日韩视频在线精品视频免费观看-日韩视频在线观看中字-日韩视频在线观看一区-日韩视频在线观看免费-日韩视频在线观看-日韩视频在线播放

　　摘 要：本文利用BP網絡較強的非線性映射能力，提出用BP網絡與傳感器相結合的方法來提高電磁力平衡傳感器的精度。
　　關鍵詞：電磁力平衡傳感器 精度 BP網絡

　　1 引言

　　傳感器是一種能夠把非電輸入信息轉換成電信號輸出的器件或裝置，在過程檢測與過程控制中占有非常重要的地位。精度是反映傳感器系統誤差與隨機誤差綜合影響程度的評價指標，表示測量結果與其理論值的靠近程度，直接影響整個控制檢測應用系統的性能。通常可以用理論直線法、端點線法、最佳直線法、最小二乘法或采用硬件補償來提高其精度，盡量減小非線性誤差。但這些方法能力有限，并且當周圍環境改變或由于傳感器自身參數變化等原因引起的精度下降時，上述方法無能為力。本文提出利用神經網絡中的BP算法與傳感器相結合，可以極大地提高傳感器輸出信號的精度，仿真結果表明，BP算法在抑制傳感器的溫漂和時漂方面有其獨特的優勢。

　　2 電磁力平衡傳感器的工作原理

　　電磁力平衡傳感器主要應用在電子天平上，電子天平的重要特點是在測量被測物體的質量時不用測量砝碼的重力，而是采用電磁力與被測物體的重力相平衡的原理來測量的。秤盤通過支架連桿與線圈連接，在稱量范圍內，當被測重物的重力mg通過連桿支架作用于線圈上，方向向上，這時在磁場中若有電流通過，線圈將產生一個電磁力F，可用下式表示：

　　F=KBLI

　　其中K為常數（與使用單位有關），B為磁感應強度，L為線圈導線的長度，I為通過線圈導線的電流強度。電磁力F和秤盤上被測物體重力mg大小相等、方向相反而達到平衡，同時在彈性簧片的作用下使秤盤支架回復到原來的位置。即

　　F=KBLI=mg

　　由上式可知，處在磁場中的通電線圈，流經其內部的電流I與被測物體的質量成正比，只要測出電流I 即可知道物體的質量m。

　　任何一個平衡控制系統為了進一步提高其精度，需要加閉環控制系統，如圖1所示。

　　若被稱物加重，天平則產生不平衡狀態，通過光電檢測器檢測到線圈在磁鋼中的瞬態位移，經前置放大器和PID調節器產生一個變化量輸出，然后于固定的鋸齒波比較，使調寬脈沖加寬，再用該調寬脈沖控制電流開關，使電流減小，而恒流源是固定不變的，從而使流經線圈的電流增大，這樣使電磁力增大并與被測物相抵消從而達到新的平衡狀態。

　　但是由于天平在使用過程中，其傳感器和電路在工作過程中受溫度影響，或傳感器隨工作時間變化而產生的某些參數的變化，以及氣流、振動、電磁干擾等環境因素的影響，都會使電子天平產生漂移。造成測量誤差。其中，氣流、振動、電磁干擾等環境溫度的影響可以通過對電子天平的使用條件加以約束，將其影響程度減小到最低限度。而溫漂主要是來自環境溫度的影響和天平內部的自身影響，其形成的原因復雜，產生的漂移大，必須加以抑制。

　　3 用于傳感器非線性校正的神經網絡

　　受溫度影響的傳感器系統可以表示為：y=f（x,t）。其中，y表示傳感器的輸出量，x表示傳感器的輸入量，t表示環境溫度。由于傳感器產生的非線性誤差和溫度誤差，使f（x,t）呈現非線性。神經網絡對于消除和補償傳感器系統的非線性特性提供了一種新途徑，如圖2所示：

圖2 傳感器非線性誤差校正

　　3.1 BP網絡模型

　　BP網絡是一種基于隨機逼近原理的階層型前饋神經網絡，通常包括三層：輸入層、中間層（隱層）和輸出層。一個采用BP算法的n維輸入m維輸出的多層前饋神經網絡所完成的功能，是從n維歐氏空間向m維歐氏空間中一有限域的連續映射，這一映射是高度非線性的。由于信號處理能力來源于簡單非線性函數的多次復合，因此網絡具有極強的函數復現能力。White H已經證明：三層BP網絡可以實現任意非線性數學問題。

　　BP算法由信息的正向傳播和誤差的反向傳播組成，輸入模式從輸入層經隱含單元逐層處理并傳向輸出層，每一層神經元的狀態僅影響下一層神經元的狀態。如果在輸出層沒有得到期望的輸出值，則將誤差信號沿原來的連接通路返回并修改各層神經元的權值，從而使誤差最小，達到期望目標。BP網絡的學習規則是利用梯度下降法，權值沿著誤差函數的負梯度方向改變，使均方根誤差逐漸減小，并逼近非線性函數。

　　3.2 算法的實現

　　在本系統以輸入層、中間層和輸出層的神經元個數分別為：2、5、1為例。其中輸入變量分別為目標參量——待校正的質量值和非目標參量——溫度，輸出變量為校正后的質量值，網絡結構圖如圖3所示。

圖3 BP網絡結構圖

　　BP網絡中間層和輸出層的激活函數分別采用logsig和purelin函數，辨識精度取為1e-5。本次試驗共進行了485221次訓練（PIII 計算機上，大約8個小時左右），訓練結束后網絡的學習速率為：0.7943。訓練前后各采樣點的相對誤差（滿度相對誤差）如圖4所示：

圖4 不同溫度下各質量采樣點絕對誤差對比圖

　　從圖中可以明顯看出采用了BP算法之后，系統對于溫度的影響具有較強的抑制能力。將學習完畢的神經網絡串聯在原來傳感器系統的后面，可構成具有溫度校正功能的傳感器系統。

　　4 結束語

　　利用神經網絡的非線性映射關系，可以實現任意數據的函數逼近。本文通過用BP網絡實現了對電磁力平衡傳感器的數據擬合，仿真結果表明該方法是可行有效的，并且擬合精度明顯優于常用方法。但是BP算法本身所具有的缺陷如收斂速度慢、容易陷入局部最小點等應在編程時給予充分考慮。

　　參考文獻：

　　1.王旭.人工神經元網絡原理及應用[M]，沈陽：東北大學出版社，2000，51～68

　　2.司端鋒.基于BP神經網絡的傳感器特性補償新算法的研究[J]，傳感器技術，2000，9：11～14

　　3.滕召勝.電磁力平衡傳感器的溫度影響及其補償[J]，傳感器技術，1998，17（2）：28～30