一种精确测量皮肤表面温湿度的方法与流程
本发明涉及皮肤辅助调理技术领域，尤其涉及一种精确测量皮肤表面温湿度的方法。
背景技术：
《黄帝内经》中讲：“以表知里，以观过与不及之理。汗在表，通过汗的表现，可以关注到身体内部是否在一个“中”的状态。身体体表有无数的汗孔，有的年久失修，有的堵塞，有的开大了无法关闭，通过全身汗出监测，看哪些汗孔是好的，哪些是不好的，如果整个身体的汗孔处于均衡、和谐、协调的状态，人应该就是健康的，这就叫“测汗知健康”。
目前，可以采用温湿度传感器测量皮肤表面的温湿度状况。
但是，由于温湿度传感器使用的场景比较特殊，所以在使用过程中，温度传感器和湿度传感器很容易受到在温度动态变化过程中引起的交叉干扰情况，使得湿度传感器的输出呈现一定的非线性，导致湿度传感器的输出信号与实际湿度测量情况的一致性较差，从而导致皮肤表面的温湿度测量精确度不高、可靠性差等问题，进而无法有效的皮肤表面的温湿度(出汗情况)进行控制和调节。
技术实现要素：
本发明的目的在于提供一种精确测量皮肤表面温湿度的方法，从而解决现有技术中存在的前述问题。
为了实现上述目的，本发明采用的技术方案如下：
一种精确测量皮肤表面温湿度的方法，包括如下步骤：
s1，根据bp神经网络拓扑结构构建思维进化算法模型；
s2，通过对思维进化算法模型进行趋同和异化操作，达到最优运算收敛，得到改进的思维进化算法模型；
s3，对所述改进的思维进化算法模型进行全局寻优，得到权值和阈值；
s4，将得到的权值和阈值传递给bp神经网络，建立基于改进思维进化算法模型的bp神经网络模型；
s5，利用基于改进思维进化算法模型的bp神经网络模型，对湿度传感器进行动态补偿。
优选地，s1包括如下步骤：
s101，初始化群体，群体生成：在解空间随机产生n个个体，所有个体组成一个群体，根据适应度函数计算出每个个体的得分，选择其中最优的m+t个个体作为优胜者，其中m+t≤n；
s102，子群体生成：围绕最优的m+t个优胜者，以正态分布产生
优选地，s2包括如下步骤：
s201，子群体趋同操作：在每一个子群体内，采用如下的适应度函数计算每个个体对应的适应度，即每一个个体的得分：
f＝ξ-1，
其中，f为个体得分，s为训练样本数，yi(n)为实际期望值，
s202，子群体异化操作：子群体之间通过比较各自的得分，将得分低的子群体进行废弃，并释放其中个体，用得分高的子群体替换掉原优胜子群体，在解空间中不断探索新的点，生成新的子群体。
优选地，s3具体为，迭代操作，确认bp神经网络的初始权值和阈值：异化操作结束后，被释放的个体重新被新的临时子群体补充，重复步骤s2，直到适应度值小于设定误差或已达到最大迭代次数，解析输出的最优个体，不再提高或迭代结束，则认为运算收敛，输出最优个体，作为bp神经网络的初始权值和阈值。
优选地，s4具体为，bp神经网络初始化：设置网络层数、各层神经元个数，其中改进思维进化算法需要优化的权值和阈值总个数为n＝(m+1)*n+(n+1)*t，其中m为输入神经元个数，n为隐层神经元个数，t为输出层神经元个数。
优选地，s5具体为，训练bp神经网络：将优化得到的权值和阈值传递给bp神经网络，选取部分归一化样本对bp神经网络进行训练。
本发明的有益效果是：本发明提供的精确测量皮肤表面温湿度的方法，首先根据bp神经网络拓扑结构构建思维进化算法模型，然后通过对思维进化算法进行趋同和异化操作，对收敛条件进行优化，并将改进思维进化算法全局寻优得到的权值和阈值传递给bp神经网络，建立基于改进思维进化算法的bp神经网络模型，对湿度传感器进行动态补偿。消除了在动态温控情况下，温度对湿度传感器带来的非线性影响，提高了皮肤表面温湿度测量的精确度和可靠性，使得皮肤表面的温湿度(出汗情况)调控能够有效的实施。
附图说明
图1是本发明提供的一种精确测量皮肤表面温湿度的方法流程示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施方式仅仅用以解释本发明，并不用于限定本发明。
针对现有技术中存在的问题，为提高系统的精度，确保系统线性输出，有必要采取一定措施对湿度传感器进行动态补偿，以消除温度所带来的非线性影响，也就是要对湿度传感器进行线性化补偿，传感器的非线性补偿包括硬件方法和软件方法两种。
