BP人工神经网络在二传感器数据融合处理中应用.pdfVIP

测量与设备 BP 人工神经网络在二传感器数据融合处理中的应用 寇雪芹　师帅兵 ( 陕西西北农林科技大学机械电子工程学院 ,杨陵 712100) 　　摘 　要 　针对压力传感器对温度的交叉灵敏度 ,本文采用 BP 人工神经网络法对其进行数据融合处理 ,消除温 度对压力传感器的影响 ,大大提高了传感器的稳定性及其精度 ,效果良好。 关键词 　BP 人工神经网络 　传感器 　数据融合处理 向上 ,不断地调整网络的权值和阈值来达到的。 一、前言 BP 模型由具有多个节点的输入层、隐层和多个 通常传感器都存在交叉灵敏度 ,传感器静态特 或 1 个输出的输出层组成 ,每个节点为 1 个单独的 性不仅受某一个环境参量的影响 ,有时甚至受多个 神经元。相领两层间单向连接。 非目标参量的影响 ,性能不稳定 ,测量准确度低。 节点之间的传递函数为 S 型函数 ,即 为了提高传感器的稳定性 ,消除非目标参量对 1 f ( x) = - x ( 1) 传感器输入 —输出特性的影响 ,可采用有效的融合 1 + e 各层节点的输出按下式计算 处理方法 :多维回归分析法与神经网络法。多传感 n ( ω θ) ( ) 器信息融合技术就是通过对多个参数的监测并采用 y = f ∑ x - 2 ij i i = 0 一定的信息处理方法达到提高每一个参量测量准确 各个节点输入是由输入信息的权重 ω和阈值 θ 度的目的 ,前者需建立回归方程并求解较大规模的 连接的。式中, y 是节点输出, x i 是节点接受的信 矩阵方程。神经网络法则不必建立方程 ,直接通过 ω θ 息, ij 是相关连接权重, 为阈值, n 是节点数。 标定数据进行网络训练即可。本文针对压力传感 三、基于 BP 神经网络法的数据融合原理 器 ,为消除温度干扰量的影响 ,提高压力参量的测量 准确度 ,采用 BP 神经网络法对传感器进行数据融 1 数据融合传感器系统 合。 压力传感器的交叉灵敏度的主要因素是温度 , 本文用 BP 神经网络进行二传感器的数据融合。此 二、BP 人工神经网络介绍 系统由传感器部分和神经网络部分两大部分组成。 人工神经