【文章內(nèi)容簡介】 二維函數(shù)用BP神經(jīng)網(wǎng)絡(luò)進(jìn)行映射。該BP網(wǎng)絡(luò)分為輸入層，表示溫度和壓力的輸入，第一隱含層，為5個神經(jīng)元，第二隱含層為4個神經(jīng)元，輸出層，為1個神經(jīng)元。根據(jù)BP網(wǎng)絡(luò)的自組織自學(xué)習(xí)能力，完成對訓(xùn)練樣本下的BP網(wǎng)絡(luò)訓(xùn)練，實(shí)現(xiàn)壓力傳感器的非線性映射。分析了智能型壓力變送器的硬件電路設(shè)計(jì)，以及軟件實(shí)現(xiàn)方式，針對BP網(wǎng)絡(luò)的應(yīng)用復(fù)雜的問題，設(shè)計(jì)了基于MATLAB的GUI標(biāo)定界面，通過一定的通訊協(xié)議，在該界面上完成對下位機(jī)工作環(huán)境溫度和壓力信號的采集，通過自動組建BP網(wǎng)絡(luò)在GUI界面上實(shí)現(xiàn)在線訓(xùn)練，利用通訊協(xié)議完成在線標(biāo)定的功能，實(shí)現(xiàn)了批量生產(chǎn)的目的。在MATLAB環(huán)境下實(shí)現(xiàn)了BP網(wǎng)絡(luò)算法，分析了對于BP網(wǎng)路易陷入局部極小問題，分析了用于優(yōu)化的遺傳模擬退火B(yǎng)P網(wǎng)絡(luò)算法，該算法對加速BP網(wǎng)絡(luò)的訓(xùn)練起到優(yōu)化作用，并對陷入局部極小實(shí)現(xiàn)了改進(jìn)。 研究背景及課題研究的意義對壓力傳感器的研究仍然是一個很重要的領(lǐng)域，對壓力傳感其的研究主要是提高其精度方面，國外的技術(shù)先進(jìn)，傳感器的售價比起國內(nèi)來說很貴，但是銷售情況來看并不比國內(nèi)的商家差，主要原因還是國內(nèi)產(chǎn)品技術(shù)相對有一定的差距。所以改善壓力傳感器的產(chǎn)品具有一定的商業(yè)意義，對我國經(jīng)濟(jì)的發(fā)展也有一定的貢獻(xiàn)。對壓力傳感器的數(shù)據(jù)擬合，以往在生產(chǎn)過程中都是采用線性差值方法或者最小二乘法等擬合方法，還沒有利用BP網(wǎng)絡(luò)算法進(jìn)行數(shù)據(jù)擬合的，這里利用BP網(wǎng)絡(luò)算法對壓力傳感器進(jìn)行數(shù)據(jù)擬合，也是對研究的一次創(chuàng)新。該課題為在公司實(shí)習(xí)課題，對于壓力傳感器的標(biāo)定還沒有用過BP網(wǎng)絡(luò)算法標(biāo)定的情況實(shí)現(xiàn)了用BP網(wǎng)絡(luò)算法進(jìn)行數(shù)據(jù)擬合，并且實(shí)現(xiàn)了在線標(biāo)定并應(yīng)用到批量生產(chǎn)的目的。 本論文的主要工作本研究論文共包括六章，具體介紹如下：第一章緒論。研究智能壓力傳感器的特點(diǎn)、功能，并介紹了智能壓力傳感器的研究國內(nèi)外研究現(xiàn)狀及發(fā)展趨勢，總結(jié)本文的主要工作及研究的意義。第二章詳細(xì)說分析了用于壓力傳感器數(shù)據(jù)擬合的線性差值法，多維曲線擬合法，多維曲面擬合，BP網(wǎng)絡(luò)算法等，介紹了MATLAB人工神經(jīng)網(wǎng)絡(luò)工具箱，以及BP網(wǎng)絡(luò)算法在壓力傳感器標(biāo)定中的應(yīng)用，介紹了利用遺傳模擬退火算法對BP網(wǎng)絡(luò)進(jìn)行優(yōu)化的方法。第三章系統(tǒng)的總體設(shè)計(jì)。主要對智能壓力傳感器硬件電路概述，以及智能壓力傳感器的硬件的總體設(shè)計(jì)。設(shè)計(jì)了以MSP430單片機(jī)為核心的硬件電路。第四章系統(tǒng)軟件設(shè)計(jì)。