改進BP算法在熱流傳感器溫度補償中的應(yīng)用*
2016-06-13 09:09:37康國煉楊遂軍葉樹亮
傳感器與微系統(tǒng) 2016年2期
康國煉， 楊遂軍， 葉樹亮
(中國計量學院 工業(yè)與商貿(mào)計量技術(shù)研究所，浙江 杭州 310018)
?
改進BP算法在熱流傳感器溫度補償中的應(yīng)用*
康國煉， 楊遂軍， 葉樹亮
(中國計量學院 工業(yè)與商貿(mào)計量技術(shù)研究所，浙江 杭州 310018)
摘要:針對帕爾貼(Peltier)熱流傳感器存在溫度漂移問題，提出了一種基于改進BP神經(jīng)網(wǎng)絡(luò)的溫度補償模型。采用BP算法的多層前饋網(wǎng)絡(luò)建立起熱流傳感器輸出電壓、實驗溫度與輸入熱流間的映射關(guān)系,又通過增加動量因子和自適應(yīng)調(diào)節(jié)學習率來提高網(wǎng)絡(luò)的收斂速度與增強網(wǎng)絡(luò)平穩(wěn)性。研究結(jié)果表明:動量因子—自適應(yīng)學習率算法溫度補償模型效果明顯。
關(guān)鍵詞：帕爾貼熱流傳感器； 動量因子； BP算法； 溫度漂移
0引言
隨著微量熱技術(shù)的發(fā)展，量熱儀在微生物、藥物、聚合物、礦物等諸多領(lǐng)域具有廣泛的應(yīng)用[1,2]。帕爾貼(Peltier)熱流傳感器是微量熱系統(tǒng)的核心部件，其本質(zhì)是半導(dǎo)體熱電堆，具有較大的電動勢輸出，因此,靈敏度很高，能檢測到μW量級的熱流，相當于的10-6℃的溫差[3]。但由于半導(dǎo)體材料具有較大的溫度系數(shù)，導(dǎo)致傳感器的零點和靈敏度具有很強的溫度依賴性[4]。為了滿足寬溫區(qū)的微量熱精度要求，需要針對溫度漂移帶來的誤差進行補償。
本文提出了一種基于改進BP算法，即動量因子—自適應(yīng)學習率算法的溫度補償模型，其利用溫度傳感器增加了溫度參數(shù)，并結(jié)合熱流傳感器提供的熱流參數(shù)建立樣本進行學習和訓(xùn)練，通過使用動量因子—自適應(yīng)學習率算法改善神經(jīng)網(wǎng)絡(luò)的收斂性并消除局部最優(yōu)，使得輸入輸出參量間的映射關(guān)系更加準確可靠，提高了熱流檢測的準確度。
1帕爾貼熱流傳感器溫度補償原理
微量量熱裝置的傳熱模型如圖1所示。
圖1 帕爾貼傳感器的傳熱模型Fig 1 Heat transfer model for Peltier sensor
圖1(a)中，樣品反應(yīng)時的溫度為Ts，熱沉溫度為Tb并保持恒溫狀態(tài)，由于溫差的存在而產(chǎn)生的熱流qs經(jīng)過仔細設(shè)計的熱流通道，幾乎毫無損失地流過熱電堆，之后，由熱沉吸收，吸收量為qb，并在熱電堆的兩端平板形成溫差ΔT，其中,ΔT=Tjs-Tjb，Tjs和Tjb分別為熱電堆兩端平板的溫度。將塞貝克效應(yīng)方程應(yīng)用到實際物理裝置可得到
V=Ri+ε(Tjs-Tjb),
(1)
(2)
式中ε為所有熱電偶節(jié)點的塞貝克系數(shù)的之和；R為所有熱電偶兩端的電阻值之和；kc為所有熱導(dǎo)率之和；π為帕爾貼系數(shù)，π=Tε，其中,T為絕對溫度。因此，可以看出：傳感器的輸出參量除了與熱流qs有關(guān)，還與內(nèi)部電流i和實驗溫度T有關(guān)。但在傳統(tǒng)微量熱裝置中，只有熱流qs與傳感器輸出電壓V建立了映射關(guān)系，因此,測量誤差較大。
圖1(b)中在熱沉位置上增加了測量實驗環(huán)境溫度的鉑熱敏電阻器，該熱敏電阻器的測溫范圍為-20～200 ℃。加入了溫度傳感器以后，將傳感器輸入?yún)⒘客卣篂闊崃鲄?shù)與溫度參數(shù)，根據(jù)式(1)和式(2)建立傳感器逆模型
h=f-1(V,t),
(3)
式中h為傳感器輸入，即目標參量;t為實驗溫度，即非目標參量;V為傳感器輸出。在使用A/D轉(zhuǎn)換芯片采集傳感器輸出電壓V時，芯片的輸入內(nèi)阻為無窮大，因此,流經(jīng)熱電堆的電流i幾乎為0，其影響可忽略。同時利用具有強大的非線性擬合和學習能力的BP神經(jīng)網(wǎng)絡(luò)建立起傳感器輸出V、環(huán)境溫度t和熱流輸入h之間的非線性映射關(guān)系。然而熱沉溫度Tb無法保持絕對恒溫，輸入熱流h帶有由實驗環(huán)境溫度波動而引起的寄生熱流噪聲，即BP網(wǎng)絡(luò)的誤差曲面包含許多極值點，使得BP網(wǎng)絡(luò)非常容易陷入局部最優(yōu)甚至無法收斂到給定誤差[5]。通過引入動量因子—自適應(yīng)學習率算法優(yōu)化網(wǎng)絡(luò)以后，可以有效解決上述問題。
2基于改進BP神經(jīng)網(wǎng)絡(luò)的溫度補償模型
2.1動量因子—自適應(yīng)學習率算法BP神經(jīng)網(wǎng)絡(luò)
BP神經(jīng)網(wǎng)絡(luò)拓撲結(jié)構(gòu)如圖2所示。
