[發(fā)明專利]一種基于BP神經網絡的溫濕度補償方法及裝置

在審

• 申請?zhí)枺?/td>: 202010048415.1
• 申請日: 2020-01-16
• 公開（公告）號: CN111272216A
• 公開（公告）日: 2020-06-12
• 發(fā)明（設計）人: 呂晶;董祁超;胡杰
• 申請（專利權）人: 杭州麥樂克科技股份有限公司
• 主分類號: G01D21/02
• 分類號: G01D21/02;G01D18/00;G06N3/08
• 代理公司: 杭州云睿專利代理事務所(普通合伙) 33254
• 代理人: 張驍敏

本發(fā)明公開了一種基于BP神經網絡的溫濕度補償方法及裝置，其基于環(huán)境檢測傳感設備和BP神經網絡模型實現，所述環(huán)境檢測傳感設備包含內部溫濕度傳感器、外部溫濕度傳感器、微處理器單元、電源管理單元和通信模塊，所述BP神經網絡模型包含輸入層、隱藏層和輸出層，所述微處理器單元實時采集氣體傳感模塊、雙溫濕度采集結構的數值，經過一系列補償處理，最終顯示在顯示單元上。

技術領域

本發(fā)明涉及環(huán)境檢測技術領域，特別涉及一種基于BP神經網絡的溫濕度補償方法及裝置，具體應用于空氣環(huán)境檢測系統(tǒng)。

背景技術

如今，物聯(lián)網技術正在影響著人們的生活和生產，此技術廣泛應用在智能家居領域中。傳感設備作為數據采集的邊緣節(jié)點，是把傳統(tǒng)家居設備如開關、面板、燈具、窗簾電機等結合起來的橋梁，通過各式各樣的傳感器，我們可以完美地實現智能家居的情景化。智能環(huán)境檢測面板采集溫濕度，PM2.5，空氣質量，亮度等信息，連接其他設備對環(huán)境質量進行精確監(jiān)控和控制。但是由于設備本身元器件工作產生的熱量，直接影響到輸出溫濕度數據的準確性，導致不能真實反映出實際空間中環(huán)境質量參數，因此成為了使此類設備輸出準確檢測數值的一個技術難點。

為了解決這個難題，本發(fā)明利用BP神經網絡的方法，導入數據建立訓練模型，再將得到的模型應用到傳感設備中進行溫濕度修正，保證了最后得到數據的準確性。

發(fā)明內容

針對現有技術存在的不足，本發(fā)明的目的在于提供一種應用在智能環(huán)境檢測面板傳感設備中的溫濕度補償裝置系統(tǒng)，采用神經網絡訓練算法，將采集到的大量數據不斷對模型訓練，使得模型具有對溫濕度補償的能力。

本發(fā)明的上述技術目的是通過以下技術方案得以實現的：

一種基于BP神經網絡的溫濕度補償方法，其基于環(huán)境檢測傳感設備和BP神經網絡模型實現，所述環(huán)境檢測傳感設備包含內部溫濕度傳感器、外部溫濕度傳感器、微處理器單元、電源管理單元和通信模塊，所述BP神經網絡模型包含輸入層、隱藏層和輸出層，溫濕度補償方法基于上述環(huán)境檢測傳感設備和BP神經網絡模型內容具有以下步驟：

步驟1，建立包含2個輸入層、5個隱藏層和1個輸出層的BP神經網絡模型，給各連接權值分別賦一個區(qū)間(-1,1)內的隨機數，設定誤差函數，給定計算精度值和最大學習次數；

步驟2，從樣本數據中隨機選取第K組數據，包括外部溫濕度數值、內部NTC輸出設備內部的真實溫度值、以及期望輸出值；

步驟3，對數據進行歸一化處理，將外部溫濕度數值、內部NTC輸出設備內部的真實溫度值兩組數據輸入到模型中計算隱藏層各神經元的輸入和輸出；

步驟4，通過訓練得出實際輸出O_i，與期望輸出值B_i對比，求出誤差D＝B_i-O_i，利用輸出層各神經元的誤差函數偏導數和隱藏層各神經元的輸出來修正連接權值；

步驟5，判斷模型誤差是否滿足要求，當誤差達到預設精度或學習次數大于設定的最大次數，則結束算法；否則，選取下一組溫濕度數值樣本進行下一輪學習。

上述的連接權值為消除樣本數據偏差的權重系數，是一個rand函數在0-1之間的取值，通過溫濕度原始數據輸入變量和其自己的權重系數的乘積的求和輸入到神經元上，通過映射函數來進行映射得到結果。

上述的BP神經網絡模型采用的傳遞函數是非線性變換函數，選取雙極性S型函數，保證輸出值范圍為(-1,1)。

一種基于BP神經網絡的溫濕度補償裝置，包括微處理器單元、以及與微處理器單元電連接的電源管理單元、氣體傳感器模塊、顯示單元、雙溫濕度采集結構和通訊模塊，所述微處理器單元實時采集氣體傳感模塊、雙溫濕度采集結構的數值，經過一系列補償處理，最終顯示在顯示單元上。