虚拟仪器设计中压力传感器的BP神经网络温度非线形校正

虚拟仪器设计中压力传感器的　ＢＰ神经网络温度非线形校正　ＢＰ　Ｎｅｕｒａｌ　Ｎｅｔｗｏｒｋ　Ｔｅｍｐｅｒａｔｕｒｅ　Ｎｏｎｌｉｎｅａｒ　Ｅｒｒｏｒｓ　Ｃｏｒｒｅｃｔｉｏｎ　ｏｆ　Ｐｒｅｓｓｕｒｅ　Ｓｅｎｓｏｒ　Ｂａｓｅｄ　ｏｎ　ＬａｂＶｉｅｗ　朱滨峰　徐桂云　李俊敏　祈隽燕　（中国矿业大学机电工程学院，徐州市２２１００８）　Ｚｈｕ　Ｂｉｎｆｅｎｇ　Ｘｕ　Ｇｕｉｙｕｎ　Ｌｉ　Ｊｕｎｍｉｎ　Ｑｉ　Ｊｕａｎｙａｎ　（Ｃｏｌｌｅｇｅ　ｏｆＥｌｅｃｔｒｏｍｅｃｈａｎｉｃａｌ　Ｅｎｇｉｎｅｅｒｉｎｇ，Ｃｈｉｎａ　Ｕｎｉｖｅｒｓｉｔｙ　ｏｆｍｉｎｉｎｇ　ａｎｄ　Ｔｅｃｈｎｏｌｏｇｙ，Ｘｕｚｈｏｕ　２２１００８）　Ｉ摘　要】压力传感器的输入输出特性大部存在非线性，且易受工作环境温度的影响。利用ＬａｂＶｌＥＷ图形化　编程语言，辅以多参量数据采集卡，采用了基于ＢＰ神经网络压力传感器非线性校正的模型、算　法和实现方法，探讨了虚拟仪器系统中对压力传感器特性进行温度非线性校正。通过计算机仿真　与应用，显示了在虚拟仪器系统中使用这种方法不但使压力传感器的性能得到了改善，而且计算　时间短，准确度高，有实际应用价值。　【关键词１　ＢＰ神经网络压力传感器非线性校正　Ａｂｓｔｒａｃｔ：Ｔｈｅ　ｉｎｐｕｔ　ａｎｄ　ｏｕｔｐｕｔ　ｏｆｐｒｅｓｓｕｒｅ　ｓｅｎｓｏｒｓ　ａｒｅ　ａｌｍｏｓｔ　ｎｏｎｌｉｎｅａｒ，ａｎｄ　ｔｈｅｙ　ｒａｅ　ａｌｗａｙｓ　ｉｎｆｌｕｅｎｃｅｄ　ｂｙ　ｅｎｖｉｒｏｎｍｅｎｔ．　Ｔｈｅ　ＬａｂＶＩＥＷ　ｓｏｆｔｗａｒｅ　ｎａｄ　ＤＡＱ（ｄａｔａ　ａｃｑｕｉｓｉｔｉｏｎ）ｏｆ　ｍｕｌｔｉ－ｐａｒａｍｅｔｅｒｓ，ｎｏｎｌｎｉｅａｒ　ｅｒｒｏｒｓ　ｃｏｒｒｅｃｔｉｏｎ　ｏｆ　ｐｒｅｓｓｕｒｅ　ｓｅｎｓｏｒ　ｂａｓｅｄ　ｏｎ　ＢＰ　ｎｅｕｒａｌ　ｎｅｔｗｏｒｋ，ｗｈｉｃｈ　ｉｎｃｌｕｄｅｓ　ｉｔｓ　ｍｏｄｅｌ，ａｌｇｏｒｉｔｈｍ　ａｎｄ　ｒｅａｌｉｚｅｄ　ｔｅｃｈｎｉｑｕｅｓ，ｗａｓ　ｐｒｅｓｅｎｔｅｄ．Ｔｈｅ　ｇｅｎｅｒａｌ　ｐｒｉｎｃｉｐｌｅｓ　ｏｆｔｅｍｐｅｒａｔｕｒｅ　ｎｏｎｌｉｎｅａｒ　ｃｏｒｒｅｃｔｉｏｎ　ｏｆｖｉｒｔｕａｌ　ｉｎｓｔｒｕｍｅｎｔ　ｓｙｓｔｅｍ　ｗｅｒｅ　ｄｉｓｃｕｓｓｅｄ，ｔｏｏ，Ｔｈｅ　ｒｅｓｕｌｔｓ　ｏｆｃｏｍｐｕｔｅｒ　ｓｉｍｕｌａｔｉｏｎｓ　ｉｌｌｕｓｔｒａｔｅｄ　ｔｈａｔ　ｔｈｅ　ｐｅｒｆｏｒｍａｎｃｅ　ｏｆ　ｓｅｎｓｏｒｓ　ｉｓ　ｉｍｐｒｏｖｅｄ　ｈｉｇｈｌｙ．Ａｎｄ　ｔｈｅ　ｃｏｎｓｔｒｕｃｔｉｏｎ　ｏｆ　ｔｈｅ　ｎｅｕｒａｌ　ｎｅｔｗｏｒｋ　ｉｓ　ｓｉｍｐｌｅ　ｎａｄ　ｔｈｅ　ｐｒｅｃｉｓｉｏｎ　ｉｓ　ｇｏｏｄ，ｉｔ　ｈａｓ　ｔｈｅ　ｖａｌｕｅ　ｔｏ　ｂｅ　ａｐｐｌｉｅｄ．　