线性逼近热电偶温度-电压输出关系.docVIP

线性逼近热电偶温度-电压输出关系 利用神经网络学习算法对热电偶温度-电压非线性关系曲线进行线性逼近。 1、神经网络线性逼近原理 对于一个非线性关系不强的系统或过程（如本例），可以用线性过程去逼近它，即用线性关系来描述。本文使用的方法是神经网络学习算法，首先给出一个初始的线性关系，这个线性关系越接近现有的非线性关系越理想。再从这个非线性关系中取一组数据作为学习样本，经过若干次的学习之后可得出一条非常接近原先的非线性曲线的直线。 2、算法步骤 根据自适应神经网络学习算法给出线性逼近算法的一般步骤 2.1、给定初值W(0)，（Xp,dp）; 2.2、由输入X(k)计算出输出y(k),再计算误差ε(k)=d(k)-y(k); 2.3、ΔW(k)=ηε(k)X(k), 对权值进行修正，W(k+1)=W(k)+ ΔW(k); 说明：在本题中初始值W(0)是[w0,w1]，(Xp,dp)的数据由铂铑10—铂热电偶（S型）分度表提供如表1所示。Xp代表温度值集合，dp代表输出电压值集合。y(k)为对应输入X(k)的计算输出(X(k)取自Xp)。权值的修正项的取值是ΔW(k)=ηε(k)X(k)。η为学习步长，辨识过程中取η=0.06。 表1 铂铑10—铂热电偶（S型）分度表：ITS-90 分度号：S