GA-BP神經(jīng)網(wǎng)絡(luò)在氣壓式相對高度計中的應(yīng)用研究*

張加宏,付 洋,葛益嫻,2,顧 芳,姚佳慧,黃 秦,李 猛

(1.南京信息工程大學(xué)電子與信息工程學(xué)院,南京 210044;2.南京信息工程大學(xué),江蘇省氣象探測與信息處理重點實驗室,南京 210044;3.南京信息工程大學(xué)物理與光電工程學(xué)院,南京 210044)

?

GA-BP神經(jīng)網(wǎng)絡(luò)在氣壓式相對高度計中的應(yīng)用研究*

張加宏1,2*,付 洋1,葛益嫻1,2,顧 芳3,姚佳慧1,黃 秦1,李 猛1

(1.南京信息工程大學(xué)電子與信息工程學(xué)院,南京 210044;2.南京信息工程大學(xué),江蘇省氣象探測與信息處理重點實驗室,南京 210044;3.南京信息工程大學(xué)物理與光電工程學(xué)院,南京 210044)

為了提高相對高度測量的精確性,研究并實現(xiàn)了一種基于氣壓傳感器陣列式測量和遺傳算法(GA)優(yōu)化反向傳播(BP)神經(jīng)網(wǎng)絡(luò)數(shù)據(jù)融合處理的高精度氣壓式相對高度計,給出了相應(yīng)的硬件結(jié)構(gòu)和軟件設(shè)計。結(jié)合實驗測量的數(shù)據(jù)和相關(guān)文獻(xiàn)的數(shù)據(jù),從準(zhǔn)確性、穩(wěn)定性和通用性的角度對GA-BP神經(jīng)網(wǎng)絡(luò)、傳統(tǒng)BP神經(jīng)網(wǎng)絡(luò)以及標(biāo)準(zhǔn)計算公式在氣壓式相對高度計中應(yīng)用的性能進(jìn)行了對比分析。研究結(jié)果表明,本文提出的基于GA-BP神經(jīng)網(wǎng)絡(luò)的相對高度計具有更高的測量精度、更高的穩(wěn)定性和更好的推廣能力,能夠滿足日常相對高度的實時測量需求。

相對高度計;氣壓傳感器陣列;數(shù)據(jù)融合;遺傳算法;BP神經(jīng)網(wǎng)絡(luò)

在日常生活和生產(chǎn)過程中,相對高度(空間中任意兩點的垂直距離)對于我們來說是不可缺少的基本物理參數(shù)。精確的相對高度測量在野外探險、建筑工地高度測量、無人機和靶彈高度導(dǎo)航等領(lǐng)域都有著廣泛而重要的應(yīng)用[1-3]。一般來說,相對高度的測量方法通常有三種:(1)傳統(tǒng)的機械式直接測量;(2)利用GPS進(jìn)行測量;(3)基于氣壓傳感的電子儀器的間接計算測量。傳統(tǒng)機械測量器件的量程有限、體積大、攜帶不方便。GPS的測量雖能達(dá)到較好的精度要求,但成本較高。相比較而言,基于氣壓傳感器的相對高度計算測量具有更廣泛的實際應(yīng)用價值。

現(xiàn)階段,利用氣壓計算測量相對高度的方法大致分為兩種:一種是采用標(biāo)準(zhǔn)或改進(jìn)的氣壓高度公式計算相對高度[4-6];另一種是基于BP神經(jīng)網(wǎng)絡(luò)算法計算相對高度[7-8]。一方面,由于標(biāo)準(zhǔn)或改進(jìn)的氣壓高度公式的固有缺陷性,測量點環(huán)境因素的變化對其計算測量的結(jié)果影響很大。另一方面,對于基于BP神經(jīng)網(wǎng)絡(luò)算法求得的相對高度值雖然已經(jīng)明顯減小了測量誤差,但仍不能達(dá)到氣壓傳感芯片的最小誤差值,補償效果未達(dá)到最佳。為了獲得更精確和更穩(wěn)定的相對高度測量值,本文對傳統(tǒng)的基于氣壓傳感器的高度測量系統(tǒng)進(jìn)行硬件和算法的兩大優(yōu)化。本文利用BMP085氣壓傳感器,硬件上采用陣列式(用傳感器組成3×3的方陣)測量方式,軟件上采用基于GA優(yōu)化的BP神經(jīng)網(wǎng)絡(luò)算法[9-10],并通過大量測試實驗從準(zhǔn)確性、穩(wěn)定性、通用性以及橫向比較方面驗證了GA-BP算法在相對高度計算測量上的優(yōu)越性。本文通過低功耗的MSP430F149微控制器和低成本BMP085氣壓傳感器構(gòu)成了更高精度的相對高度測量系統(tǒng),因而具有更好的應(yīng)用價值。

