基于神經(jīng)網(wǎng)絡(luò)技術(shù)的虛擬傳感器溫度補(bǔ)償系統(tǒng)

式中，為第m個樣本神經(jīng)網(wǎng)絡(luò)的輸入、輸出歸一化值；Xim和Om為第m個樣本的輸入輸出標(biāo)定值，本文中i=1，2；Ximax和Ximin為第i個傳感器輸出最大、最小標(biāo)定值。
1．3 神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)與訓(xùn)練
BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)：

基于該系統(tǒng)采用3層BP神經(jīng)網(wǎng)絡(luò)，輸入層i=1，2，共有2個節(jié)點，分別輸入壓阻傳感器和溫度傳感器的輸出電壓值Up和Ut。隱層節(jié)點數(shù)j=1，2，…，l可在3～30范圍內(nèi)選擇，視補(bǔ)償效果而定。輸出層節(jié)點k=1，為一個節(jié)點，表示輸出壓力值Pt。

溫度補(bǔ)償系統(tǒng)BP神經(jīng)網(wǎng)絡(luò)Ot和分別為歸一化的網(wǎng)絡(luò)輸出的計算值與標(biāo)定值；m為樣本序號；M為樣本總數(shù)；訓(xùn)練的樣本數(shù)越多，網(wǎng)絡(luò)的計算結(jié)果Ot的偏差越小。根據(jù)標(biāo)定實驗提供的學(xué)習(xí)樣本，采用BP算法學(xué)習(xí)修正網(wǎng)絡(luò)的權(quán)值和閾值，直到滿足精度要求為止。訓(xùn)練后的神經(jīng)網(wǎng)絡(luò)仍不能使用，必須使用附加樣本進(jìn)行性能驗證，如不能滿足要求，就需要重新訓(xùn)練網(wǎng)絡(luò)，所以神經(jīng)網(wǎng)絡(luò)的訓(xùn)練是一個反復(fù)的過程。
1．4 學(xué)習(xí)算法的圖形化編程
在LabVIEW中要實現(xiàn)神經(jīng)網(wǎng)絡(luò)，可通過多種方式實現(xiàn)：利用CIN節(jié)點調(diào)用外部編譯好的C或者C++程序；利用MATLAB Script節(jié)點編輯或調(diào)用MATLAB程序；利用LabVIEW本身的圖形編程語言編程實現(xiàn)。
同上述兩種方法相比，用LabVIEW本身的圖形語言來編程有很多的優(yōu)勢。LabVIEW的G程序是獨立于運行平臺的，不需要依賴其他軟件。而且作為一種圖形化的、數(shù)據(jù)驅(qū)動的程序語言，LabVIEW可以更方便地實現(xiàn)給定的算法，程序更加清晰明了，修改起來也更加方便。同時利用子程序技術(shù)，可以大大提高程序的利用率?；诖耍疚牟捎脠D形編程的方法來實現(xiàn)神經(jīng)網(wǎng)絡(luò)控制。圖3為實現(xiàn)BP算法的LabVIEW程序。

2 系統(tǒng)設(shè)計與實現(xiàn)
系統(tǒng)使用NI公司的LabVIEW和PCI-MIO-16E-1多功能數(shù)據(jù)采集卡實現(xiàn)溫度補(bǔ)償系統(tǒng)。在LabVIEW平臺下開發(fā)出“虛擬傳感器參數(shù)檢測儀”，完成數(shù)據(jù)的采集與預(yù)處理。在此基礎(chǔ)上嵌入MATLAB程序進(jìn)行神經(jīng)網(wǎng)絡(luò)運算。
2．1 面板設(shè)計
前面板主要由兩部分組成：神經(jīng)網(wǎng)絡(luò)訓(xùn)練模塊和數(shù)據(jù)保存模塊。神經(jīng)網(wǎng)絡(luò)訓(xùn)練模塊執(zhí)行壓阻傳感器的溫度補(bǔ)償；數(shù)據(jù)保存模塊將訓(xùn)練后的相關(guān)數(shù)據(jù)進(jìn)行保存并寫入文件中。
2．2 程序流程圖設(shè)計
在LabVIEW中，流程圖是程序運行的基礎(chǔ)。流程圖主要完成前面板上各個部分的相應(yīng)功能，包括執(zhí)行MATLABScript操作和While Loop操作。