Ｋｅｙ　ｗｏｒｄｓ：ＢＰ　Ｎｅｕｒａｌ　Ｎｅｔｗｏｒｋ　Ｐｒｅｓｓｕｒｅ　Ｓｅｎｓｏｒ　Ｎｏｎｌｉｎｅａｒ　Ｃｏｒｒｅｃｔｉｏｎ　引言　机地融合在一起，从而把计算机强大的计算处理能力　传感器是仪器仪表系统中的重要部件，也是过程　和仪器硬件的测量、控制能力结合在一起，实现对数　控制的重要环节，传感器的误差直接影响到整个系统　据的显示、存储以及分析处理。本文采用神经网络法　的性能和测量精度，现代测控系统对传感器的精度、　实现虚拟仪器系统中压力传感器的温度非线性校正。　稳定性和工作条件提出了很高的要求，希望输入一输出　１　非线性校正原理　特性成线性关系。然而，传感器的输入一输出特性总　一个受温度影响的传感器系统可表示为：　存在一定的非线性度。对传感器非线性校正的方法很　ｙ＝ｊ￣ｘ，，）　多，总体上分为硬件和软件两种补偿方法。硬件补偿　其中：　是采用适当的电子线路和元件进行校正，但硬件补偿　待测目标参量；　很难做到全程补偿，而且会受到技术和电子漂移的影　，＿－环境温度；　响，因此可靠性差，测量精度低，应用受到限制。近　传感器输出。　年来，随着计算机技术的发展，各种数据处理的软件　为了消除非目标参量对传感器输出的影响，一般　方法应运而生，软件补偿措施受到人们的普遍关注，　采用逆向建模的方法，即根据测得的　求得未知的　，　用神经网络方法进行传感器线性化处理的方法引人注　即　０（　，ｆ）。　目。　由于传感器产生的非线性误差，使厂（　）呈现非线　ＬａｂｖＩＥＷ虚拟开发的特点是将仪器装入计算机，　性特性，而理想特性厂（　）为线性。通过神经网络的非　以通用的计算机硬件及操作系统为依托，来实现各种　线性映射能力，把非线性函数关系向线性函数关系不　仪器功能，通过软件将计算机硬件资源与仪器硬件有　断逼近。在模型中，测量数据Ｙ及环境温度的测量值　收稿日期：２００６－０８—２５　作为神经网络的输入，　＝　作为网络的期望输出，按照　一作者简介：朱滨峰（１　９８０－），江苏泰兴人，中国矿业大学在校研究生，　定的算法原则，不断调整网络的权值和偏置量，使得　现从事测试计量技术及仪器方面的研究。　网络的输出误差在允许的范围之内，如图Ｉ所示。　位一位爱觥与计一３９　——————＿趸而■ｒ．■—●　维普资讯 http://www.cqvip.com

ｎ　图１非线性校正原理图　２补偿原理　ＢＰ神经网络是对非线性可微分函数进行权值训　练，基于误差反向传播算法的多层前向神经网络，它　具有很强的非线性映射能力和泛化能力。一个ＢＰ神经　网络是由一个输入层、一个或多个隐含层和一个输出　层组成，各层间由传递信息的连接权连接网络结构，　如图２所示。　