基于MATLAB7.0的信号调制与解调分析.pdfVIP

32 山西电子技术 2606年 3)隐含层到输出层采用R(x)一Yk的线性映射，即式系统的反馈信号直接影响系统的工况，因此只对测量系统输 (2)： 出的传感器进行信号补偿。假设t时刻测量系统输出的传 ?l弋 感器发生故障，由于主网的输入是t时刻之前的信号(即正 挑=乙训水f(z)，五=l，2，…，户 (2) f=1 确信号)，所以主网的输出是传感器t时刻正确的信号，此信 式中，yk为第k个输出层节点的输出；wi为第i个隐层节点 号与故障传感器的信号必然有较大的差值，当此差值超过阈 到第k个输出层节点的权值；p为输出层节点个数L4j。 值，系统报警，完成传感器故障的检测。对于与故障传感器 从理论上可知，通过增加隐层单元的数目来使性能指标 对应的子网，同理也会报警。但是除故障传感器以外，其它 小于给定误差，从而达到不断提高拟合精度。然而在实际应 的传感器的输入是t时刻以前的正确值，其输出正确，而t时 用中，如果隐层单元的数目取得太大就可能造成模型的冗余 刻，这些传感器的输出是系统正常时的信号，所以除故障传 和数值病态的出现。因此必须采用有效方法进行网络中心 感器对应的子网报警外，其余的子网不会报警，这就完成了 的选择和网络权值的确定。 传感器故障的定位。最后，用故障传感器对应子网的输出代 1)用聚类分析法来选择RBF网络中心。选出了砒狙替该传感器的输出就完成了传感器故障的补偿，使用神经网 网络的中心后，权值的确定就成为关于参数线性化的问题 络可以完成传感器故障的检测、分离和补偿【6J。 了。可采用最小二乘法来确定网络权值。此种方法的优点 4 RBF神经网络用于高分子湿度传感器软故障的 是中心容易确定，计算时间短，不易出现数值病态。缺点是 实例分析 RBF中心的选择与权值的确定分离，且不能保证得到的中 根据症状，传感器的故障类型可以分为硬故障和软故 心是最佳的。 障。硬故障，是指传感器出现硬件不可恢复性损坏；软故障， ． 2)用正交化方法将最小二乘问题用正交化算法进行正 是指传感器出现因某种因索误差变大、温度漂移显著、恶劣 交化。在完成RBF神经网络全部中心选择的同时，权值也 环境下精度降低等现象。由于高分子湿度传感器的测量精 被确定。正交化方法的优点在于可保证选出最佳的样本点 度易受温度的影响(传感器软故障之一)，尽管厂家根据不同 作为中心。其缺点是当样本点数量较大时，正交化的工作量 温度下的传感器输出与实际相对湿度关系给出了温度补偿 很大，计算时间很长，且常常有数值病态发生。比较理想的 公式，可将大部分误差补偿，但实际应用中，在高温高湿下补 方法是将聚类法和正交化法相结合，即用聚类法进行初选， 偿公式己不起作用。利用本文所述的理论与方法，采用RBF 再采用正交化方法进行精选，并同时确定网络的权值L5J。 神经网络，建立起高分子湿度传感器的数学模型及硬件电 3传感器故障的检测、定位和补偿 路。图3为其硬件电路原理图。其中AD590为温度传感