基于径向基神经网络的乙醇气体检测仪仿真分析.pdf

2010年 5月 郑 州 大 学 学 报 (工 学 版 ) Mav 2010 第31卷 第 3期 JournalofZhengzhouUniversity(EngineeringScience) V01．31 No．3 文章编号 ：1671—6833(2010)03—0061—04 基于径向基神经网络的乙醇气体检测仪仿真分析 琚新刚 ，郭海鸥 ，郭 敏 (1．郑州大学 物理工程学院，河南 郑州 450001；2．河南教育学院 电路与系统重点学科 ，河南 郑州 450046) 摘 要 ：以乙醇气体检测仪的算法设计为例 ，采用径向基神经 网络 ，对 34组 乙醇气体浓度检测实验取 得 的标定数据进行拟合 ，即在 Matlab环境下 ，利用径向基 函数进行 网络设计 、仿真分析．结果显示。基于 径向基 网络的算法数据存储量小，并具有较好的误差性能，满足系统的误差要求，同时，网络 的训练 时间 短 ，收敛速度快． 关键词 ：径向基函数 ；神经 网络 ；曲线拟合 ；Matlab仿真 中图分类号 ：TP391．9 文献标识码 ：A RBF网络是一种高速并且具 有全局逼近 能 0 引言 力的前馈反向传播网络 ，具有两个 网络层：隐层为 近年来 ，在智能检测仪器设计领域 中应用较 RBF层 ；输 出层为一线性层 ，其网络结构如图1所 多的网络模型是 BP(BackPropagation，反 向传播) 示 ． 神经 网络 ，该 网络采用误差反 向传播 的梯度算 RBF层神经元个数为 Js，输 出层神经元个数 法… ，存在 固有的缺 陷，如学习过程长 ，容易陷入 为 s，P为网络输入矢量，维数为 ，w 、w 分别 局部极小点 ，隐层节点数的选取无理想 的规则可 为径向基层、输出层 的权值矢量矩阵 ，6、b 分别 循 ，从而导致无法确定合适 的初始网络参数及拓 为径向基层、输出层的域值矢量，，l、，l分别为径 扑结构等等 ．由此 ，人们提 出了RBF(RadialBa— 向基层、输出层的中间输出矢量 ，a、‘a分别为径 sisFunction，径 向基函数)神经网络，它利用 了插 向基层 、输出层的输出矢量．径向基层的作用函数 值法的研究成果 ，采用 了前馈的结构 ，可以根据问 I厂(·)为高斯函数 ，输出层 的作用函数g(·)为线 题确定相应的网络拓扑结构，学习速度快 ，不存布 性函数 ：g()= ． 局部极小问题．显示出 比BP神经网络更 强的生 用 Matlab函数表示网络的响应为 命力 ，在越来越多的领域内成为替代 BP神经 网 a =purelin(w a +西)， 络的一种新型网络 ． 其 中， a =radbas(，l)． 在乙醇气体浓度检测仪的设计 中，最为关键 而 n = 1『 一P Il · 6 =(diag(( 一ones 的算法设计部分要对既得 的离散的实验标定数据 (S，1) P) (W 一ones(S，1) P )) · 进行拟合 ，以便在实际测量 中精确测出随机连续 0．5．；l：b ． 的输入值所对应的输 出值．与传统算法相 比，采用 给定输入矢量P1、P2、…、Pn后 ，RBF神经元 RBF神经网络算法可以实现精确拟合 ，并且数据 将根据输人向量与每个神经元权值的距离输 出一 存储量小 ，兼具训练收敛速度快的优点．同时，利 个值 ，距离远的其输出值趋近于0，对输 出层的影 用 Matlab既有的 RBF网