1 氣壓式相對高度計的硬件設(shè)計

本文設(shè)計的氣壓式相對高度計的整個硬件系統(tǒng)如圖1所示,它由BMP085數(shù)字氣壓傳感器陣列[11],MSP430F149微控制器[12]以及其它外圍電路模塊所構(gòu)成。

圖1 氣壓式相對高度計的系統(tǒng)方框圖

1.1 BMP085氣壓傳感器及其陣列式測量

BMP085是由德國BOCSH公司生產(chǎn)的基于MEMS技術(shù)的氣壓傳感器[8,11]。其壓力測量范圍為30 kPa～110 kPa(相當(dāng)于海拔高度-0.5 km～9 km),溫度測量范圍為-40 ℃～+85 ℃,分辨率可達(dá)0.03 hPa(0.25 m),符合氣壓式相對高度計的開發(fā)和應(yīng)用需求。如圖1所示,為了提高測量精度,本文將9個BMP085傳感器布置成3×3的陣列進(jìn)行數(shù)據(jù)測量,每個傳感器多次測量先做限幅平均處理,再去除陣列中最大值與最小值之后取平均值作為測量結(jié)果,提供給GA-BP神經(jīng)網(wǎng)絡(luò)進(jìn)行數(shù)據(jù)融合。這種陣列式平均測量方法不僅減小了出廠誤差的影響,而且會減小傳感器本身隨機誤差的影響,有助于改善測量系統(tǒng)的精度。

1.2 主控制器MSP430F149及其外圍電路

如圖1所示,微控制器是整個測量系統(tǒng)的核心,負(fù)責(zé)傳感器數(shù)據(jù)的處理以及算法網(wǎng)絡(luò)的實現(xiàn),并控制液晶屏顯示,且能與電腦進(jìn)行信息傳遞方便數(shù)據(jù)保存和展示。本文中MSP430F149[12]通過I2C總線接口從BMP085獲得測量的氣壓值和溫度值以及溫度補償數(shù)據(jù)。通過微控制器進(jìn)行數(shù)據(jù)計算并在液晶屏上顯示出氣壓和溫度。進(jìn)一步通過帶有已訓(xùn)練好的BP神經(jīng)網(wǎng)絡(luò)或GA-BP神經(jīng)網(wǎng)絡(luò)的微處理器計算出相對高度值,可以利用按鍵來切換兩種預(yù)測網(wǎng)絡(luò),并將輸出結(jié)果在液晶屏上顯示。為了方便顯示結(jié)果,系統(tǒng)實時輸出的氣壓、溫度、相對高度值還可通過串口通信(UART)送至PC機保存并利用上位機管理分析軟件以圖表的形式展示出來,以便得到更加詳細(xì)的處理。

圖2 相對高度計的工作流程圖

2 氣壓式相對高度計的軟件設(shè)計

氣壓式相對高度計的軟件設(shè)計是基于IAR Embedded Workbench和MATLAB軟件,程序采用模塊化的設(shè)計思路。最終程序分5個模塊進(jìn)行設(shè)計,分別為:系統(tǒng)初始化以及設(shè)備的初始化、I2C口通信、標(biāo)準(zhǔn)氣壓高度計算公式和傳統(tǒng)的BP神經(jīng)網(wǎng)絡(luò)算法、GA-BP神經(jīng)網(wǎng)絡(luò)算法、數(shù)據(jù)的發(fā)送保存和展示。氣壓式相對高度測量系統(tǒng)的整體軟件設(shè)計思路如圖2所示,下面分別對這5個模塊進(jìn)行闡述。

