[發明專利]一種應用于電子秤的基于BP神經網絡補償溫度增益方法

在審

• 申請號: 201711277422.3
• 申請日: 2017-12-06
• 公開（公告）號: CN108332837A
• 公開（公告）日: 2018-07-27
• 發明（設計）人: 姜智;陳華輝
• 申請（專利權）人: 芯海科技（深圳）股份有限公司
• 主分類號: G01G23/01
• 分類號: G01G23/01;G01G23/48;G06N3/08
• 代理公司: 深圳市凱達知識產權事務所 44256
• 代理人: 劉大彎

本發明公開了一種應用于電子秤的基于BP神經網絡補償溫度增益方法，該方法包括步驟：101、建立稱重傳感器溫度增益校正的神經網絡模型；102、獲得網絡的學習訓練樣本數據；103、對樣本數據進行預處理；104、對樣本數進行網絡訓練；105、測試網絡預測效果；106、將補償公式寫入單片機固件程序內。本發明能夠利用神經網絡方法對溫度傳感器進行校正，能夠快速、準確實現稱重傳感器的溫度補償，不僅使補償環節的精度達到測量允許誤差范圍內，而且對于沒有訓練的溫度點具有預測補償效果。

技術領域

本發明屬于電子秤技術領域，特別涉及觸摸屏設備的保護裝置及方法。

背景技術

在電子秤領域，傳感器在實際工作中易受到周圍環境因素的影響，例如溫度、濕度、振動、電場、磁場等，尤其以溫度對傳感器的影響最為顯著。溫度變化會導致傳感器額外的輸出誤差；溫度還會使檢測電路電子元器件的參數產生相應變化

對于這個問題通常做法是首先將稱重傳感器放置在特定的溫度環境中，放置時間足夠長，使其溫度分布達到穩態，接著對稱重傳感器施力，通過改變傳感器不同的穩態溫度來分析研究稱重傳感器的非線性、靈敏度、零點輸出以及滿量程輸出等技術指標的溫度特性，然后通過在傳感器的內部附加相關部件或程序達到溫度補償的目的。

利用硬件方法進行校正時會使電容檢測電路復雜、調試麻煩、通用性差、精度有限，同時較多的元器件使得電路響應速度變慢，測量成本增加。

專利申請201710049060.6則公開了一種基于人工神經網絡的超寬帶低噪聲放大器。包括控制電壓產生模塊和超寬帶低噪聲放大器模塊，超寬帶低噪聲放大器模塊包括由第二NMOS管M3和第二PMOS管M4構成的可變電阻，控制電壓產生模塊由傳感器、數據選擇器、輸入數據處理單元、人工神經網絡和輸出數據處理單元組成，利用人工神經網絡自身固有的非線性映射能力，使得該網絡能夠以高精度逼近非線性函數，從而產生對頻率呈非線性關系的控制電壓并加到第二NMOS管M3和第二PMOS管M4的柵極改變其可變電阻阻值，從而在保證帶寬、增益以及優良匹配的條件下最大化的改善電路的噪聲數據NF。該專利申請是通過人工神經網絡來實現的非現行函數的學習，使得控制電壓得以有效控制，如果將人工神經網絡的方法應用到電子秤中，能夠改善傳感器的性能。

發明內容

基于此，因此本發明的首要目地是提供一種應用于電子秤的基于BP神經網絡補償溫度增益方法，該方法能夠利用神經網絡方法對溫度傳感器進行校正，能夠快速、準確實現稱重傳感器的溫度補償。

本發明的另一個目地在于提供一種應用于電子秤的基于BP神經網絡補償溫度增益方法，該方法能夠使補償環節的精度達到測量允許誤差范圍內，且對于沒有訓練的溫度點具有預測補償效果。

為實現上述目的，本發明的技術方案為：

一種應用于電子秤的基于BP神經網絡補償溫度增益方法，其特征在于該方法包括如下步驟：

101、建立稱重傳感器溫度增益校正的神經網絡模型；

神經網絡模型由輸入層、隱含層和輸出層構成。選取輸出電壓u作為BP神經網絡的輸入層單元，此時BP神經網絡是一個單輸入單輸出的網絡結構。其中網絡隱含層的和輸出層的激勵函數分別為tansig函數和purelin函數。為了使得輸出目標與期望值誤差最小，建立期望值與輸出值的誤差表達式。根據梯度下降算法，分別求v、w對E的梯度，可以求得網絡輸出層與隱含層各節點的權值調整量。

102、獲得網絡的學習訓練樣本數據；

所述樣本數據，在稱重實驗時，要采集訓練數據的溫度下(0°～30°，單位間隔2°)，重力作用(根據高精度電子秤量程范圍)使傳感器發生形變，進而產生電壓變化，利用電壓的變化，單片機采集到相應AD值，通過顯示電路顯示出來得以獲得。

103、對樣本數據進行預處理；