专利名称：基于bp神经网络的谐振筒压力传感器高精度校试方法
技术领域：
本发明属于一种测试测量技术领域，涉及谐振筒压力传感器高精度校试方法，具体涉及一种基于BP神经网络的谐振筒压力传感器高精度校试方法。
背景技术：
为实现导弹的精确控制，对于压力测量的量程及精度需求日益提高，因此需研制高精度压力传感器。针对目前稳定性好、精度高的谐振筒压力传感器，高精度校试技术的水平成为影响传感器精度的重要因素，以往通常采用的基于传感器物理模型的多项式拟合方法，振动筒压力传感器输出周期信号T与温度电压信号V,根据传感器物理模型,它们与输入测量压力P之间可以建立如下的多元非线性回归方程
权利要求
1.一种基于BP神经网络的谐振筒压力传感器校试方法，包括构建双隐层网络结构的传感器BP神经网络，使网络结构的输入变量为传感器的输出周期T及温度电压V，输出变量为压力值P ;采集传感器在不同温度、不同压力输入条件下的输出周期及温度电压；采集不同温度和压力条件下传感器输出量作为校试及检验样本点。
2.根据权利要求I所述的一种基于BP神经网络的谐振筒压力传感器校试方法，其特征在于所述传感器BP神经网络中，利用双曲正切S型传递函数作为输入层与第一个中间层、第一个中间层与第二个中间层之间的传递函数，利用线性传递函数作为第二个中间层与输出层之间的传递函数。
3.根据权利要求2所述的一种基于BP神经网络的谐振筒压力传感器校试方法，其特征在于所述样本点采集时，在_45°C到80°C范围内选取多个温度点，每个温度点选取多个采样点。
4.根据权利要求3所述的一种基于BP神经网络的谐振筒压力传感器校试方法，其特征在于所述传感器BP神经网络中，输入层节点与第一个中间层节点的网络权值为k系数，第一个中间层节点与第二个中间层节点的网络权值为W系数，第二个中间层节点与输出层节点的网络权值为s系数；且每个中间层的节点数为4 ;且双曲正切S型传递函数如下 2,η, >,· = 5= 1,2...4, j = 1,2) l + e 产1 ' Ym=-r--l(m =1,2··. 0 = 1,2...4) l + e 1=1 其中yi为第一个中间层的输出；Xj为输入变量值；ku为输入层与第一个中间层的网络权值；θ i为第一个中间层各节点的阈值； YmS第二个中间层的输出；WmiS第一个中间层与第二个中间层的网络权值；ωπ为第二个中间层各节点的阈值； 线性传递函数如下 ^ == = 1,2...4)η= 其中0为模型输出；sln为第二个中间层与输出层的网络权值；βι为输出层节点的阈值。
5.根据权利要求4所述的一种基于BP神经网络的谐振筒压力传感器校试方法，其特征在于采用最快速算法作为BP神经网络的训练方法，训练中对各层的阈值和权值进行修正，使得误差函数沿负梯度方向下降。
全文摘要
本发明属于一种测试测量技术领域，具体涉及一种基于BP神经网络的谐振筒压力传感器高精度校试方法。目的是提高谐振筒压力传感器校试精度。方法包括构建双隐层网络结构的传感器BP神经网络，使网络结构的输入变量为传感器的输出周期T及温度电压V，输出变量为压力值P；采集传感器在不同温度、不同压力输入条件下的输出周期及温度电压；采集不同温度和压力条件下传感器输出量作为校试及检验样本点。本方法通过双隐层网络结构，在保证输出精度的同时，减少了网络参数数量；将谐振筒压力传感器校试精度提高了25%，解决了传感器高精度校试问题。
文档编号G06N3/02GK102759430SQ20121022445
公开日2012年10月31日 申请日期2012年6月28日 优先权日2012年6月28日
发明者刘建丰, 刘栋苏, 周明, 孙洪庆, 时兆峰, 李劲松, 李邦清, 苑景春, 赵莹 申请人:北京自动化控制设备研究所