[發明專利]一種利用BP神經網絡的煤氣計量方法

無效

• 申請號: 200810058669.0
• 申請日: 2008-07-11
• 公開（公告）號: CN101319925A
• 公開（公告）日: 2008-12-10
• 發明（設計）人: 張力;馮俊;李宗祿;劉峰;李軍
• 申請（專利權）人: 昆明理工大學
• 主分類號: G01F1/00
• 分類號: G01F1/00;G06N3/06
• 代理公司: 昆明正原專利代理有限責任公司
• 代理人: 金耀生

技術領域

本發明涉及煤氣流量計量技術，具體地說是一種基于BP(Back?Propagation)神經網絡ANN(Artificial?Neural?Networks)的煤氣計量方法。

背景技術

隨著市場經濟的發展和科學技術的進步，對于計量準確性的要求越來越高。不管采用哪種流量計，計量哪種流體，往往需要采用補償措施，來提高測量的準確性。

所謂流量補償，就是對流量計讀數的系統誤差的修正。流量檢測裝置的系統誤差，多數是流體性質及條件(如溫度、壓力、成分及流量范圍等)變化引起的，流量計輸出信號與被測流量之間的刻度關系只能依據某一特定工藝狀況來確定，如果流量計的實際刻度系數已經發生變化，這時仍按原刻度關系讀取流量，就會產生誤差。因此，在一些需要精確計量的場合，或者工況波動范圍大而且波動頻繁的場合，必須采用補償系數。

然而，在煤氣流量的實際測量中，由于流量的補償參數比較多，而且沒有一個具體的標準來衡量某個參數是否需要補償，甚至在某些工業條件下，參數的補償與人為的主觀因素有很大的關系，靠經驗來決定。煤氣流量的主要影響因素有三個：溫度、壓力和差壓。它們之間可以通過線性的煤氣流量計算公式聯系起來，但是由于補償參數的不確定性，使得煤氣流量也不能夠按線性關系因上述三個因素而變化，傳統的煤氣流量線性公式計算轉換成為非線性計算，從而影響煤氣流量計量的精度。

人工神經網絡是利用計算機模擬人腦的結構和功能的一門新學科，它具備優良的信息處理特性：應用ANN無需具備對象的先驗知識，而根據對象的輸入輸出數據直接建模；獨特的非傳統的表達方式和固有的學習能力，使之在解決高度非線性和嚴重不確定性系統控制方面具有巨大的潛力。目前ANN已成功地用于復雜工業過程的動態建模、傳統辨識和控制、數據分析、故障診斷等方面，顯示出強大的生命力。

發明內容

本發明的目的在于克服上述缺點，提供一種利用神經網絡(技術)的煤氣流量計量方法，可以解決煤氣流量計量過程中補償不確定性的問題，提高煤氣流量計量的精度。

本發明所采用的技術方案為：選用三層BP神經網絡為原型，建立一個三層BP神經網絡模型對煤氣流量進行預測，主要分以下三個步驟：

1)樣本數據采集：選出歷史準確的結算數據(包括溫度、壓力、差壓和流量)為樣本；

2)BP網絡訓練：將步驟1)中的樣本數據輸入到三層BP網絡中，對網絡進行訓練，將網絡輸入的煤氣流量值與對應的樣本值進行對比，直到網絡訓練的均方誤差達到要求，確定網絡的重要參數：權值和閾值；

3)煤氣流量計量：在生產預測時，將采集的煤氣溫度、壓力和差壓輸入到步驟2)訓練好的BP網絡中，即可預測出煤氣流量值。

BP神經網絡是一種按誤差逆傳播算法訓練的多層前饋網絡，是目前應用最廣泛的神經網絡模型之一。BP網絡能學習和存儲大量的輸入-輸出模式映射關系，而無需事前揭示描述這種映射關系的數學方程。它的學習規則是使用最速下降法，通過反向傳播不斷調整網絡的權值和閾值，使網絡的誤差平方和最小。對于煤氣計量而言，由于煤氣流量存在參數補償的問題，而且補償條件不能確定，使得煤氣計量非線性化，按傳統的計量方式，煤氣溫度、壓力和差壓與煤氣流量之間很難用準確的數學方程進行描述，因此將神經網絡應用于煤氣計量中，可對系統的非線性、不確定性和復雜性進行預測。可以解決煤氣流量計量過程中補償不確定性的問題，提高煤氣流量計量的精度。

附圖說明

圖1為三層BP網絡示意圖。

圖2為本發明的利用神經網絡計量煤氣流量流程圖。

具體實施方式

本發明基于BP神經網絡的煤氣流量計量方法，主要分以下三個步驟：

1.樣本數據采集：選出歷史準確的結算數據(包括溫度、壓力、差壓和流量)為樣本。

2.BP網絡訓練：因為對任何在閉區間內的連續函數，都可以用一個隱層的BP網絡來逼近，因而一個三層的BP網絡可以完成任意的N維到M維的映射。在本發明的煤氣計量中所使用的BP神經網絡的輸入層節點數為3，隱層節點數為10，輸出層節點數為1。

BP算法由數據流的前向計算(正向傳播)和誤差信號的反向傳播兩個過程構成。正向傳播時為輸入層→隱層→輸出層，每層神經元的狀態只影響下一層神經元。若在輸出層得不到期望的輸出，則轉向誤差信號的反響傳播流程。通過這兩個過程的交替進行，在權向量空間執行誤差函數梯度下降策略，動態迭代搜索一組權向量，使網絡誤差函數達到最小值，從而完成信息提取和記憶過程。

正向傳播：