硬件設(shè)計(jì)主要圍繞微處理器即單片機(jī)的選型、A/D轉(zhuǎn)換、接口電路、顯示電路、等作了一定的研究工作，提出了相應(yīng)的設(shè)計(jì)方案，并介紹了以MATLAB的GUI為核心的標(biāo)定界面。第五章總結(jié)與展望?？偨Y(jié)本文所進(jìn)行的工作，總結(jié)本文的創(chuàng)新點(diǎn)，展望智能壓力傳感器的發(fā)展與趨勢。72 壓力傳感器溫度補(bǔ)償方法 壓阻式壓力傳感器的溫度漂移壓阻式傳感器[13～15]是根據(jù)半導(dǎo)體的電阻率隨應(yīng)變力變化的性質(zhì)制成的半導(dǎo)體器件,當(dāng)電阻受到力作用的時候，電阻的電阻率發(fā)生變化，這種情況稱為壓電效應(yīng)，對于這種情況半導(dǎo)體材料更為明顯，特別是硅型壓力傳感器。硅壓阻式壓力傳感器的核心部分是一硅膜片,集成在硅片上的四個等值電阻連成平衡的電橋,當(dāng)被測壓力作用在硅片上時,電阻的阻值由于電阻率變化就發(fā)生變化,電橋失去平衡,產(chǎn)生了電壓電壓差，就相應(yīng)有電壓輸出。外界壓力通過外殼的接口，加到傳感硅片上，引起傳感硅片上惠斯通電橋的四個電阻阻值發(fā)生變化，引起傳感硅片上惠斯通電橋的四個電阻阻值發(fā)生變化，阻值的變化就轉(zhuǎn)化為電壓信號輸出。擴(kuò)散硅壓力傳感器具有滯后和蠕變小﹑靈敏度高﹑量程適應(yīng)度廣等優(yōu)點(diǎn)，應(yīng)用潛力很大。但是由于壓力傳感器的前端壓敏材料是由半導(dǎo)體材料制成的，半導(dǎo)體材料的主要特征之一就是受到溫度的影響較大，如硅材料和溫度t就有一個指數(shù)型的關(guān)系，從因果關(guān)系上來講，擴(kuò)散硅壓力傳感器的輸出電阻值存在溫度漂移，表現(xiàn)為一定的指數(shù)型關(guān)系。溫度漂移問題的表現(xiàn)即輸出電壓值不是完全的和鎖甲壓力值呈現(xiàn)線性關(guān)系，并且和溫度呈現(xiàn)函數(shù)關(guān)系，即加相同的壓力的條件下，溫度發(fā)生變化電壓輸出值也會發(fā)生變化。通過檢測，這種變化不是完全的自由式變化，而是有一定規(guī)律的，如呈現(xiàn)遞減型，遞增型或者拋物線型變化。 壓阻式壓力傳感器的溫度補(bǔ)償方法壓阻式壓力傳感器的溫度補(bǔ)償方法有硬件電路補(bǔ)償和軟件補(bǔ)償方法，在硬件電路補(bǔ)償中，壓力傳感器制作是利用在硅片上制造出四個阻值相等的薄膜電阻，并組成惠斯登電橋，其原理是當(dāng)惠斯登電橋不受外力作用時，電橋處于平衡狀態(tài)，無輸出電壓值為零；當(dāng)受到壓力的作用時，四個壓敏電阻會發(fā)生阻值變化，電橋就會失去平衡，電橋輸出相應(yīng)的電壓，通過材料的選定，電橋輸出的電壓與壓力是做到成比例的。由于溫度的影響，四個電阻的阻值變化表現(xiàn)為所受壓力和溫度的二元函數(shù)，將使傳感器的溫度漂移。傳感器的溫度漂移可采用在電橋電路中串聯(lián)，并聯(lián)補(bǔ)償電阻的方法來解決。對于軟件補(bǔ)償方法主要是隨著計(jì)算機(jī)技術(shù)的發(fā)展，將待補(bǔ)償數(shù)據(jù)通過A/D轉(zhuǎn)換通道輸入到微處理器中，利用一定算法實(shí)現(xiàn)溫度補(bǔ)償?shù)模涓痉椒ㄓ胁逯捣?，曲線擬合法，曲面擬合法，人工神經(jīng)網(wǎng)絡(luò)算法等。硬件電路的補(bǔ)償方法主要是在惠斯登電橋上改善壓力傳感器的特性，其中的一個常用的例子就是在橋壁上并聯(lián)或者串聯(lián)電阻的方式來實(shí)現(xiàn)溫度補(bǔ)償。例如，如果傳感元件是一個正向溫度系數(shù)的壓敏電阻，我們可以串聯(lián)上一個浮想溫度系數(shù)的熱敏電阻以抵消正溫度系數(shù)的壓敏電阻的阻值變化。當(dāng)溫度改變時，當(dāng)傳感元件的阻值增大時，熱敏電阻的阻值減小，所以實(shí)現(xiàn)電橋的總體總之平衡。