专利名称：用多层感知机神经网络实现测量的气压高度计及测量方法
技术领域：
本发明属于测量技术领域，涉及一种利用多层感知机神经网络实现测量 的气压高度计，本发明还涉及该气压高度计的测量方法。
技术背景高度的测量对于飞行器的安全飞行与自动控制有着十分重要的作用。按 原理分，气压高度计主要有气压式和无线电式。气压高度计是根据大气层的 组成及特点，我们知道空气的静压^在地面上最大，随着高度增加呈指数规 律减小。通过测量气压g，间接测量高度。另外由于空中温度变化大，而压 力传感器受温度影响较大，为此需要借助温度传感器的输出对压力传感器的 输出进行补偿。无线电高度表是利用无线电波反射的原理工作的。测量时， 发射机经发射天线同时向地面和接收机发射同一无线电波，接收机将先后接 收到由发射机直接来的电波和经地面反射后的回波，两束电波存在有时间 差。如果电波在传送过程中没有受到干扰，时间差正比于被测的高度。测量 出时间差，高度也就知道了。国内外不少学者和研究机构也发明并设计气压高度计，其中ETA瑞士 钟表制造股份有限公司设计有一种包括温度补偿设备的气压高度计，该高度 计依靠自身的时间单元、纠正电路、日期和预定气候值从包含在存储于该高 度计列值之中选出参考温度值来确定高度，由于温度不是实时测定，这样压 力传感器得不到实时修正，这样计算会有很大误差。由于高度与大气压力的关系复杂，影响因素多，很难用一个显函数来直接描述大气压力对几何高度的关系，按传统的设计方法，假设气体为理想气 体，利用曲面拟合的方法，解算高度，由于传感器自身的漂移和稳定性的影 响，解算出的高度精度会随着时间的变化而发生改变，精度不会很高。 发明内容本发明的目的是提供一种利用多层感知机神经网络实现测量的气压高 度计，解决了现有技术存在的时漂、温漂现象，以及实时精度不高的问题。 本发明的另一目的是提供上述气压高度计的测量方法。本发明所采用的技术方案是， 一种利用多层感知机神经网络实现测量的 气压高度计，包括静压气嘴和数据处理装置，静压气嘴中设置有静压与温度 测量单元，静压与温度测量单元包括静压传感器和温度传感器，静压传感器 由压力敏感管和敏感头组成，压力敏感管插入到气嘴内，敏感头靠近静压气 嘴底端的一端，温度传感器置于静压气嘴底端处，数据处理装置包括依次连接的A/D转换器单元、中央处理单元和通讯接 口单元，A/D转换器单元、中央处理单元和通讯接口单元分别与电源模块连 接；静压与温度测量单元与A/D转换器单元相连接；中央处理单元包括CPU微处理器，该CPU微处理器中预装入多层感知 机神经网络运算软件。本发明所采用的另一的技术方案是，利用上述的气压高度计进行高度测 量的方法，包括以下步骤，步骤1，通过一静压气嘴引入外界气体，由设置于静压气嘴内的静压传 感器和温度传感器测量得到当前状态的静压和温度模拟信号；步骤2，将上步得到的静压和温度模拟信号送入A/D转换器进行A/D转 换，将上述静压和温度模拟信号转换成数字信号；步骤3，将上步得到的静压和温度数字信号送入中央处理单元中进行处 理，得到数字量的压力和温度信号，在CPU微处理器内完成压力的温度补 偿，再将补偿后的压力和温度值送入CPU微处理器内存储的多层感知机神 经网络进行智能解算，得到当前状态的高度值；步骤4，将上步得到的高度值通过通讯接口单元将信号输出。 本发明的有益效果是，能够克服时间漂移和温漂，具有自学习功能，并 且通过神经网络的自学习，实时精度的误差可达到0.5%以下，具有体积小、 重量轻、可靠性高的特点。
图1是本发明实施例的模块连接示意图；图2是本发明静压与温度测量单元实施例的结构示意图，其中a为静压 与温度测量单元的结构示意图，b为本发明装置的静压传感器的结构示意图。图3是本发明实施例的微处理器ADuC845的实现电路图；图4是本发明实施例的多层感知机神经网络实现方法的流程示意图。图中，IO.静压气嘴，20.静压与温度测量单元，30.A/D转换器，40.中央处理单元，50.通讯接口， 60.电源模块，l.静压气嘴进口， 2.静压传感器，3.温度传感器，4.静压气嘴底端，5.压力敏感管，6.敏感头。
具体实施方式
下面结合附图和具体实施方式
对本发明进行详细说明。 由于高度与大气压力的关系复杂，影响因素多，很难用一个显函数来直接描述大气压力对几何高度的关系，而基于多层感知机神经网络的气压高度计不但精度高，而且能够克服高度计的时漂、温漂现象。图1所示为本发明装置的模块连接示意图。静压与温度测量单元20与 A/D转换器30、中央处理单元40、通讯接口50依次连接，前述各个单元还 分别与电源模块60连接，接受电源模块60的供电。静压与温度测量单元20包括静压传感器2和温度传感器3。中央处理单元40包括微处理器CPU，该CPU微处理器中预装入多层感 知机神经网络运算软件。图2a所示为本发明装置的静压与温度测量单元的结构示意图，图2b所 示为本发明装置的静压传感器2的结构示意图。