2.1 系統(tǒng)初始化以及設(shè)備的初始化

系統(tǒng)上電復(fù)位后,單片機系統(tǒng)及外設(shè)進(jìn)行初始化。系統(tǒng)初始化包含時鐘初始化,端口初始化,液晶顯示初始化,串口初始化,BMP085傳感器陣列初始化以及關(guān)閉看門狗。

2.2 I2C口通信

MSP430F149通過IO端口模擬I2C口通信,通過I2C口通信將所測出的氣壓和溫度數(shù)值以及11個補償參數(shù)傳送到微控制器進(jìn)行處理,進(jìn)而得出基本溫度補償以后的氣壓和溫度值[8,11]。此時可引入標(biāo)準(zhǔn)氣壓高度計算公式或BP神經(jīng)網(wǎng)絡(luò)自學(xué)習(xí)算法來計算相對高度值。由于相關(guān)文獻(xiàn)資料較多[4-8],下面僅對這兩種方法作簡要說明。

2.3 標(biāo)準(zhǔn)氣壓高度計算公式和傳統(tǒng)BP神經(jīng)網(wǎng)絡(luò)算法

根據(jù)氣壓測高原理,在標(biāo)準(zhǔn)大氣條件下,標(biāo)準(zhǔn)氣壓高度H與氣壓P之間的關(guān)系如下式[4-6]:

(1)

其中,R代表空氣專用氣體常數(shù),g表示自由落體加速度,β表示氣溫垂直變化率,T0、P0、H0分別為參考平面的溫度、氣壓值和高度,上述參數(shù)都為已知值。日常氣壓高度計就是利用氣壓傳感器測量大氣壓力,再根據(jù)(1)式大氣壓強與高度的函數(shù)關(guān)系來確定高度值。但利用標(biāo)準(zhǔn)氣壓高度公式的測高方法容易受到大氣溫度、重力場、緯度、季節(jié)等因素的影響。

圖3 傳統(tǒng)BP神經(jīng)網(wǎng)絡(luò)的拓?fù)浣Y(jié)構(gòu)圖

傳統(tǒng)BP神經(jīng)網(wǎng)絡(luò)[7-8,13]是一種按誤差逆?zhèn)鞑ニ惴ㄓ?xùn)練的多層前饋網(wǎng)絡(luò),根據(jù)預(yù)測誤差調(diào)整網(wǎng)絡(luò)權(quán)值和閾值,從而使BP神經(jīng)網(wǎng)絡(luò)預(yù)測輸出不斷逼近期望輸出。如圖3所示,輸入層的2個節(jié)點分別對應(yīng)于壓力信號P和溫度信號T。W1、W2、W3、b、a分別為各層與各點之間的權(quán)值和閾值[8]。輸出層節(jié)點對應(yīng)于相對高度預(yù)測值ΔH。根據(jù)圖3可得ΔH的BP神經(jīng)網(wǎng)絡(luò)計算表達(dá)式為

ΔH=purelin{tansig(P·W1+T·W2+b)·W3T+a}

(2)

其中W3T是W3的倒置矩陣。由此得到BP網(wǎng)絡(luò)實際測算的相對高度值[7-8]。詳細(xì)的BP神經(jīng)網(wǎng)絡(luò)模型在MATLAB中的建立以及訓(xùn)練過程可參見文獻(xiàn)[8],這里不再贅述。

2.4 GA-BP神經(jīng)網(wǎng)絡(luò)原理及實現(xiàn)

2.4.1 GA-BP神經(jīng)網(wǎng)絡(luò)算法原理

如圖4所示,GA-BP神經(jīng)網(wǎng)絡(luò)算法的基本思想是[9-10,14]:首先用遺傳算法對BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)、初始連接權(quán)值、初始閾值等進(jìn)行優(yōu)化設(shè)計,具體的要素包括種群初始化、適應(yīng)度函數(shù)的確定、選擇操作、交叉操作和變異操作,在解空間中定位出較好的搜索空間。然后用BP神經(jīng)網(wǎng)絡(luò)算法在這些小的解空間中對網(wǎng)絡(luò)的連接權(quán)值和閾值再次尋優(yōu),搜索出最優(yōu)解(最適應(yīng)度的權(quán)值和閾值),在最優(yōu)化的權(quán)值和閾值的條件下進(jìn)行BP神經(jīng)網(wǎng)絡(luò)的訓(xùn)練,得出更精確的測量網(wǎng)絡(luò),從而能夠更好地預(yù)測函數(shù)的輸出。下文中將通過大量實驗研究從準(zhǔn)確性、穩(wěn)定性、通用性以及橫向比較方面驗證了GA-BP神經(jīng)網(wǎng)絡(luò)算法在相對高度測量應(yīng)用上的優(yōu)越性。

