基于BP神經(jīng)網(wǎng)絡的一種傳感器溫度補償方法
加入技術交流群
1．2 BP神經(jīng)網(wǎng)絡算法
1986年Rumelhart，Hinton和Willians完整而簡明地提出一種ANN的誤差反相傳播訓練算法(簡稱BP算法)。目前，在人工神經(jīng)網(wǎng)絡的實際應用中，絕大部分的神經(jīng)網(wǎng)絡模型是采用BP網(wǎng)絡和它的變形形式，它也是前向網(wǎng)絡的核心部分，并體現(xiàn)了人工神經(jīng)網(wǎng)絡最精華的部分。
BP神經(jīng)網(wǎng)絡由輸入層、輸出層和多層隱含層組成，只要隱含層中有足夠數(shù)量的神經(jīng)元，它就可以用來逼近幾乎任何一個函數(shù)。事實上，研究已表明，兩層網(wǎng)絡在其隱含層中使用S形傳輸函數(shù)，在輸出層中使用線性傳輸函數(shù)，就幾乎可以以任意精度逼近任何函數(shù)。三層BP神經(jīng)網(wǎng)絡的結構圖如圖2所示，任意層的BP神經(jīng)網(wǎng)絡具有類似的結構。本文引用地址：http://m.butianyuan.cn/article/161475.htm
在多層網(wǎng)絡中，某一層的輸出成為下一層的輸入。描述此操作的等式為：
這里，M是網(wǎng)絡的層數(shù)。多層網(wǎng)絡的BP算法是LMS(Least Mean Square，最小均方)算法的推廣。算法的輸入是一個網(wǎng)絡正確行為的樣本集合：
這里pQ是網(wǎng)絡的輸入，tQ是對應的目標輸出。每輸入一個樣本，便將網(wǎng)絡輸出與目標輸出相比較。算法將調整網(wǎng)絡參數(shù)以使均方誤差最小化。每一步對參數(shù)的調節(jié)見式(7)(8)。
式(6)為均方誤差的期望。這里，均方誤差的期望值被第k次迭代的均方誤差所代替。
這里α是學習速度。
1. 3 BP神經(jīng)網(wǎng)絡的構建和訓練
用BP神經(jīng)網(wǎng)絡對硅壓阻式傳感器進行溫度補償的原理圖如圖3所示，在MatLab中創(chuàng)建的是一個1-10-2-1的BP網(wǎng)絡。
用BP神經(jīng)網(wǎng)絡對硅壓阻式傳感器實現(xiàn)溫度補償分成兩部分，如圖3所示。其中，P表示輸入的壓力；y表示未經(jīng)溫度補償的傳感器輸出；Vb表示傳感器測量電路的橋路電壓；y'表示經(jīng)過溫度補償?shù)膫鞲衅鬏敵觥?br /> BP神經(jīng)網(wǎng)絡隱層由Log-Simoid層和線性層兩層組成。也就是說隱層的函數(shù)分別為：
傳感器相關文章:傳感器工作原理
評論