但是這樣涉及到新材料新工藝，對于熱敏電阻和壓敏元器件之間的匹配問題增減了這種補(bǔ)償?shù)碾y度，同時這種補(bǔ)償方法不利于減少壓力傳感器的體積。硬件電路補(bǔ)償方法[16]另外一種可以用模數(shù)轉(zhuǎn)換器的輸入電壓和參考電壓之間的關(guān)系來實(shí)現(xiàn)對傳感器進(jìn)行溫度補(bǔ)償。如圖21所示，Rt為感應(yīng)元件，但為熱敏性質(zhì)的電阻，當(dāng)加上不同的壓力是，惠斯登電橋?qū)崿F(xiàn)不同形式的壓力輸出，壓力信號可以通過差壓后輸入到A/D轉(zhuǎn)換芯片ADC0809的9端以便經(jīng)過轉(zhuǎn)換之后變?yōu)閿?shù)字量，但是由于溫度變化引起的電壓變化也引起了放大器差壓信號的變化，放大器將差壓信號經(jīng)過放大后輸入到ADC0809的Vref端，Vref為A/D轉(zhuǎn)換的參考電壓，因此可以說，當(dāng)發(fā)生溫度漂移時同時引起了參考電壓的變化，這種變化抵消了溫度偏移引起的影響，實(shí)現(xiàn)穩(wěn)定的數(shù)字量輸出。圖21 硬件電路溫度補(bǔ)償圖Fig21 The circuit of hardware circuit temperature pensation 線性插值法[17，18]是一個在數(shù)學(xué)，計(jì)算機(jī)圖形學(xué)領(lǐng)域中廣泛應(yīng)用的差值方法應(yīng)用。在平面直角坐標(biāo)系中假設(shè)我們已知坐標(biāo)A(x0,y0)與B(x1,y1),要得到[x0,x1]區(qū)間內(nèi)某一位置x在直線AB上的值，可以根據(jù)式21計(jì)算： (21)首先根據(jù)公式22計(jì)算AB的斜率. (22)則計(jì)算出插值點(diǎn)的值。在壓力傳感器數(shù)據(jù)擬合即是在多個標(biāo)定點(diǎn)下的線性差值，它是首先將數(shù)據(jù)存儲到RAM中，在應(yīng)用中首先將數(shù)據(jù)與所采集參數(shù)進(jìn)行比對，判斷其落入到何區(qū)域，然后根據(jù)其所在的區(qū)域找出其溫度點(diǎn)下的直線方程，按照線性函數(shù)對應(yīng)找出標(biāo)定結(jié)果。就是將被測量數(shù)據(jù)按照量程分為若干段，然后將相鄰兩分段點(diǎn)用直線連起來，再用直線來描述數(shù)據(jù)曲線。插值法優(yōu)點(diǎn)在于根據(jù)采集的數(shù)據(jù)比對處理速度快，算法簡單，缺點(diǎn)為如果選擇的插值數(shù)據(jù)多則需要占用很大的存儲空間，若插值基點(diǎn)少則精度不夠。 曲線擬合法[19]的數(shù)據(jù)擬合步驟如下所示。(1)對標(biāo)定壓力P的數(shù)據(jù)擬合方程利用所采集到的實(shí)驗(yàn)數(shù)據(jù)將不同工作溫度條件下所對應(yīng)的的輸入與輸出可以用一維多項(xiàng)式方程表示如式23所示。溫度t1: 溫度t2: （23） 溫度ti: 根據(jù)所測量得到的數(shù)據(jù)，利用個溫度點(diǎn)下所輸出值U，計(jì)算其1次方，二次方到5次方，標(biāo)定壓力為，此方程輸出根就可以確定。故首先由輸出壓力和輸出壓力找出其多項(xiàng)式系數(shù).（2）對系數(shù)k的曲線擬合方程對于上式中各個系數(shù)k隨溫度變化的規(guī)律通常不是線性的，這里也用一位多項(xiàng)式進(jìn)行數(shù)據(jù)擬合，式方程表示為如式24：常數(shù)項(xiàng)系數(shù)一次項(xiàng)系數(shù) （24） 五次項(xiàng)系數(shù)在標(biāo)定試驗(yàn)中，可以求解出上式式中各個系數(shù):A0，…A5。B0，…B5。C0，…C5。D0，…D5。E0，…E5。從而方程組(24)就被確定。