圖4 GA-BP神經(jīng)網(wǎng)絡(luò)算法實現(xiàn)流程圖

2.4.2 訓(xùn)練數(shù)據(jù)預(yù)處理

本文利用南京信息工程大學(xué)2號學(xué)科樓實際樓層的(以下簡稱南信大2號學(xué)科樓)直接測量數(shù)據(jù)對神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練。南信大2號學(xué)科樓一共五層,每層高度平均約為4.046 5 m,總高度約為20.232 3 m。為了方便測量,選擇樓梯作為測試地點,將第一層的地面作為測試基點(即測試零點),選取了26處相對高度測試地點,并且利用皮尺測量各個測試點的高度作為相對高度真實值。同時利用本文設(shè)計的3×3的氣壓傳感器陣列在每個測試地點采集8次測量樣本,先對每個傳感器8次測量值做限幅平均處理,再去除陣列中最大值與最小值之后取平均值作為每個測試地點的氣壓值和溫度值(其中氣壓值精確到0.001 hPa,溫度精確到0.01 ℃),并記錄下每個測試地點的相對高度真實值ΔH(精確到0.000 1 m),最后將每個測試點的組號,氣壓值P/hPa,溫度值T/℃,相對高度ΔH記錄保存到PC機中,方便數(shù)據(jù)的使用和驗證,具體的訓(xùn)練數(shù)據(jù)見表1。

表1 神經(jīng)網(wǎng)絡(luò)的訓(xùn)練數(shù)據(jù)

2.4.3 GA-BP神經(jīng)網(wǎng)絡(luò)模型在MATLAB中的建立以及訓(xùn)練

遺傳算法優(yōu)化的BP神經(jīng)網(wǎng)絡(luò)[9-10,14]算法分為BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)確定、遺傳算法優(yōu)化和神經(jīng)網(wǎng)絡(luò)預(yù)測(本文將建立好的參數(shù)存入微控制器中進(jìn)行數(shù)據(jù)融合處理)3部分。GA-BP神經(jīng)網(wǎng)絡(luò)預(yù)測模型在MATLAB中建立與訓(xùn)練的具體步驟如下:

①數(shù)據(jù)選擇和歸一化。

首先將訓(xùn)練數(shù)據(jù)取出,然后直接在MATLAB中調(diào)用mapminmax函數(shù)將數(shù)據(jù)進(jìn)行歸一化。

②BP神經(jīng)網(wǎng)絡(luò)的建立。

直接調(diào)用MATLAB中的newff函數(shù)建立一個3層的BP神經(jīng)網(wǎng)絡(luò)。

③遺傳算法優(yōu)化。

遺傳算法通過選擇、交叉和變異操作找到最有適應(yīng)度值對應(yīng)個體。直接調(diào)用MATLAB的選擇函數(shù)select,交叉函數(shù)Cross和變異函數(shù)Mutation。并設(shè)置遺傳算法的參數(shù):種群規(guī)模10,進(jìn)化次數(shù)20,交叉率0.4,變異率0.2。這樣,經(jīng)過以上遺傳算法優(yōu)化,就得到了BP神經(jīng)網(wǎng)絡(luò)誤差最小最優(yōu)化的一組完整初始權(quán)值和閾值。

④BP神經(jīng)網(wǎng)絡(luò)的訓(xùn)練。

將最優(yōu)化的權(quán)值和閾值輸出后送給BP神經(jīng)網(wǎng)絡(luò)。運用train函數(shù)對網(wǎng)絡(luò)進(jìn)行訓(xùn)練。

