本文關鍵詞：鉑電阻Pt100特性數(shù)學模型，由筆耕文化傳播整理發(fā)布。

鉑電阻Pt100特性數(shù)學模型

傳感器技術第２２卷

誤差函數(shù)為ｅ（女）＝，（救），（。女），（女＝０，１，…，Ⅲ一１），

式中ｍ為樣本點數(shù)；，（ｚ）為樣本輸出。設誤差矩

陣為

Ｅ＝（（Ｐ（０），Ｐ（１），Ａ，Ｐ（ｍ一１））７，，則其性能指標為

Ｊ＝寺惱憶

式中

ｊｌ 惦為Ｅｕｃｌｉｄｅａｎ范數(shù)的平方。

權值調(diào)整（推導類似參考文獻［５］）為

’

ｗ（＾＋１）２ｗ（¨十蠢驢（＾）ｃ（＿ｒ），

式中

口為學習率，且Ｏ＜々＜１。

１．２

神經(jīng)網(wǎng)絡算法的收斂條件及訓練步驟定理

設７為學習率，則當ｏ＜７＜詈時，神

經(jīng)網(wǎng)絡算法是收斂的，其中ｎ是隱層神經(jīng)元個數(shù)，ｍ為樣本數(shù)目。

證明：定理的證明類似參考文獻［５］，限于篇幅，此處省略詳細證明過程。

神經(jīng)網(wǎng)絡訓練步驟如下：

（１）將樣本輸入集空間歸一化到［０，“］；（２）令Ｊ＝０，隨機產(chǎn)生初始權值Ⅳ，給定任意小正實數(shù)￡；

（３）計算神經(jīng)網(wǎng)絡輸出

“一Ｉ

＿（雄）＝夏”一（“）；（４）計算誤差函數(shù)及性能指標

１

ｍ

ｌ

ｅ（＾）２，（ｚ＾）一ｙ（ｚ女），，２去。邑ｅ２（”；

（５）調(diào)整權值

’

碼（＾＋１）２碼（”＋云驢（”ｑ（ｚ＾）；

（６）判斷樣本集是否訓練完畢，未完，返回（３）繼續(xù)訓練；否則，判斷性能指標Ｊ是否小于給定的任意小正實數(shù)￡。若Ｊ＞￡，則令Ｊ＝０，返回（３）繼續(xù)訓練；否則結束訓練。

２

傳感器特性的數(shù)學模型建立

以Ｐｔｌ００鉑電阻０～６００℃范圍［６］為例闡述傳

感器特性的數(shù)學模型建立方法。建模過程如下：

（１）樣本的歸一化［”。由于激勵函數(shù)的關系，要求將傳感器的輸人信號熱電阻值Ｒ（ｎ）歸一化到０～Ⅱ。設Ｒ的范圍為ａ～６，則神經(jīng)網(wǎng)絡的輸入為

ｚ＝士（Ｒ—ｎ）。熱敏電阻值Ｒ對應溫度值

口一口

￡（℃）作為輸出樣本值，（ｚ）；

萬　

方數(shù)據(jù)（２）把歸一化的樣本輸入值ｚ和樣本輸出值，（ｚ）送神經(jīng)網(wǎng)絡訓練，即可獲得權值ｗ，由式（１）即可獲得Ｐｔｌ００熱敏電阻的數(shù)學模型。

為了降低數(shù)學模型的計算量，滿足實時性要求，隱含層神經(jīng)元的數(shù)目不能太多，這就需要減少訓練樣本的數(shù)目。因此把Ｐｔｌ００鉑電阻０～６００℃的范圍分成六段分別進行建模，每段取６組數(shù)據(jù)，取隱含層神經(jīng)元的數(shù)目為１１。經(jīng)過１５次訓練，結果見表ｌ和圖２，其中表ｌ列出了ＰｔｌＯＯ鉑電阻０～１００℃范圍內(nèi)的神經(jīng)網(wǎng)絡權值；經(jīng)訓練后的結果與Ｐ【１００鉑電阻分度表Ｌ６０在０～６００℃的范圍的溫度值比較所得誤差見圖２的曲線ｌ。把Ｐｔｌ００鉑電阻Ｏ～６００℃的范圍分成六段分別進行３階多項式擬合所得誤差見圖

２的曲線２。顯然提出的建模算法優(yōu)于多項式擬合算法。

衰１神經(jīng)網(wǎng)絡權位ＩＯ～ｌ∞℃）

１曲１

ｗ畫咖嘲喇�。铮妫睿澹踵增拢魩洠颍搿荆啊�１帥℃

系數(shù)符號

權值

系數(shù)符號權值

Ｗｎ４９

７５２６

ｗ—Ｏ．０１２１Ⅳｔ

一４０８６０８ｗ。一１

２６０２

Ｗ２０

１５０７ＷｎＯ０００１

Ｗ３４８５２９ｗｏ

一１０２５７

Ｗｔ

００２６４Ｗ１０

０

０５８０

ＷＥ

一２

０００４

№２ｏＩｍ

０ｆⅢ

３結論

本文提出了一種基于余弦基函數(shù)神經(jīng)網(wǎng)絡模型的傳感器特性建模算法，給出了該神經(jīng)網(wǎng)絡算法的收斂條件及訓練步驟，并以Ｐｔｌ（）ｏ鉑電阻０～６００℃為例闡述了傳感器特性的數(shù)學模型建立過程。由文中的范例可以看出，該算法收斂速度極快，設計準確

（下轉(zhuǎn)第３８頁Ｊ

  本文關鍵詞：鉑電阻Pt100特性數(shù)學模型，由筆耕文化傳播整理發(fā)布。