利用神经网络线性逼近热电偶温度-电压输出关系(参考模板).docxVIP

如不慎侵犯了你的权益, 青联系我们告知! 如不慎侵犯了你的权益, 青联系我们告知! 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-电圧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岀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e (k) =d(k)-y(k); 2.3、 AW(k)=n ￡ (k)X(k),对权值进行修正,W(k+l)=W(k) + AW(k); 说明：在本题中初始值W(0)是[wO,wl], (X：(0的数据山钳错10—钮热电偶(S 型)分度表提供如表1所示。X。代表温度值集合，子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)o权值的修正项的取值是 AW(k) = n ￡ (k)x(k)o n为学习步长，辨识过程中取n=0.06。 表1钳锂10—钳热电偶(S型)分度表