神經(jīng)模糊控制在SAW壓力傳感器溫度補償中的應用

0 引 言

聲表面波(SAW)技術(shù)是一門(mén)新興熱門(mén)研究課題之一，國內外已有溫度、壓力、加速度等傳感器的相關(guān)報道。SAW壓力傳感器借助于它無(wú)以倫比的性能，諸如：1)數字號輸出;2)高靈敏度、高分辨力、抗干擾能力強;3)易于大規模集成。正是由于這些自身的優(yōu)越性，它有著(zhù)廣泛的應用領(lǐng)域。但美中不足的是SAW壓力傳感器對環(huán)境的要求比較苛刻，SAW振蕩器輸出頻率信號隨著(zhù)壓力、溫度、磁場(chǎng)等外界因素變化而變化，特別是溫度的影響是測量誤差的主要來(lái)源，為保證SAW壓力傳感器高準確度和高靈敏度測量，必須進(jìn)行有效的溫度補償。本文將神經(jīng)網(wǎng)絡(luò )和模糊控制技術(shù)相結合，對SAW壓力傳感器進(jìn)行智能化溫度補償，通過(guò)此方法進(jìn)行的改進(jìn)，使SAW壓力傳感器能更好地應用到工程領(lǐng)域。

1 溫度補償方案

在傳統的溫度補償中，例如：硬件補償和軟件補償2種方法。但存在著(zhù)補償電路漂移、局部最優(yōu)、精度不夠等缺點(diǎn)，無(wú)法滿(mǎn)足SAW壓力傳感器補償要求。鑒于此種情況，本文采用了神經(jīng)模糊控制方法，對SAW壓力傳感器進(jìn)行智能溫度補償。

神經(jīng)模糊控制是一種用神經(jīng)網(wǎng)絡(luò )實(shí)現的模糊控制的方法。在形式結構上是用多點(diǎn)網(wǎng)絡(luò )實(shí)現的模糊映射。而神經(jīng)網(wǎng)絡(luò )的非線(xiàn)性和可訓練性說(shuō)明它可以實(shí)現任何一種映射關(guān)系。因此，本文利用神經(jīng)網(wǎng)絡(luò )對知識的表達機理，通過(guò)學(xué)習訓練，實(shí)現控制規則基記，從而實(shí)現模糊輸入-模糊輸出的映射。神經(jīng)模糊控制對SAW壓力傳感器溫度-壓力補償模型見(jiàn)圖1。

在SAW壓力傳感器后面接神經(jīng)模糊控制器，把傳感溫度T作為輸入，則神經(jīng)模糊控制器能直接輸出被測量。

2 實(shí)現控制規則的神經(jīng)網(wǎng)絡(luò )

在一般情況下，模糊控制的推理功能是在隸屬函數不變的條件下進(jìn)行的。在實(shí)際運用當中是隨時(shí)間的改變而改變的。為了彌補單一模糊控制技術(shù)這種不足，特采用神經(jīng)網(wǎng)絡(luò )的學(xué)習功能進(jìn)行隸屬度的調節，實(shí)現自動(dòng)調節功能，以適應實(shí)際的需要。本文用含一個(gè)隱含層的三層前饋神經(jīng)網(wǎng)絡(luò )，模型如圖2。

其中，p為輸入矢量，R為輸入矢量維數，S1為隱含層神經(jīng)元個(gè)數，S2為輸出層神經(jīng)元個(gè)數，W1為隱含層神經(jīng)元權值矩陣，W2為輸出層權值矩陣，b1為隱含層神經(jīng)元閥值，b2為隱含層神經(jīng)元閥值，n1為隱含層輸入節點(diǎn)，n2為輸出層節點(diǎn)。f1為S型函數，f2為purelin型函數。神經(jīng)網(wǎng)絡(luò )算法是用于前饋多層網(wǎng)絡(luò )的學(xué)習算法。如果輸出不能得到期望的輸出，則轉入后向傳播。通過(guò)誤差的后向傳播調整各層之間的權系數。反復輸入樣本序列，直至權系數不在改變?yōu)橹?，輸出誤差在規定的范圍之內。算法采用如下改進(jìn)：1)采用模擬退火法以克服局部最小;2)用奇函數作激勵函數和傳播過(guò)程中采用新誤差傳播因子完善該算法收斂性問(wèn)題。