电陶瓷超声传感器分别用于发出超声波信号和接收反射回来的超声波信号。由于发出的信号和接收的信号都比较微弱，所以需要通过外围信号放大器提高发出信号的功率，同时将反射回来信号进行放大，以便信号能更稳定和准确的传输。超声波测距框图如图3所示。

2.4  数据处理模块

2.4.1  硬件结构

数据处理模块硬件主体为以STM32F407核心板作为微控制单元的集成开发板。其主芯片为STM32F407ZGT6，它自带1兆字节的FLASH，并外扩1兆字节SRAM和16兆字节FLASH，能够满足各种大内存、大数据存储应用需求。同时该板子还提供了TFT-LCD接口、摄像头接口、OLED 接口、串口接口、USB通讯接口等众多接口，可用于实现通信、显示、输入输出等各类功能。另外板载一键下载功能，可避免频繁的设置B0、B1的麻烦，便于开发。上述特点充分的展现了该开发板资源充足、接口丰富、设计灵活等众多优势。STM32407F核心板主干原理图如图4所示。

2.4.2  软件结构

数据处理模块软件部分主要完成系统初始化、按键扫描、读取传感器数值、以三阶修正函数处理数据、数据输出显示等功能。通过程序设计，数据处理模块中以STM32F407为核心的微控制单元能够完成和TN901红外温度传感器及HC-SR04超声波传感器的数据交互，并通过已经烧入的三阶修正函数计算出测算温度，最终通过LCD屏幕进行显示。同时该程序还设置了中断、复位、切换测温度目标类别等功能。检测温度时主干程序流程图如图5所示。

2.5  按键显示模块

按键显示模块采用800×480分辨率的MCU电容触摸屏，该屏幕含有驱动模块，无需外加驱动器和编写驱动程序，不仅便于使用且在显示数据时相当的稳定可靠。将该屏幕直接和单片机进行连接，即可实现显示初测温度、修正数值、最终温度等相关数据的功能。按键相关硬件部分主要在STM32F407开发板上，软件部分通过配置按键端口映射GPIO口，并编写按键扫描函数进行消抖和按键检测，实现预期的复位、切换测量目标类等功能。

3  系统测试

3.1  測试方法

通过数字万用表测试各个模块中元器件的电阻、导通、压降等参数。测温表可标定被测单位温度的真值，卷尺测量超声波测距模块与被测单位间的距离。通过各模块分离测试以及测量结果与标定真值相比较这两种方法，测试分析出现的问题和探求解决办法，最终判断整个设计是否达到预期的测量精度。在确保本设计的各模块都正常工作的前提下，应多次改变测量距离、待测单位温度、环境温度等变量，以确保系统能达到预期的测量结果。

3.2  误差分析

采用本远距离高精度温度测量设计，在室温稳定在298 K时，分别对标定温度值为303 K、313 K的待测单位进行测量，距离范围为0.5 m～2 m采样间隔为0.5 m。测量结果记录如表1所示。

如表1所示，经过三阶拟合函数修正过的最终测量值的绝对误差为0.1 ℃，精确度为±0.02 ℃，符合预期的测试结果。经过多次测试、观察大量数据分析后，综合判断误差出现的原因为：一方面训练人工神经网络的样本不够充足，导致网络模型不够成熟，另一方面部分变量如环境湿度、太阳辐射等未加以人为调控，导致测量结果不够绝对的准确和严谨。后续对于本设计的改进也将从这两个方面出发，增加更多的样本，并尽可能考虑外界干扰因素，在最大程度上提高本远距离高精度温度测量设计的精确度。

经测量验证，本设计对远距离的待测单位同样具有较高的精确度。附本设计在较大距离范围、较大采样间隔时对标定温度值为303 K、313 K的待测单位温度测量结果，如表2所示。

4  结  论

由测试结果可以看出，采用人工神经网络拟合温度修正函数的方法进行误差修正，可以得到较为准确的结果，该设计验证了运用人工神经网络对初步测温结果进行温度补偿的思路是可行的。本设计也具有较大实际价值的，可广泛运用于温度测量工程量较大、温度测量精度要求较高且不便于近距离测量的民用、工业等领域。但由于训练人工神经网络的样本较少，致使网络模型不够完善、部分外界因素未调控等因素，测量结果仍旧存才一定的误差。故此在实际应用中，应可能多地采集样本，通过大量的样本数据对人工神经网络进行训练，可在较大程度上保障误差修正拟合函数的准确性，从而进一步提高远距离温度测量的精确度。

参考文献：

[1] 王桌培.高精度非接触式体温测量网络化系统研究 [D].南京：南京邮电大学，2018.

[2] 彭基伟，吕文华，行鸿彦，等.基于改进GA-BP神经网络的湿度传感器的温度补偿 [J].仪器仪表学报，2013，34（1）：153-160.

[3] 李建林.远距离红外辐射测温仪瞄准精度分析 [J].红外技术，1994（3）：18-21.

[4] 丛茂柠.一款基于TN901和无线蓝牙串口透传的红外测温仪 [J].科技资讯，2012（24）：18+20.

[5] 时德钢，刘晔，王峰，等.超声波测距仪的研究 [J].计算机自动测量与控制，2002（7）：480-482.

作者简介：杨晓可（1999—），男，汉族，四川隆昌人，本科在读，研究方向：嵌入式系统;通讯作者：冯正勇（1978—），男，汉族，四川广汉人，教授，博士，研究方向：计算智能、智能控制、流媒体传输优化。

收稿日期：2022-02-03

基金项目：2021年四川省高等学校大学生创新创业训练计划项目（cxcy2021210）