静压气嘴10设有静压气嘴 进口 1，静压气嘴进口 1内安装有静压传感器2和温度传感器3，静压传感 器2采用TO-8封装的压力传感器，静压传感器2的压力敏感管5插入到气 嘴内，静压传感器2的敏感头6靠近静压气嘴底端4的部位，并且两者的连 接处要密封，温度传感器3置于气嘴底端4中。外界气体通过连接管进入静 压气嘴进口 1，由静压气嘴进口 1内的静压传感器2和温度传感器3分别对 外界气体的静压和温度进行测量，当静压与温度测量单元20在电源模块60 正常供电的情况下，静压传感器2和温度传感器3各自输出与自身敏感量成 正比的电压模拟信号。A/D转换器30是为中央处理单元40的微处理器配合设置的两路24位 A/D转换器，A/D位数和转换速度可通过软件来设置，对压力信号和温度信 号进行A/D转换，输出数字信号直接进入中央处理单元40。中央处理单元40包括CPU微处理器和ANN-MLP多层感知机神经网 络，CPU微处理器为高速的8为带2路24位A/D转换器，62K的程序存储 器的单片机ADwC845 ，实现电路如图3所示，模拟压力信号pl、十pl和 温度T+、 T-经过C6 、 C7滤波后通过单片机自带的A/D转换器ADCO、 ADC1进行转换，得到数字量的压力和温度信号，在单片机内完成压力的温度补偿， 再将补偿后的压力和温度信号送入单片机内存储的已经训练好的多层感知 机神经网络结构，经过多层感知机神经网络的智能解算得到精确的高度值。单片机系统的供电电压为+5^c， +5&(:经过由<:1 C2 C3 C4 C5 (电 容值采用0.1pF)组成的滤波网络产生+5^x;的AVDD供单片机、压力和温 度传感器使用，A/D转换器的电压基准+2.5V由REF2925提供，另外单片机 工作的震荡器由OSC30(32.768K)和两个电容C8 C9 (电容值采用30pF)组成。通讯接口 50采用MAX488，在电源模块60正常供电的情况下，将中央 处理单元40的微处理器串口输出的TTL电平转换为RS485标准电平以 57600bit/s的波特率输出，输出数据的刷新频率为100Hz。电源模块60采用宽电源设计，在直流电压5 32V区间内，输入电压经 过DC/DC变换器LT1933以后，输出+5V直流电压，此电压再经过两个线性 稳压变换器MAX1615，分别输出数字电压+5V和模拟电压+5V，其中一路 供微处理器40工作使用，另一路供压力和温度测量单元20和通讯接口 50 工作使用。如图4所示，是本发明实施例的多层感知机神经网络实现方法的流程示 意图，网络采用三层感知机神经网络，第一层神经元数目为2，传输函数采 用S型函数；第二层神经元数目为10，传输函数采用线性函数；第三层神经元数目为1，传输函数采用S型函数。尸=[/^ ^"为网络的输入；^为 第一层神经网络的权值；^为第一层神经网络的阈值；/为第一层神经网络的传输函数；^为第一层神经网络的输出；必2为第二层神经网络的权值； 为第二层神经网络的阈值；/2为第二层神经网络的传输函数；"2为第二层神经网络的输出；必3为第三层神经网络的权值；^为第三层神经网络的阈值；/3为第三层神经网络的传输函数；03为第三层神经网络的输出， "fl3 。本发明所采用的多层感知机神经网络的训练样本提取依据， 一是依据航 空标准HB6127—86中所给出的大气静压和几何高度的数据；二是实验测量 数据。采用这两种方法获得样本库，即在标准压力和温度条件下测得传感器 的输出作为输入样本，以及在该条件下航空标准中所确定的高度值作为输出 样本。本发明所采用的多层感知机神经网络的训练采用MOBP方法，训练 后得到多层感知机神经网络的数学模型的各层的权值和阈值。实施例本发明实施例选用美国ADI公司生产的高速微处理芯片ADu C845,静 压传感器选用S17-030A (测量范围0 30Psi)，温度传感器选用LM50 (测 量范围-55 125°C，精度0.5"C)，传感器输出的模拟信号通过A/D转换器 转换成数字信号送入AD" C845芯片的CPU,在CPU内完成压力传感器的 温度修正，再结合上述的训练得到多层神经网络数学模型，最终得到精确的 气压高度值，通过电平转换(MAX488)以RS485接口的形式输出数字值。(1) 利用航空标准HB6127-86中所给出的大气静压、温度和几何高度 的数据，以大气静压和温度作为神经网络的输入，高度作为神经网络的输出， 在Matkb环境下编制程序对神经网络加以训练。(2) 以输出误差10—5作为最终目标，训练达到目标后，得到神经网络的各层的权值和阈值，结果如下,「-3.890605812898889e +000 - 6.964923417245192e + 000— -1.905649286947199e + 000 9.033754486929974e +000 "<formula>formula see original document page 11</formula>(3)至此网络的数学模型已得到设p=[p, fr为输入，a为压力传感器的实i:压力，/为温度传感器的实际测量温度。将p输入到多层感知机神经网络，代入第一层权值^和阈值61，网络的第一层输出为-.