其中，硬件电路湿度动态补偿方法复杂，且电子器件容易产生漂移，使得测量精度受到一定影响。所以，本发明中，采用软件补偿方法。其中，软件补偿方法包括反向分度函数法、表格法、牛顿迭代法、bp神经网络等。其中，反向分度函数法比较通用，但针对性不强；牛顿迭代法以现有的分度表或分度函数为基础来实现非线性校正，然而该方法补偿时间长且运算量较大；表格法主要是采用分段线性化方法来逼近传感器的静态特性曲线，当分段区间较小时，会影响补偿精度，分段区间较大时，查表就会比较费时；单纯的bp神经网络收敛速度慢，且容易陷入局部极值。
本发明中，动态补偿抗干扰方法应用在控制人体皮肤表面温湿度技术中，以实现对皮肤病的辅助治疗。采用基于思维进化算法优化的bp神经网络模型来实现湿度传感器的动态补偿，利用具有极强全局搜索能力的思维进化算法来优化bp神经网络。
如图1所示，本发明实施例提供了一种精确测量皮肤表面温湿度的方法，包括如下步骤：
s1，根据bp神经网络拓扑结构构建思维进化算法模型，
s2，通过对思维进化算法模型进行趋同和异化操作，达到最优运算收敛，得到改进的思维进化算法模型；
s3，对所述改进的思维进化算法模型进行全局寻优，得到权值和阈值；
s4，将得到的权值和阈值传递给bp神经网络，建立基于改进思维进化算法模型的bp神经网络模型；
s5，利用基于改进思维进化算法模型的bp神经网络模型，对湿度传感器进行动态补偿。
其中，s1可以包括如下步骤：
s101，初始化群体，群体生成：在解空间随机产生n个个体，所有个体组成一个群体，根据适应度函数计算出每个个体的得分，选择其中最优的m+t个个体作为优胜者，其中m+t≤n；
s102，子群体生成：围绕最优的m+t个优胜者，以正态分布产生
s2可以包括如下步骤：
s201，子群体趋同操作：各子群体内部个体为成为胜者而进行局部竞争，此过程为趋同过程。若一个子群体不再产生新的胜者，则竞争结束。该子群体的得分就是子群体中最优个体的得分，并把得分张贴在全局公告板上，直到所有子群体全部成熟，趋同过程结束。在每一个子群体内，采用如下的适应度函数计算每个个体对应的适应度，即每一个个体的得分：
f＝ξ-1，
其中，f为个体得分，s为训练样本数，yi(n)为实际期望值，
s202，子群体异化操作：成熟后的子群体之间为成为胜者而进行全局竞争，不断探索新的解空间，此过程为异化操作，子群体之间通过比较各自的得分，将得分低的子群体进行废弃，并释放其中个体，用得分高的子群体替换掉原优胜子群体，在解空间中不断探索新的点，生成新的子群体。
s3具体为，迭代操作，确认bp神经网络的初始权值和阈值：异化操作结束后，被释放的个体重新被新的临时子群体补充，重复步骤s2，直到适应度值小于设定误差或已达到最大迭代次数，解析输出的最优个体，不再提高或迭代结束，则认为运算收敛，输出最优个体，作为bp神经网络的初始权值和阈值。
s4具体为，bp神经网络初始化：设置网络层数、各层神经元个数，其中改进思维进化算法需要优化的权值和阈值总个数为n＝(m+1)*n+(n+1)*t，其中m为输入神经元个数，n为隐层神经元个数，t为输出层神经元个数。
s5具体为，训练bp神经网络：将优化得到的权值和阈值传递给bp神经网络，选取部分归一化样本对bp神经网络进行训练。
采用本发明提供的方法，实现了在动态温控的条件下，减少温度变化过程中引起的温湿度交叉干扰，进而精确的测量皮肤表面温湿度。本发明中的干扰修正和传感器补偿方法根据传感器本身特性以及产品结构和皮肤测量场景来实现温湿度的精确测量，算法简单有效，经过修正和补偿后，测量精度误差可以达0.2，而且可以保证设备运行稳定、可靠，达到了预目标和设计要求，取得了很好的临床使用效果。
通过采用本发明公开的上述技术方案，得到了如下有益的效果：本发明提供的精确测量皮肤表面温湿度的方法，首先根据bp神经网络拓扑结构构建思维进化算法模型，然后通过对思维进化算法进行趋同和异化操作，对收敛条件进行优化，并将改进思维进化算法全局寻优得到的权值和阈值传递给bp神经网络，建立基于改进思维进化算法的bp神经网络模型，对湿度传感器进行动态补偿。消除了在动态温控情况下，温度对湿度传感器带来的非线性影响，提高了皮肤表面温湿度测量的精确度和可靠性，使得皮肤表面的温湿度(出汗情况)调控能够有效的实施。
以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视本发明的保护范围。
- 还没有人留言评论。精彩留言会获得点赞！