基于PID神经网络的智能温度仪表研究.pdfVIP

第23卷第2期 ’湖 北 工 业 大 学 学报 2008年4月 ofHubei of V01．23No．2 Journal UniversityTechnology Apr．2008 [文章编号]1003--4684(2008)02—0071—03 基于PID神经网络的智能温度仪表研究 ’朱 科1，刘红丽1，甄玉云1’2 (1武汉理工大学自动化学院，湖北武汉430063；2武汉理工大学智能制造与控制研究所，湖北武汉430063) [摘要]热电偶在工业测温中应用广泛，但其温度和热电势之间呈非线性关系，限制了测温精度．利用PID 神经网络前馈校正法功能，设计了智能温度仪表硬件电路来解决热电偶温度计算的精度问题．通过实验验证， 这种计算方法准确性高、实用性强． [关键词]热电偶}PID神经网络；智能温度仪表 [中图分类号]TP216．1 [文献标识码]：A 热电偶是一种广泛应用的测温传感器，但由于 热电偶的温度和热电势之间呈非线性关系，因此需 2 PID神经网络 要对其测量值进行校正，常用的校正方法有查表法 和插值法．由于查表法选取的测量点数受内存限制， PID神经网络[21将神经网络和PID控制规律融 所以大都采用插值法近似处理．然而插值法计算量 为一体，采用3层前向网络结构，其网络的输入层接 大，并带来大量测量误差．本文提出了一种基于PID 受系统给定信号，网络的隐含层实现PID运算，输 神经网络的前馈校正法，并对其硬件电路进行设计， 出层实现规律综合，实现了对热电阻测温结果的线 从而提高热电偶的测量精度． 性化校正．PID神经网络控制器的结构如图2所示． 输入层 ’ 隐含层 输出层 ● 1 热电偶 热电偶利用热电效应将被测物理量(温度)直接 转换为电势n]，是一种能量转换型传感器．将两种不 同材料的金属导体A，B串接成一个闭合回路，当两 图2 PID神经网络控制器的结构 个结点处于不同温度时，回路中就会产生热电势．热 电偶电势分布见图1． 任意样本愚时，输入层神经元的输入和输出为： A 曼!圣型 V(忌)一r(愚)‘ (1) z。(忌)一V；(惫)(i=1)． E。(L) ％(7’ 隐含层是网络的关键层，其中各神经元的输入为 f=1 图1 热电偶电势分布图 隐含层各神经元的输出函数各不相同，分别为： r1 (z’1(惫)1)， 其中：如(T，To)为A、B两种材料组成的热电 比例z7l(足)一_{V7l(忌)(一1≤z71(曼)≤1)， 偶，结点温度为T，To(TTo，To端称为冷端)时的 【一1 (z’1(惫)一1)； 热电势；EA(T，To)，E。(T，To)分别为温差电势； E加(T)，E