权利要求
1、一种利用多层感知机神经网络实现测量的气压高度计，其特征在于，包括静压气嘴(10)和数据处理装置，所述的静压气嘴(10)中设置有静压与温度测量单元(20)，静压与温度测量单元(20)包括静压传感器(2)和温度传感器(3)，静压传感器(2)由压力敏感管(5)和敏感头(6)组成，压力敏感管(5)插入到气嘴内，敏感头(6)靠近静压气嘴底端(4)的一端，温度传感器(3)置于静压气嘴底端(4)处，所述的数据处理装置包括依次连接的A/D转换器单元(30)、中央处理单元(40)和通讯接口单元(50)，所述的A/D转换器单元(30)、中央处理单元(40)和通讯接口单元(50)分别与电源模块(60)连接，所述的静压与温度测量单元(20)与A/D转换器单元(30)相连接，所述的中央处理单元(40)包括CPU微处理器，该CPU微处理器中预装入多层感知机神经网络运算软件。
2、 一种利用权利要求1所述的气压高度计进行高度测量的方法，其特 征在于，该方法包括以下步骤，步骤l，通过一静压气嘴(10)引入外界气体，由设置于静压气嘴(10) 内的静压传感器(2)和温度传感器(3)测量得到当前状态的静压和温度模 拟信号；步骤2，将上步得到的静压和温度模拟信号送入A/D转换器(30)进行 A/D转换，将上述静压和温度模拟信号转换成数字信号；步骤3，将上步得到的静压和温度数字信号送入中央处理单元(40)中 进行处理，得到数字量的压力和温度信号，在CPU微处理器内完成压力的温度补偿，再将补偿后的压力和温度值送入CPU微处理器内存储的多层感知机神经网络进行智能解算，得到当前状态的高度值；步骤4，将上步得到的高度值通过通讯接口单元(50)将信号输出。 3、按照权利要求2所述的方法，其特征在于，所述步骤3中，多层感知机神经网络进行智能解算的方法，具体包括， 步骤l、建立多层感知机神经网络，建立一个输入层、 一个输出层和若干个隐含层，每个隐含层由多个神经 元组成，建立的多层感知机神经网络数学模型为a針1 = m=0，l,2，其中"^为网络的输出，<formula>formula see original document page 3</formula>./"为网络的传输函数，其中"<formula>formula see original document page 3</formula>^T为网络的权值，6"为网络的阈值，附为网络的层数， 网络的输入为压力和温度传感器的输出尸=[/^ d、网络的输出为高度所述的多层感知机神经网络的第一层神经元数目为2，传输函数采用S 型函数；第二层神经元数目为IO，传输函数采用线性函数；第三层神经元数 目为1，传输函数采用S型函数，步骤2、对上步建立的多层感知机神经网络进行训练，得到该多层感知机 神经网络各层的权值和阈值，以标准压力和温度条件下测得传感器的输出作为输入样本，以该条件下 航空标准中所确定的高度值作为输出样本，对上步建立的多层感知机神经网 络进行训练，得到多层感知机神经网络的数学模型各层的权值^^和阈值
全文摘要
本发明公开了一种利用多层感知机神经网络实现测量的气压高度计，包括静压与温度测量单元，静压与温度测量单元与A/D转换器单元、中央处理单元、通讯接口单元依次连接，前述各个单元还分别与电源模块连接，静压与温度测量单元包括静压传感器和温度传感器，中央处理单元包括微处理器和多层感知机神经网络数据处理单元。本发明的有益效果是，能够克服时间漂移和温漂，具有自学习功能，并且通过神经网络的自学习，实时精度的误差可达到0.5％以下，具有体积小、重量轻、可靠性高。
文档编号G01L19/04GK101266145SQ20081001795
公开日2008年9月17日 申请日期2008年4月14日 优先权日2008年4月14日
发明者刘宏昭, 曲国福 申请人:西安理工大学