ｌ　ｌ　Ｘ２　刖　Ｗｉｈ　Ｗｈｉ　图２　ＢＰ网络结构图　ＢＰ算法由信息的正向传递和误差的反向传播组　成，输入模式从输入层经隐含单元逐层处理并传向输　出层，每一层神经元的状态仅影响下一层神经元的状　态。如果在输出层没有得到期望的输出值，则将误差　信号沿原来的连接通道返回并修改各层神经元的权值，　从而使误差最小，达到期望目标。通常，神经网络训　练是用均方根误差来定量地反映学习的性能，ＢＰ神经　网络的学习规则是利用梯度最速下降法，权值沿误差　函数的负梯度方向改变，使均方差误差逐渐减小，并　逼近非线性函数。　正向传播：输入信号输入层向隐含层、输出层传播。　Ｙ　＝　（∑Ｗｉ　）　Ｙ，＝　（　（　，））　ｈ　其中：　＿输入信号；　，　一隐含输出及转移函数；　一输出层输出及转移函数；　一输入层至隐含层连接权值；　．　隐含层至输出层连接权值。　反向传播：如输出层得不到目标值，将目标值与　输出值之差反向传播，逐层修改各层神经元连接权值，　使输出误差减小至允许范围内。其权值修正公式为：　＋１）＝　）＋叩　其中：　＝厂２’（∑（ｈ　Ｗｈｊ（ｎ）ｙ　））・（　一Ｙｊ）・Ｗｉｈ（ｎ＋１）　＝Ｗｉ＾（，１）＋叩　＾Ｘ　其中：　＝　（∑ｗｆ＾（　）　ｆ）．∑（　（　）　）　ｉ｜　式中，ｗ￣ｎ＋１），／／）　＋１）分别表示第　＋１）次权值　系数；　），　（刀）分别表示第刀次权值系数；　为输　出层第／个结点目标值；叩为训练速度系数，取值０～ｌ。　３　ＭＡＴＬＡＢ实现网络训练算法　Ｍａｆｌａｂ是集数值分析、矩阵运算、信号处理和图　形显示于一体的高性能数学软件，Ｍａｆｌａｂ为神经网络的　设计与训练提供了专用的工具箱，该工具箱由许多子程　序组成，这些子程序完成了神经网络算法中所涉及的许　多运算和操作，可根据需要直接调用。多运算和操作，我　们可根据需要调用相关程序，而不必为实现神经网络算　法去编写庞大的涉及大量矩阵运算的程序。　４基于ＬａｂＶｌＥＷ的虚拟仪器设计　ＬａｂＶＩＥＷ是美国ＮＩ公司（Ｎａｔｉｏｎａｌ　Ｉｎｓｔｒｕｍｅｎｔ　Ｃｏｍｐａｎｙ，简称ＮＩ公司）推出的一种基于Ｇ语言　（Ｇｒａｐｈｉｃｓ　Ｌａｎｇｕａｇｅ，图形化编程语言）的虚拟仪器　软件开发，它可用来进行数据采集和控制、数据分析　和数据表达，是一种结构化解释型开发平台。　ＬａｂＶＩＥＷ尽可能采用通用硬件，而不同应用中的差异　主要集中在软件上。　４．１硬件平台　压力传感器的温度非线性校正需要在压力监测系　统中引入温度传感器，硬件由被校正的压力传感器及　温度传感器、数据采集卡（ＤＡＱ）及计算机组成，数　据采集卡采用ＮＩ公司的（ＤＡＱ）ＰＣＩ－６０２４Ｅ，将调理　后的信号从设定的通道采集到计算机中，作为输入信　号，该系统原理图如图３所示。　压力传感器　调　－．　数　理　据　电　采　温度传感器卜　路　－＿．　卡　集　图３虚拟仪器平台上压力传感器　的温度非线性补偿系统原理图　４．