⑤BP神經(jīng)網(wǎng)絡(luò)的保存。直接調(diào)用MATLAB的語句save將建立好的網(wǎng)絡(luò)進(jìn)行保存。

上述的GA-BP神經(jīng)網(wǎng)絡(luò)模型建立后,利用之前實際測量得到的樣本庫中訓(xùn)練數(shù)據(jù)進(jìn)行訓(xùn)練,訓(xùn)練完成后再保存網(wǎng)絡(luò)中得到的相應(yīng)的權(quán)值和閾值,本文中它們分別為:

aGA=0.3334

根據(jù)以上的遺傳算法優(yōu)化過的權(quán)值和閾值,以及采用的訓(xùn)練函數(shù),可以得出ΔH的GA-BP神經(jīng)網(wǎng)絡(luò)計算表達(dá)式為:

(3)

2.5 數(shù)據(jù)的發(fā)送保存與展示

為方便對所測氣壓值和溫度數(shù)據(jù)進(jìn)行分析和驗證,通過UART串口將數(shù)據(jù)傳輸?shù)絇C上位機保存和進(jìn)一步處理[15],例如,可以通過畫圖軟件將數(shù)據(jù)以圖形曲線的方式展現(xiàn)出來。下面我們將從準(zhǔn)確性、穩(wěn)定性和通用性三個不同的角度,以圖形曲線形式來清晰直觀地展示本文提出的基于GA-BP神經(jīng)網(wǎng)絡(luò)數(shù)據(jù)融合處理的氣壓式相對高度計的優(yōu)勢。

3 實驗驗證與性能比較分析

3.1基于GA-BP神經(jīng)網(wǎng)絡(luò)算法的氣壓式相對高度計準(zhǔn)確性驗證分析

采用本文提出的基于GA-BP算法的氣壓式相對高度計計算測量南信大2號學(xué)科樓其他空間點的相對高度值,具體在其他地點測量的驗證數(shù)據(jù)如表2所示,這18組用來驗證準(zhǔn)確性的溫度值和壓強值數(shù)據(jù)均是在南信大2號學(xué)科樓各個地點隨機采集所得。

表2 基于GA-BP算法的相對高度計測量相對高度的驗證數(shù)據(jù)

從表2中的數(shù)據(jù)不難發(fā)現(xiàn),隨著氣壓的降低,相對高度值沒有異常突變而是逐漸上升的。為了驗證GA-BP神經(jīng)網(wǎng)絡(luò)的準(zhǔn)確性,將基于GA-BP算法的相對高度計輸出值與真實值、基于BP神經(jīng)網(wǎng)絡(luò)的相對高度計輸出值以及標(biāo)準(zhǔn)氣壓下的標(biāo)準(zhǔn)公式計算出的相對高度值進(jìn)行對比研究,實驗對比結(jié)果如圖5所示。從圖5(a)可以看到,在18個測試地點,基于GA-BP算法的相對高度計的測量值在整體上都更符合真實值,因而更加精確,誤差更小。如圖5(b)所示,經(jīng)過定量計算,本文提出的GA-BP網(wǎng)絡(luò)相對高度計的測算值與相對高度真實值之間的整體絕對誤差為0.217 4 m,比BP網(wǎng)絡(luò)測量系統(tǒng)整體絕對誤差0.351 0 m和標(biāo)準(zhǔn)公式絕對誤差0.755 6 m都小,這些實驗數(shù)據(jù)驗證了基于GA-BP網(wǎng)絡(luò)的氣壓式相對高度計具有更高的準(zhǔn)確性。

圖5 基于GA-BP算法的相對高度計與真實值、BP神經(jīng)網(wǎng)絡(luò)測量系統(tǒng)和標(biāo)準(zhǔn)公式計算值的準(zhǔn)確性比較

3.2基于GA-BP神經(jīng)網(wǎng)絡(luò)算法的氣壓式相對高度計穩(wěn)定性分析

為了驗證基于GA-BP神經(jīng)網(wǎng)絡(luò)的氣壓式相對高度計具有更高的穩(wěn)定性,能夠顯著削弱風(fēng)速、溫度和濕度等外界因素對相對高度測試結(jié)果的影響,我們在不同的風(fēng)速、溫度和濕度環(huán)境下測試了14組數(shù)據(jù)進(jìn)行系統(tǒng)的穩(wěn)定性分析,測試數(shù)據(jù)見表3。