（3）確立工作溫度T時的UP特性的曲線擬合方程通過不同溫度點(diǎn)標(biāo)出各項(xiàng)系數(shù)～，這樣就確定了壓力傳感器的標(biāo)定多項(xiàng)式如式25： （25）根據(jù)上式可以根據(jù)輸出的壓力傳感器的電壓值找到輸出的標(biāo)定值Pt，設(shè)計(jì)的方法簡單，比較容易實(shí)現(xiàn)，并且精度很高。曲面擬合方法相對于最小二乘法在二維空間上的一個擴(kuò)展。對于壓力傳感器的輸入電壓U和標(biāo)定壓力P，如果簡單的看成一維形式的線性曲線來直接進(jìn)行數(shù)據(jù)擬合，就會有很大的誤差，實(shí)質(zhì)上壓力輸出值不是壓力信號的一元函數(shù)，而是二元函數(shù)，即式26： （26）在數(shù)據(jù)擬合的過程，可以看做輸出壓力關(guān)于U與Ut,基本公式如式27： （27）這樣，我們就可以把標(biāo)定電壓值視為輸出電壓值和相應(yīng)溫度值的二維函數(shù)。可以用二維回歸方程來擬合這個函數(shù)關(guān)系: ，具體表述如式28： （28）對于曲面擬合，如若擬合的次數(shù)太低，則會出現(xiàn)誤差下降，擬合精度較差，不能夠滿足精度要求，如果擬合的次數(shù)較大，則精度會相對提高，但同時則會出現(xiàn)計(jì)算量大的情況，但是根據(jù)數(shù)據(jù)分析已經(jīng)有一些函數(shù)可以實(shí)現(xiàn)這種數(shù)據(jù)擬合。 人工神經(jīng)網(wǎng)絡(luò)算法隨著人工智能的發(fā)展，人工神經(jīng)網(wǎng)絡(luò)技術(shù)[20～23]作為一門新興的學(xué)科得到了長足發(fā)展。人工神經(jīng)網(wǎng)絡(luò)是由大量具有非線形映射能力的神經(jīng)元廣泛連接而成的非線形動力學(xué)系統(tǒng)，能完成復(fù)雜的非線性映射功能,同時神經(jīng)網(wǎng)絡(luò)具有自組織，自學(xué)習(xí)及推理的自適應(yīng)能力。其應(yīng)用的基本思想是通過訓(xùn)練樣本的輸入與輸出對神經(jīng)網(wǎng)絡(luò)訓(xùn)練來實(shí)現(xiàn)的，利用神經(jīng)網(wǎng)絡(luò)的自身修正實(shí)現(xiàn)輸入數(shù)據(jù)到輸出數(shù)據(jù)的映射，BP網(wǎng)絡(luò)自身修正是基于最小二乘法實(shí)現(xiàn)。人工神經(jīng)網(wǎng)絡(luò)的運(yùn)用主要是BP(BackPorpgaatino)網(wǎng)絡(luò)和徑向基函數(shù)RBF(rdaial BasiS Function)神經(jīng)網(wǎng)絡(luò)，其中80%以上主要是BP網(wǎng)絡(luò)算法對壓力傳感器進(jìn)行溫度補(bǔ)償?shù)?。這種方法準(zhǔn)確度高，具有較高的收斂性，其突出的優(yōu)點(diǎn)是可以通過訓(xùn)練數(shù)據(jù)的增減來改善BP網(wǎng)絡(luò)的映射特性，由于BP網(wǎng)絡(luò)的數(shù)據(jù)擬合是一種動態(tài)的，并且是通過輸入的訓(xùn)練樣本和目標(biāo)樣本是BP網(wǎng)絡(luò)向最小的誤差方向逼近，又BP網(wǎng)絡(luò)具有泛化能力，所以補(bǔ)償精度也較高。在本設(shè)計(jì)中的主要應(yīng)用是BP網(wǎng)絡(luò)算法，所以對此進(jìn)行詳細(xì)介紹。 BP網(wǎng)絡(luò)算法在壓力傳感器溫度補(bǔ)償中的應(yīng)用壓力傳感器模型圖如圖22所示，氣壓或液壓作用在前端壓力傳感器上，壓力傳感器將壓力和溫度的電壓信號輸入到放大器，通過放大器信號放大輸入到MSP430單片機(jī)的A/D轉(zhuǎn)換通道，MSP430單片機(jī)將壓力和溫度的電壓信號轉(zhuǎn)換成數(shù)字量進(jìn)行處理后通過LED顯示出來，并通過RS485通訊接口將數(shù)據(jù)傳送給上位機(jī)，實(shí)現(xiàn)數(shù)據(jù)的輸出。