基于神经网络的压力传感器温度补偿算法的研究 毕业论文

天津农学院毕业设计中文题目:基于神经网络的压力传感器温度补偿算法的研究英文题目:ThestudyaboutPressuresensorsbasedonneuralnetworkalgorithmsfortemperaturecompensation学生姓名赵玉玲系别机电工程系专业班级2006级测控技术与仪器专业1班指导教师赵金才成绩评定2010年6月日目录1引言.............................................................12压力传感器温度补偿的相关内容.....................................12.1压力传感器温度补偿的原因及方法.................................12.2压力传感器温度补偿算法的研究现状及发展趋势.....................33神经网络的简介...................................................43.1神经网络的基本内容.............................................43.2神经网络在压力传感器温度补偿中的应用...........................63.2.1BP神经网络的基本内容........................................63.2.2RBF神经网络的基本内容.......................................74压力传感器温度补偿算法的研究.....................................84.1插值算法在压力传感器温度补偿中的应用...........................84.1.1插值算法的原理...............................................84.1.2插值算法在压力传感器温度补偿中的应用.........................84.2基于BP神经网络的压力传感器温度补偿算法的应用.................104.3基于RBF神经网络的压力传感器温度补偿算法的应用................124.4三种温度补偿算法的对比及结论..................................13参考文献..........................................................15致谢.............................................................16附录1：外文文献原文............................................17附录2：英文文献中文译文..........................................28附录3：..........................................................37摘要在工业生产中，监测和控制生产过程中的经常需要使用压力传感器，并且日常生活中传感器也是汽车各个电子控制单元的核心部件，是获取信息的工具，传感器的输出特性直接影响整个系统的性能,但该特性易受温度因素干扰，进而造成传感器监测、控制、测量精度降低，因此传感器温度补偿算法的研究对提高传感器的测量精度具有重要的现实意义。随着人工智能特别是神经网络技术的发展，为传感器温度补偿的算法提供了新的有效手段，对于不同的算法，都具有自己的优缺点。通过实验，将实验数据与理论数据进行对比找到基于神经网络的压力传感器温度补偿算法的优缺点，使其更好地应用于实践中。关键词：压力传感器;温度补偿;神经网络ABSTRACTPressuresensorsusuallywidelyuseintheprocessofmonitorandcontrolintheindustrialproduction,andthesensorsisalsothecoreofthecontrolunitintheautomobilecontrolsysteminoureverydaylife,theoutputcharacteristicofthesensorsdirectlyeffecttheentiresystem'performances,butiteasilysufferfromthefactoroftemperature.,andthencausethedropoftheprecisionofthesensors'monitored、controlled、measurableproperties,sotoresearchthetemperaturecompensationalgorithmofthesensorsissignificantfortheadvanceoftheaccuracyofmeasurement.FollowingthedevelopingoftheartificialintelligenceespeciallytheNeuralnetworktechnology,itprovidesneweffectivemeansforthesensors'temperaturecompensationalgorithm,differentalgorithmhasitsownmeritsanddrawbacks.Accordingtothecontrastoftheexperimentaldataandtheoreticaldataintheexperiment,andthenfindthemeritsanddrawbacksoftheNeuralnetworkalgorithmsfortemperaturecompensationofpressuresensors,inordertomakefulluseofintheprocessofpractice.Keywords:PressureSensors;TemperatureCompensation;NeuralNetwork11引言测试技术中将测试分为电参数的测量与非电参数的测量。