一种基于神经网络的热敏温度计校准方法技术

本发明专利技术提出一种基于神经网络的热敏温度计校准方法，主要包括以下步骤：步骤1，获取样本数据值，包括一定区间的测量温度以及所对应的热敏电阻值；步骤2，进行神经网络模型设置；步骤3，热敏温度计校准补偿模型训练；步骤4，利用得到的校准补偿模型对热敏温度计测量结果进行校准。进一步的，步骤3还包括步骤31，网络参数的初始化；步骤32，初始化神经网络；步骤33，进行网络误差计算；步骤34，网络训练。该方法充分考虑热敏温度计测量的非线性特性，利用神经网络能较好逼近非线性函数的能力，构建校准补偿模型，能够提高热敏温度计的测量精度，另外，本方法不需要额外增加外围硬件电路，没有增加测试成本，具有一定的实用性。

【技术实现步骤摘要】
一种基于神经网络的热敏温度计校准方法
本专利技术属于计量
，涉及热敏温度计，尤其涉及一种基于神经网络的热敏温度计校准方法。
技术介绍
目前，一般温度计的测量原理是温度传感器将温度量转换为电量，通过电子线路将电量转换为数字温度值。由于电子线路的非线性特性，必然造成温度计的非线性，从而无法准确的测量实际温度，形成系统误差；另外，测温距离、测温延时等环境量变化时也会形成附加误差，特别是采用热敏温度计进行温度测量时，每个具体的热敏电阻之间存在差异性，而且温度与电阻之间也存在非线性，所以温度计校准至关重要。为了提高温度计的测量精度，绝大部分厂家都采取硬件改进的方法，通过对热敏温度传感器的电阻值进行补偿校准，从而提高温度的测量精度，缺点在于需要增加外围电路，提高了测试成本；还有少数厂家采取软件改进的方法，利用最小二乘法等进行简单的温度线性特性曲线模拟，进而进行温度的补偿，由于不符合温度计测量的非线性特性，校准结果并不理想。
技术实现思路
为了解决上述现有技术的不足，显著提高热敏温度计的测量精度，本专利技术专利公开了一种基于神经网络的热敏温度计校准方法。本专利技术专利充分考虑了热敏温度计测量的非本文档来自技高网...

【技术保护点】
一种基于神经网络的热敏温度计校准方法，主要包括以下步骤：步骤一：获取样本数据值，通过恒温水槽箱设置不同的温度样本并获取各温度值所对应的热敏电阻值；步骤二：神经网络模型设置，热敏温度计校准补偿模型选定为BP神经网络，隐含层和输出层的传递函数分别选取为tansig函数和purelin函数；步骤三：热敏温度计校准补偿模型训练，根据步骤一中的样本数据，利用BP神经网络对热敏温度计校准补偿模型进行模拟训练，通过计算模型的均方误差，使训练结果最优，从而得到最优的网络模型作为热敏温度计的校准补偿模型；步骤四：利用得到的校准补偿模型对热敏温度计测量结果进行校准。

【技术特征摘要】
1.一种基于神经网络的热敏温度计校准方法，主要包括以下步骤：步骤一：获取样本数据值，通过恒温水槽箱设置不同的温度样本并获取各温度值所对应的热敏电阻值；步骤二：神经网络模型设置，热敏温度计校准补偿模型选定为BP神经网络，隐含层和输出层的传递函数分别选取为tansig函数和purelin函数；步骤三：热敏温度计校准补偿模型训练，根据步骤一中的样本数据，利用BP神经网络对热敏温度计校准补偿模型进行模拟训练，通过计算模型的均方误差，使训练结果最优，从而得到最优的网络模型作为热敏温度计的校准补偿模型；步骤四：利用得到的校准补偿模型对热敏温度计测量结果进行校准。2.根据权利要求1...

【专利技术属性】
技术研发人员：牛丽仙，彭志，
申请(专利权)人：深圳市相位科技有限公司，
类型：发明
国别省市：广东,44