２虚拟控制面板设计　虚拟面板的设计采用ＬａｂＶＩＥＷ作为开发平台，编　制ＶＩ程序。在前面板上放置２个输入数字控件和１个　输出数字控件，前者显示两类传感器采集到的具体数　据，后者显示网络补偿后输出的压力值。传感器数据　是通过调用ＬａｂＶＩＥＷ的数据采集模板而得到的，其　具体的调用ＶＩ控件的路径为ＦＵｎｃｔｉＯｎｓ＞Ｄａｔａ　Ａｃｑｕｉｓｉｔｉｏｎ＞Ａｎａｌｏｇ　Ｉｎｐｕｔ＞ＡＩ　Ｓａｍｐｌｅ　Ｃｈａｎｎｅ１．　ｖｉ．该控件输出单通道的模拟信号采集结果，因此需　要调用２次。　４．３虚拟面板的ＶＩ流程图设计　由于ＭＡＴＬＡＢ为神经网络的设计与训练提供了　专门的工具箱，可以根据需要调用相关程序。而虚拟　软件ＬａｂＶＩＥＷ与ＭＡＴＬＡＢ有着较强的接口能力，应　（下转第４８页）　维普资讯 http://www.cqvip.com

Ａｐ　ＬＣＡＬＬ　ＤＡＷＥ　ＳＥＴＢ　ＣＳＵ　ＳＥＴＢ　ＣＳ—Ｕ　ＬＣＡＬＬ　ＤＥＬＡＹ　ＬＣＡＬＬ　ＤＥＬＡＹ　ＬＣＡＬＬ　ＤＥＬＡＹ　ＬＣＡＬＬ　ＤＥＬＡＹ　；校准过程等待　ＬＣＡＬＬ　ＤＥＬＡＹ　ＬＣＡＬＬ　ＤＥＬＡＹ　ＲＥＴ　ＭＯＶ　Ｒ３　、Ｔｌ：　＃ｌ０　ＬＣＡＬＬ　ＤＥＬＡＹ５０ＭＳ　ＤＪＮＺ　Ｒ３．ＳＴｌ　ＤＡＣ１２２０写数据：　ＤＡＷＥ：ＭＯＶ　Ｒ７，＃８　ＤＡＷＥ２：ＲＬＣ　Ａ　ＣＬＲ　ＣＳ＿Ｕ　ＬＣＡＬＬ　ＤＥＬＡＹ　；ＤＡＣ１２２０设置成转换模式　ＭＯＶ　ＳＤＡＴ．Ｃ　ＳＥＴＢ　ＳＣＬＫ　ＬＣＡＬＬ　ＤＥＬＡＹ　ＭＯＶ　Ａ，＃Ｏ００００１０１Ｂ　ＬＣＡＬＬ　ＤＡＷＥ　ＬＣＡＬＬ　ＤＥＬＡＹ　ＬＣＡＬＬ　ＤＥＬＡＹ　ＣＬＲ　ＳＣＬＫ　ＬＣＡＬＬ　ＤＥＬＡＹ　ＤＪＮＺ　Ｒ７．ＤＡＷＥ２　ＬＣＡＬＬ　ＤＥＬＡＹ　ＲＥＴ　ＭＯＶ　Ａ，＃１０１０００００Ｂ　ＬＣＡＬＬ　ＤＡＷＥ　ＳＥ　Ｂ　ＣＳＵ　ＬＣＡＬＬ　ＤＥＬＡＹ　信号输出子程序：　ＣＬＲ　ＣＳＵ　ＬＣＡＬＬ　ＤＥＬＡＹ　ＭＯＶ　Ａ．＃０ｌ０ｏ０ｏ０ｏＢ　ＬＣＡＬＬ　ＤＡＷＥ　ＬＣＡＬＬ　ＤＥＬＡＹ　６结束语　在江西巨微科技开发有限公司研发的ＪＷ０３０７型　直流标准源中，使用ＤＡＣ１２２０转换器作为直流电压和　直流电流的信号发生器，信号稳定度达到十万分之二，　标准源等级０．０１级，取得了良好的效果。　ＭＯＶ　Ａ．４９Ｈ　ＬＣＡＬＬ　ＤＡＷＥ　ＭＯＶ　Ａ．４８Ｈ　ＬＣＡＬＬ　ＤＡＷＥ　ＭＯＶ　Ａ．４７Ｈ　ＬＣＡＬＬ　ＤＡＷＥ　●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●参考文献　［１】ＤＡＣ　１２２０使用手册　［２】李建中，等．单片机原理及应用．西安电子科　技大学出版社　口　●●●●●●●●●●●●●●●●●●●●●●●●●●●●●　（上接第４０页）　用ＭＡＴＬＡＢ　Ｓｃｒｉｐｔ节点将虚拟软件同ＭＡＴＬＡＢ中　的Ｂ　Ｐ神经网络的训练结合起来混合编程。