由于壓力傳感器的溫度漂移使不能夠?qū)崿F(xiàn)現(xiàn)行輸出，存在線性誤差與溫度誤差，這里選擇BP網(wǎng)絡(luò)數(shù)據(jù)擬合算法進(jìn)行溫度補(bǔ)償，則上式反函數(shù)為。通過標(biāo)定壓力實(shí)現(xiàn)不同溫度點(diǎn)下壓力和溫度信號獲取完成BP網(wǎng)絡(luò)訓(xùn)練樣本采集，利用BP網(wǎng)絡(luò)可以通過訓(xùn)練數(shù)據(jù)完成權(quán)值與閾值的修正，使其輸出值無限接近于真實(shí)輸出值，利用BP網(wǎng)絡(luò)的泛化能力實(shí)現(xiàn)整個量程內(nèi)近似線性輸出。信號調(diào)理壓力傳感器溫度信號BP網(wǎng)絡(luò)數(shù)據(jù)處理數(shù)據(jù)輸出圖22 系統(tǒng)溫度補(bǔ)償模型圖 Temperature pensation system model diagram BP網(wǎng)絡(luò)介紹BP神經(jīng)網(wǎng)絡(luò)模型[24,25]是目前應(yīng)用最廣泛的神經(jīng)網(wǎng)絡(luò)模型，它分為輸入層、隱含層和輸出層三層，一把來說輸入層輸出層使用一層，而隱含層可以擴(kuò)展，層與層之間多是采用全互連方式的，同一層單元之間不存在相互的連接。BP神經(jīng)網(wǎng)絡(luò)模型用數(shù)據(jù)的訓(xùn)練是由信息的正向傳播和誤差的反向傳播動態(tài)組成的，在正向傳播的輸入模式是從輸入層經(jīng)隱層逐層處理并傳向輸出層，如果輸出層和期望目標(biāo)值進(jìn)行比較沒有得到期望的誤差，則將誤差信號沿原來的通路返回并修改各層的權(quán)值轉(zhuǎn)為反相傳播，然后在逐次運(yùn)算，直到誤差最小,最終達(dá)到期望的目標(biāo)值。這里BP神經(jīng)網(wǎng)絡(luò)的訓(xùn)練采用在神經(jīng)網(wǎng)絡(luò)工具箱中變步長和帶動量因子的算法，即LM算法,既可以加快網(wǎng)絡(luò)訓(xùn)練速度,又可以防止網(wǎng)絡(luò)限于局部極小點(diǎn)。BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)如下圖23：圖23 BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)圖Fig23 BP neural network structure diagram 在圖23所示中，P為輸入向量，R為輸入維數(shù)，SI為輸入各個神經(jīng)元個數(shù)，WI神經(jīng)元層數(shù)，ni為輸入節(jié)點(diǎn)，ai為節(jié)點(diǎn)輸出，wij為各個神經(jīng)元連接權(quán)值，fi為激勵函數(shù)，bi為神經(jīng)元閾值。根據(jù)BP神經(jīng)網(wǎng)絡(luò)的特征，BP網(wǎng)絡(luò)的計(jì)算關(guān)系式如下：每個節(jié)點(diǎn)的輸出如式29： （29）對于每個輸入模式p網(wǎng)絡(luò)誤差如式210： （210）上式中為節(jié)點(diǎn)上的實(shí)際輸出值，為節(jié)點(diǎn)上期望輸出值。求誤差之和如式211： （211）權(quán)值修正如式212： （212）式中為k時刻的誤差之和負(fù)梯度，為k1時刻的誤差之和的負(fù)梯度，∈[0,1]是動量因子，加入動量因子可以減少訓(xùn)練過程的振蕩趨勢，為學(xué)習(xí)率，可以改變訓(xùn)練時間。 MATLAB 神經(jīng)網(wǎng)絡(luò)工具箱介紹MATLAB 神經(jīng)網(wǎng)絡(luò)工具