表3 不同溫度、風(fēng)速和濕度等環(huán)境下,測量的氣壓值、溫度值和相對高度值

隨機在該組數(shù)據(jù)中抽出6組數(shù)據(jù)放入已經(jīng)訓(xùn)練好的BP神經(jīng)網(wǎng)絡(luò)和GA-BP神經(jīng)網(wǎng)絡(luò)進(jìn)行再次訓(xùn)練,并將再次訓(xùn)練后的網(wǎng)絡(luò)來計算剩余的8組數(shù)據(jù),將相對高度真實值與GA-BP算法數(shù)據(jù)融合值、BP神經(jīng)網(wǎng)絡(luò)數(shù)據(jù)融合值和標(biāo)準(zhǔn)公式計算值進(jìn)行比較分析,結(jié)果如圖6所示。從圖6(a)中不難發(fā)現(xiàn),在氣壓較高的測試地點,三種方法的測算值與相對高度真實值之間的誤差均很小,而隨著高度的上升,標(biāo)準(zhǔn)公式的計算值嚴(yán)重低估了相對高度值。相對于BP神經(jīng)網(wǎng)絡(luò)數(shù)據(jù)融合值,GA-BP算法數(shù)據(jù)融合值在整體上更接近真實值。圖6(b)具體給出了三種方法與真實值之間的絕對誤差,可明顯看出不同溫度、濕度和風(fēng)速條件下,基于GA-BP算法數(shù)據(jù)融合的相對高度計的絕對誤差都最小,整體誤差為0.431 3 m,準(zhǔn)確性最高,比傳統(tǒng)BP神經(jīng)網(wǎng)絡(luò)和標(biāo)準(zhǔn)公式測算值的精確度分別提高了63.73%和260.97%,這說明基于GA-BP算法的相對高度計能更好地削弱周圍環(huán)境因素對測量精度的影響,可見GA-BP算法在氣壓式相對高度計中的應(yīng)用具有更好的穩(wěn)定性。

圖6 基于GA-BP算法的相對高度計與真實值、BP神經(jīng)網(wǎng)絡(luò)測量系統(tǒng)和標(biāo)準(zhǔn)公式計算值的穩(wěn)定性比較

3.3基于GA-BP神經(jīng)網(wǎng)絡(luò)算法的氣壓式相對高度計通用性分析

為了驗證基于GA-BP神經(jīng)網(wǎng)絡(luò)數(shù)據(jù)融合處理的相對高度計的應(yīng)用具有好的通用性和推廣能力,測試網(wǎng)絡(luò)不僅針對訓(xùn)練數(shù)據(jù)的樓層有好的精確性,對其他地點的相對高度測量同樣需要具有較好的精確性。以南信大暉園14棟為例,在14棟隨機地點對氣壓、溫度和相對高度進(jìn)行測量,選取13組數(shù)據(jù)對基于GA-BP神經(jīng)網(wǎng)絡(luò)的相對高度計的通用性進(jìn)行驗證。采用類似的方式,分別可得GA-BP神經(jīng)網(wǎng)絡(luò)、BP神經(jīng)網(wǎng)絡(luò)和標(biāo)準(zhǔn)公式計算的相對高度值,并將它們與相對高度真實值進(jìn)行對比分析,實驗結(jié)果如圖7所示,不難發(fā)現(xiàn),基于GA-BP算法的相對高度計比其他兩種方式輸出值的誤差都要小,具體地,其整體誤差為0.328 7 m,比傳統(tǒng)BP神經(jīng)網(wǎng)絡(luò)和標(biāo)準(zhǔn)公式計算值的整體誤差要分別小0.250 1 m和0.817 3 m,這驗證了基于GA-BP算法的相對高度計具有更好的準(zhǔn)確性和通用性,因而具有更好的市場推廣能力。

圖7 基于GA-BP算法的相對高度計與真實值、BP神經(jīng)網(wǎng)絡(luò)測量系統(tǒng)和標(biāo)準(zhǔn)公式計算值的通用性比較

圖8 基于GA-BP算法的相對高度計與真實值、基于BP神經(jīng)網(wǎng)絡(luò)和標(biāo)準(zhǔn)公式計算的相對高度測量系統(tǒng)的橫向比較