圖2 單隱層BP神經(jīng)網(wǎng)絡(luò)Fig 2 BP neutral network with single hidden layer
圖2中P為輸入矢量；R為輸入矢量的維數(shù)；S1為隱層神經(jīng)元個數(shù)；Wi為神經(jīng)元權(quán)值矩陣；ni為節(jié)點輸入；ai為輸出層節(jié)點；Wij為節(jié)點連接權(quán)值；bi為神經(jīng)元閾值；fi為各層間地傳遞函數(shù)。
網(wǎng)絡(luò)輸出的誤差為E，假如輸出誤差不在設(shè)定誤差范圍內(nèi)，則需要將誤差回傳并修改權(quán)值系數(shù)Wji(k),修改算法如下
Wji(k+1)=Wji(k)+D(k),
(4)
引入動量因子—自適應(yīng)學習率算法后，其修改權(quán)值為[6]
Wji(k+1)=Wji(k)+η(1-α)D(k)+αD(k-1),
(5)
式中η為學習率，α為帶動量因子，α∈(0,1)。從式(7)可以看出:Wji(k+1)的調(diào)整不僅與當前的修正量D(k)有關(guān)，還與上一步的修正量D(k-1)有關(guān)。引入的動量因子相當于阻尼系數(shù)，有利于減小訓(xùn)練時的振蕩趨勢。而學習率η則根據(jù)自適應(yīng)學習率算法調(diào)整[7]。當調(diào)節(jié)誤差比設(shè)定誤差大時，η通過乘以一個遞減乘因子d(0
2.2溫度補償模型
溫度補償模型如圖3所示。模型中選取熱流傳感器輸出電壓和溫度作為輸入矢量空間的兩個變量，熱流作為輸出矢量空間的單變量，為了避免量綱對輸出結(jié)果造成影響，首先對輸入輸出數(shù)據(jù)進行標準化處理，將其變換為[-1,1]區(qū)間的值。初始化神經(jīng)網(wǎng)絡(luò)參數(shù)，設(shè)置隱層神經(jīng)元個數(shù)為20，神經(jīng)元閾值為0.01，隱含層傳遞函數(shù)采用s型正切函數(shù)tansig，輸出層傳遞函數(shù)則采用線性函數(shù)pureline。動量因子為0.5，初始學習率為0.01，遞增乘因子為1.05，遞減乘因子為0.7。采用動量因子—自適應(yīng)學習率算法優(yōu)化BP神經(jīng)網(wǎng)絡(luò)，對熱流傳感器進行溫度補償。
圖3 熱流傳感器溫度補償模型Fig 3 Temperature compensation model for heat flux sensor
3帕爾傳感器溫度補償實驗
為了驗證改進BP算法溫度補償模型的效果，采用以TEP—12635熱流傳感器為核心部件的微量熱儀作為實驗對象，采集傳感器輸出電壓V，實驗溫度T以及輸入熱流功率H。實驗溫度T設(shè)定為60,80,100,120,140 ℃共5個溫度點，然后分別在不同溫度點下測量不同輸入熱流時傳感器的輸出。其中熱流由熱流校準裝置產(chǎn)生，溫度則由Pt100熱敏電阻器測量。采集的數(shù)據(jù)如表1所示。
表1 補償前傳感器輸出電壓
經(jīng)研究可以發(fā)現(xiàn):若采用標準BP算法進行網(wǎng)絡(luò)訓(xùn)練，同樣設(shè)置目標誤差為0.01，則無論如何調(diào)節(jié)學習率都難以收斂。從圖4可以看出:改進的BP算法經(jīng)過1 579次迭代即收斂到預(yù)期目標值，其均方差為0.009 994 9。
圖4 動量因子—自適應(yīng)學習率算法訓(xùn)練過程Fig 4 Training process of momentum factor-adaptivelearning rate algorithm
根據(jù)改進BP算法補償以后得到的系統(tǒng)輸出熱流值隨輸入熱流值變化的曲線如圖5所示。
圖5 改進BP算法補償效果Fig 5 Compensation effect of improved BP algorithm
表2為分別采用標準BP算法和改進BP算法進行溫度補償?shù)男ЧＴ跍囟确秶鸀?0～140 ℃，熱流檢測范圍為0～140 mW，采用標準BP算法的精度為6.6 %FS；經(jīng)過改進神經(jīng)網(wǎng)絡(luò)溫度誤差補償以后，熱流檢測的精度為0.14 %FS,溫度漂移得到有效抑制。
4結(jié)論
本文根據(jù)熱流傳感器溫度漂移特性，結(jié)合動量因子—自適應(yīng)學習率BP算法的優(yōu)點，建立了一個適用于熱流傳感器的溫度補償模型。通過采用動量因子—自適應(yīng)學習率算法削弱了網(wǎng)絡(luò)對局部誤差的敏感度，防止網(wǎng)絡(luò)陷于局部最優(yōu)，同時提高了網(wǎng)絡(luò)收斂性，使得在設(shè)定較小的目標誤差時，網(wǎng)絡(luò)也可以快速收斂。該溫度補償模型有效降低溫度對帕爾貼熱流傳感器的影響，提高了傳感器的準確性。
表2 溫度補償結(jié)果
參考文獻:
[1]Vittirio Basso,Michaela Kupferling,Carlo P Sasso,et al.A Peltier cell calorimeter for the direct measurement of isothermal entropy change in magnetic materials[J].Review of Scientific Instruments,2008,79(6):063907.
[2]Cristophe Machut,Etienne Gaviot,Pascale Godts,et al.A new Peltier sensor for measuring the thermal conductivity of fluids[J].IEEE Transactions on Instrumentation and Measurement,1998,47(2):398-402.
[3]Zhang Yichao,Jahns Thomas M.Power electronics loss measurement using new heat flux sensor based on thermoelectric device with active control[J].IEEE Transaction on Industry Application,2014,50(6):4098-4016.
[4]Haruyama T.Performance of Peltier elements as a cryogenic heat flux sensor at temperature down to 60K[J].Cryogenics,2001,41(5):335-339.
[5]龔雪飛,徐景,孫壽通,等.PSO-BP神經(jīng)網(wǎng)絡(luò)在多元有害氣體檢測中的應(yīng)用[J].傳感器與微系統(tǒng),2015,34(2):154-160.
[6]方方.基于改進BP神經(jīng)網(wǎng)絡(luò)的電力負荷預(yù)測研究[D].哈爾濱:哈爾濱工業(yè)大學,2011:30-33.
[7]Zheng Dezhi,Peng Peng,Fan Shangchuan.A research of dynamic compensation of coriolis mass flowmeter based on BP neural network[J].Instrument and Experimental Techniques,2013,56(3):365-370.
Application of improved BP algorithm in temperature compensation of heat flux sensor*
KANG Guo-lian, YANG Sui-jun, YE Shu-liang
(Institute of Industry and Trade Measurement Technique,China Jiliang University,Hangzhou 310018,China)
Abstract:Aiming at temperature drift of Peltier heat flux sensor,a temperature compensation model based on improved BP neural network is proposed.Utilizing multilayer forward network of BP algorithm to build a mapping relationship between output voltage of heat flux sensor,experimental temperature and input heat flux,and by adding momentum factor and adaptively adjust learning rate to increase convergence speed and stabilization of network.Research results show that the temperature compensation model based on momentum factor-adapted learning rate algorithm has obvious effect.
Key words:Peltier heat flux sensor; momentum factor; BP algorithm; temperature drift
DOI:10.13873/J.1000—9787(2016)02—0154—03
收稿日期：2015—06—23
*基金項目：浙江省公益技術(shù)研究社發(fā)項目(2014C33114)
中圖分類號：TP 212
文獻標識碼：A
文章編號：1000—9787(2016)02—0154—03
作者簡介:
康國煉(1990-),男，福建泉州人，碩士研究生，主要研究方向為微量熱流檢測技術(shù)。
葉樹亮，通訊作者，E—mail:itmt_paper@126.com。