执行　ＬａｂＶｉｅｗ的Ｆｕｎｃｔｉｏｎｓ＞Ｍａｔｈｅｍａｔｉｃｓ＞Ｆｏｒｍｕｌａ＞　ＭＡＴＬＡＢ　Ｓｃｒｉｐｔ操作，将温度非线性校正的ＢＰｉ＠经　网络的编写程序添加到该节点中，就可以实现　ＬａｂＶｉｅｗ和ＭＡＴＬＡＢ的混合编程。ＢＰ神经网络的编　写采用Ｍａｔｌａｂ的ｎｅｗｆｆ，训练样本采用人工实验样本中　的数据，取其中的２／３对建立的温度补偿ＢＰ神经网络　进行训练，其余的１／３作为网络的校验样本数据。在　虚拟面板的ＶＩ流程图设计中，需要添加必要的ＤＡＱ　（Ｄａｔａ　Ａｃｑｕｉｓｉｔｉｏｎ）控件和ＭＡＴＬＡＢ　Ｓｃｒｉｐｔ控件。　ＤＡＱ的ＡＩ　Ｓａｍｐｌｅ　Ｃｈａｎｎｅ１．ＶＩ控件用于采集输入信　号，ＭＡＴＬＡＢ　Ｓｃｒｉｐｔ控件可调用ＢＰ神经网络及对采　集到的数据进行仿真。　在虚拟仪器中，先将标定实验时计算机所采集到的　数据作为ＢＰ神经网络的输入，其对应的被测压力值分　别作为ＢＰ神经网络的输出，再对ＢＰ神经网络进行训　练，训练完毕后“串接”在原测量系统的后面，网络的　输出端就可得到正确的压力值，这就实现了压力传感　器的温度非线性校正。　５运行与结果分析　完成以上设计后，启动该仪器，则两类传感器的　输出的压力值，以及ＢＰ神经网络训练的误差——训练　补偿的压力传感器的精度有显著提高。较好地克服了　压力传感器的温度非线性误差。　６结束语　综上所述，将ＢＰ神经网络温度应用于压力传感器　的温度非线形校正，大大改善了传感器的温度特性，　提高了系统的稳定性。ＬａｂＶＩＥＷ简化了科学计算、过　程控制和测试应用，增强了用户组建自己的科学和工　程系统的能力，使用ＬａｂＶＩＥＷ开发环境进行仪器系　统的设计、测试和实现，可以减少系统的开发时间，同　时也提高了编程效率。神经网络与虚拟仪器的有效结　合可以作为智能算法应用到实际工程中的又一新途径。　代数曲线图都会在前面板上清晰的显示出来。结果表　明，采用Ｂ　Ｐ神经网络温度补偿后的压力偏差为　０．００２ＭＰａ，相对误差为０．１％，比采用硬件电路温度　参考文献　［１】刘迎春，叶湘滨．传感器原理设计与应用［Ｍ】．　国防科技大学出版社，２００２　［２】高隽．人工神经网络原理及仿真实例［Ｍ】．北　京：机械工业出版社，２００３　［３】邓焱，王磊．ＬａｂＶＩＥＷ测试技术与仪器应用　【Ｍ】．北京：机械工业出版社，２００４　［４闻新，周露，李翔，张宝伟．ＭＡＴＬＡＢ神经　４】网络仿真与应用．北京：科学出版社，２００３　［５】谭超，李将渊．虚拟仪器系统非线性校正的　神经网络法［Ｊ］．现代科学仪器，２００２（６）：３４－３６　［６张永怀，刘君华．采用ＢＰ神经网络及其改进　６】算法改善传感器特性【Ｊ】．传感技术学报，２００２．９：　１８５～１８８　口