3.4基于GA-BP神經(jīng)網(wǎng)絡(luò)算法的氣壓式相對高度計優(yōu)越性的橫向比較

為了進(jìn)一步驗證基于GA-BP神經(jīng)網(wǎng)絡(luò)的相對高度計相對于傳統(tǒng)方式(BP神經(jīng)網(wǎng)絡(luò)以及標(biāo)準(zhǔn)公式計算)有更好的優(yōu)勢。將文獻(xiàn)[8]中的測量數(shù)據(jù)進(jìn)行GA-BP神經(jīng)網(wǎng)絡(luò)訓(xùn)練和計算。在同樣的條件下,將GA-BP算法測算值與真實值、BP神經(jīng)網(wǎng)絡(luò)測算值和標(biāo)準(zhǔn)公式計算值進(jìn)行比較分析。從圖8中可清楚看出,基于GA-BP神經(jīng)網(wǎng)絡(luò)的相對高度計的整體相對誤差為1.95%,比傳統(tǒng)BP神經(jīng)網(wǎng)絡(luò)和標(biāo)準(zhǔn)公式計算值的整體相對誤差4.62%和9.01%都要小,因而有著更優(yōu)越的精確度。

綜上所述,本文提出的基于BMP085陣列測量及GA-BP神經(jīng)網(wǎng)絡(luò)數(shù)據(jù)融合處理的優(yōu)化方法,進(jìn)一步減小了氣壓式相對高度計的測量誤差,增強了系統(tǒng)穩(wěn)定性,拓展了該儀器的使用范圍,具有一定的推廣價值。鑒于采用陣列式平均測量方法,并且每個傳感器都多次測量數(shù)據(jù)通過I2C總線傳輸給微處理器進(jìn)行平均處理,因而需要一定的時間開銷,最終實際測試結(jié)果表明本文設(shè)計的氣壓式相對高度計的測試數(shù)據(jù)更新時間約為4.15 s,系統(tǒng)的實時性可以通過采用處理速度更快的微處理器和適當(dāng)減小每個傳感器的測量次數(shù)來提高。

4 結(jié)束語

本文研究并實現(xiàn)了一種基于氣壓傳感器陣列式測量和GA-BP神經(jīng)網(wǎng)絡(luò)數(shù)據(jù)融合處理的高精度氣壓式相對高度計,從硬件設(shè)計和軟件算法數(shù)據(jù)處理兩個方面減少了基于氣壓測量原理的相對高度計的測量誤差。并且結(jié)合實驗測量和相關(guān)文獻(xiàn)實測數(shù)據(jù),通過詳細(xì)的對比分析研究驗證了本文提出的基于GA-BP神經(jīng)網(wǎng)絡(luò)的相對高度計具有較高的準(zhǔn)確性、穩(wěn)定性和通用性,能夠滿足日常相對高度的實時測量需求,具有較強的市場推廣價值。同時本文研究結(jié)果也為同類的電子產(chǎn)品研發(fā)和應(yīng)用提供了一定的參考。

[1] 嚴(yán)廣斌,劉紹堂.工程測量中高度測量方法[J].中州煤炭,2004,(3):45-46.

[2]謝勇,陳照海,陳萬法.某無人直升機高度測量系統(tǒng)融合方法[J].兵工自動化,2010,29(2):85-90.

[3]汪海,孫力,閆杰.某型靶彈高度導(dǎo)航系統(tǒng)的設(shè)計[J].計算機測量與控制,2009,17(7):1328-1336.

[4]王俊彩,王福平,侯瑞峰,等.基于BMP085的一種便攜式海拔高度測量系統(tǒng)[J].傳感器與微系統(tǒng),2011,30(12):123-125.

[5]胡正群,張麗榮.差分氣壓測高在室內(nèi)定位系統(tǒng)中應(yīng)用的性能分析[J].傳感技術(shù)學(xué)報,2012,25(10):1463-1467.

[6]Ai Guoxiang,Sheng Peixuan,Du Jinlin,et al.Barometric Altimetry System as Virtual Constellation Applied in CAPS[J].Science in China Series G:Physics Mechanics and Astronomy,2009,52(3):376-383.

[7]Thomas B,Volker D,Reinhart J.Sensor Fusion by Neural Network Using Spatially Represented Information[J].Biological Cybernetics,2001,85(5):371-385.