电参数有：电压、电流、功率、频率、阻抗、波形等，这些参量都是表征系统或设备性能的。非电参数有：机械量（如位移、速度、加速度、力、应力等）、化学量（如浓度、成分等）、生物量（霉、组织等）。在生活实践中，经常遇到的是非电量的测量。现在非电量的测量大部分是用电测量的方法去完成的，其中的关键技术就是如何将非电量转换成电量，即传感器技术。从生产实践看，从人们日常的衣食住行到各种复杂的工程，都离不开传感器。例如，工厂自动化中的柔性制造系统FMS、计算机集成制造系统CIMS、大型发电厂、轧钢厂生产线、飞机、武器指挥系统、雷达、宇宙飞船、海洋探测器、各种家用电器、环境检测器、医疗卫生器械、生物工程等都依靠不同性质、不同个数的传感器来获取信息。毫不夸张地说，未来的社会是传感器的社会。2压力传感器温度补偿的相关内容2.1压力传感器温度补偿的原因及方法1压力传感器温度补偿的原因无论是工业生产的监测和控制过程还是日常生活中的汽车，传感器都是各个电子控制单元的核心部件,是获取信息的工具，人们依靠不同性质、传感器的输出特性直接影响整个系统的性能,但该特性易受温度因素干扰,进而造成传感器测量精度降低,导致各个电子控制单元的工作性能下降，因此传感器特性温度补偿技术的研究对提高传感器的测量精度具有重要的现实意义。尤其是在一些需要精确控制温度的生产工艺中,若想在现有的硬件设备条件下,进一步提高温度控制精度，就需要在软件上下功夫。目前在温度控制中采用较多的是PID控制方法,由于PID控制方法是在建立精确的数学模型的基础上使用的,而温度控制系统属于惯性环节,况且许多温度控制系统受负载的影响较大,同时在系统中还存在着参数时变性、结构非线性等因,因此很难建立精确的数学模型,所以在实际应用中人们常根据实际的应用环境采用不同的方法进行温度控制[1]。近些年来随着科学技术的发展越来越多的温度补偿方法被应用于实践中，尤其是随着人工智能特别是神经网络技术的发展，神经网络也被广泛的应用与实践中。2压力传感器温度补偿的方法2（1）压力传感器压力是工业生产中常见的一个重要参数，在冶金、化工、制药、航空、航天、国防等领域压力测试一般是必不可少的。比如，化工行业中的合成氨的生产需要压力测试，在武器系统测试中对抽气装置压力的测试、反后座装置的压力测试，在工业生产中，最普遍的蒸汽锅炉、液压机和水压机等设备上的压力测试，交通运输中汽车、火车、轮船和飞机等使用的各类发动机动力、液压、气压管道中的压力测试，冶金工业上的冶炼，热风管道中的压力参数的控制和监测;在航空和航天技术部门中，一些重要的飞行参数，如高度、速度等技术性能参数的测量均以压力测试为基础。压力传感器是压力测试的关键之一。压力传感器按其工作原理，可分为应变式压力传感器、压阻式压力传感器、压电式力传感器、电涡流式压力传感器等。（2）温度补偿的方法一般情况下，压力传感器对温度、加速度或者其它一些环境参量存在交叉灵敏度，即压力传感器的输出不仅决定于所受的压力，而且还受温度、加速度等其它一些因素的作用，这可能会很大程度上影响传感器的性能和测量准确度。对于这一实际问题，国内外通常采用硬件补偿或软件补偿，硬件补偿一般就是在传感器电路中增设其它部件或者更改传感器内部结构以达到补偿的目的，它一般分为两大类：一是对传感器内部的核心是电敏电登电桥进行温度补偿设计，如掺杂、串/并电阻、双全桥、PN节、双半等；另一类是对压力传感器输出信号进行处理通过一些信号调理芯片，如AX1452、ZMD31020、PGA3og等。其中软件补偿与通过信号调理芯片的硬件性能也是对传感器输出信号进行处理，一般是通过对压力传感器的标定数据的处理。目前主流的软件补偿有多维回归、神经网络法[2]（如:双线性插值、样条插值函数、BP神经网络、RBF神经网络、小波等）。然而在实际应用中，对于通过设计压力传感器内部压敏电阻或者内部结来实现温度补偿度很高，但是也有开发周期较长，难度大等缺点，而通过外加信号调理补偿一般是对传感器输出信号进行处理(类似软件补偿)，也有需要外置如软件补偿灵活等特点。对于软件补偿中的多维回归分析法，缺点是需模的矩阵方程，在求解方程时，维数越多，数据量越大;而随着人工智能技术特别是神经网络的发展，神经网络法，具有较强的自学习、自适应、自调整能力。在神经网络法方面，其中BP神经网络、RBF神经网络都是在压力传感器的温度补偿算法中应用范围比较广的算法。因此在实际应用中，人们应该根据实际的应用要求以及应用的环境选择实用的压力传感器的温度补偿方法，尤其是随着现代科技的发3展，基于神经网络的压力传感器的温度补偿算法越来越进步越来越得到人们的认可，应用的范围越来越广。（3）温度补偿原理采用神经网络函数法改善传感器输出特性的原理图由传感器模型和神经网络模型两部分组成，如图1所示[3]。图1传感器温度补偿原理在图3中，p表示经神经网络温度补偿后的输出压力值，其压力传感器的数学模型为),(txy(1)式中，x--待测目标压力参量；t--非待测目标温度参量；y--传感器输出量。若y和t均为x的单值函数，则式（1）的反函数存在。将压力传感器的目标参量值及温度敏感元件的非目标参量值作为网络的输入，经网络处理后的输出压力P即为消除了温度干扰的待测目标参量x。2.2压力传感器温度补偿算法的研究现状及发展趋势现代科学技术的迅猛发展，使人类社会进入信息时代。在信息时代，人们的社会活动将主要依靠对信息资源的开发及获取、传输与处理。而传感器处于自检测与控制系统之首,是感知、获取与检测信息的窗口,它处于研究对象与测控系统的接口位置,一切科学研究和生产过程要获取的信息都要通过它转换为容