[8]梁勝展,郭雪梅,余曉填.基于BMP085氣壓傳感器及BP算法的高度測量研究與實現(xiàn)[J].傳感技術(shù)學(xué)報,2013,26(5):654-659.

[9]Bahram G K.Using Neural Network and Genetic Algorithm to Enhance Performance in an Electronic Nose[J].IEEE Transactions on Biomedical Engineering,1999,46(4):4292439.

[10]嚴(yán)浙平,李滋,陳濤,等.基于GA-BP神經(jīng)網(wǎng)絡(luò)的UUV航向容錯控制[J].傳感技術(shù)學(xué)報,2013,26(9):1236-1242.

[11]BOSCH S.BMP085 Digital Presure Sensor Data Sheet[EB/OL].[2009-10-15].http://www.bosch-sensortec.com.

[12]葛益嫻,楊博,張加宏,等.基于MSP430單片機的低功耗智能輪胎監(jiān)測系統(tǒng)設(shè)計.科學(xué)技術(shù)與工程,2013,13(16):4529-4533.

[13]Xiao Z,Ye S J,Zhong B,et al.BP Neural Network with Rough Set for Short Term Load Forecasting[J].Expert Systems with Applications,2009,36(1):273-279.

[14]劉國華,包宏,李文超.用MATLAB實現(xiàn)遺傳算法程序[J].計算機應(yīng)用研究,2001,(8):80-82.

[15]于小強,楊搖暉,楊海馬,等.基于紅外通信的無線傳感節(jié)點在漏纜檢測中的應(yīng)用[J].傳感技術(shù)學(xué)報,2014,27(1):149-152.

張加宏(1979-),男,博士,南京信息工程大學(xué)電子與信息工程學(xué)院副教授,碩士研究生導(dǎo)師,主要從事微納電子機械系統(tǒng)與氣象傳感器探測技術(shù)等相關(guān)研究工作,zjhnuist@163.com;

付洋(1993-),男,南京信息工程大學(xué)電子與信息工程學(xué)院本科生,獲得“TI”杯江蘇省大學(xué)生電子設(shè)計競賽二等獎1項,研究方向為電子設(shè)計與數(shù)據(jù)融合技術(shù),1471410069@qq.com。

TheStudyontheApplicationofGA-BPNeuralNetworkinthePneumaticPressure-TypeRelativeAltimeter*

ZHANGJiahong1,2*,FUYang1,GEYixian1,2,GUFang3,YAOJiahui1,HUANGQin1,LIMeng1

(1.School of Electronic and Information Engineering,Nanjing University of Information Science and Technology,Nanjing 210044,China;2.Jiangsu Key Laboratory of Meteorological Observation and Signal Processing,Nanjing University of Information Science and Technology,Nanjing 210044,China;3.School of Physics and Optoelectronic Engineering,Nanjing University of Information Science and Technology,Nanjing 210044,China)

In order to improve the accuracy of the relative height measurement,a high-precision pneumatic relative altimeter has been studied and implemented through pressure sensor-array measurements and data fusion with an optimizing back propagation(BP)neural network algorithm based on genetic algorithm(GA).The corresponding hardware and software designs have been provided as well.Combined with experimental measured data and relevant literature data,the application performances of the GA-BP neural network,the traditional BP neural network and standard formulas in the pneumatic relative altimeter were compared and analyzed in term of accuracy,stability and versatility.The results show that the proposed pneumatic relative altimeter based on GA-BP neural network has higher accuracy,higher stability and better ability to promote,and it can meet the daily needs of real-time measurement for the relative height.

relative altimeter;pneumatic pressure sensor-array;data fusion;genetic algorithms;BP neural network

項目來源:國家自然科學(xué)基金項目(61306138,61307113,61307061);江蘇省自然科學(xué)基金項目(BK2012460);南京信息工程大學(xué)大學(xué)生實踐創(chuàng)新訓(xùn)練計劃項目(201310300100);南京信息工程大學(xué)實驗室開放項目(13KF027)

2014-03-16修改日期:2014-06-25

10.3969/j.issn.1004-1699.2014.07.026

TP212;TP391

:A

:1004-1699(2014)07-1002-07