【技术实现步骤摘要】
本专利技术涉及真空测量，更为具体来说，本专利技术涉及一种基于神经网络的电容薄膜真空计非线性修正方法及装置。
技术介绍
1、电容薄膜真空计是一种粗低真空测量仪器，真空计中通常含有一个测量腔和一个参考腔，测量腔与参考腔之间通过弹性膜片隔开。参考腔一般处于高真空状态，其压强远远低于测量端，真空环境通常通过吸气剂进行维持，当测量腔室的真空环境发生变化时，膜片发生弹性形变，引起膜片与固定电极之间电容的变化，进而实现真空度的测量。电容薄膜真空计具有测量准确度高、线性好、输出的重复性和长期稳定性好、能够测量气体和蒸汽的全压力，测量结果与气体成分和种类无关等诸多优点，在半导体、微电子工业、表面处理、航空航天、高能物理和可控热核聚变等领域得到广泛应用。
2、由于电容薄膜真空计的电容变化量与测量腔的压力变化是非线性的，对测量造成一定的困难，因此需要对其输出进行调整，以减小真空计的测量误差。传统的电容薄膜真空计通过电路对这种非线性关系进行修正，但是由于真空计非线性关系复杂，电路对真空计的修正能力有限，且在修正过程中需要配备大量的人力物力对电路进行手动调节，这造成了人力、物力等资源的浪费，提高了真空计的研制成本，降低了工作效率。
技术实现思路
1、本申请实施例提供了一种基于神经网络的电容薄膜真空计非线性修正方法及装置。为了对披露的实施例的一些方面有一个基本的理解，下面给出了简单的概括。该概括部分不是泛泛评述，也不是要确定关键/重要组成元素或描绘这些实施例的保护范围。其唯一目的是用简单的形式呈现
2、第一方面，本申请实施例提供了一种基于神经网络的电容薄膜真空计非线性修正方法，该方法包括：
3、同时采集非线性修正的标准真空计输出数据和待修正真空计输出数据；
4、根据所述标准真空计输出数据和所述待修正真空计输出数据训练神经网络，得到所述非线性修正的训练后神经网络；
5、将所述训练后神经网络部署到待修正真空计中，得到所述非线性修正的修正后真空计。
6、可选的，在所述采集非线性修正的标准真空计输出数据和待修正真空计输出数据之前，还包括：
7、将标准真空计和待修正真空计接入真空系统中，或者将待修正真空计接入真空计标准装置。
8、可选的，所述采集非线性修正的标准真空计输出数据和待修正真空计输出数据，包括：
9、采集非线性修正的标准真空计输出压力值和待修正真空计输出电压值；
10、将所述标准真空计输出压力值作为所述标准真空计输出数据、所述待修正真空计输出电压值作为所述待修正真空计输出数据。
11、可选的，所述根据所述标准真空计输出数据和所述待修正真空计输出数据训练神经网络，得到所述非线性修正的训练后神经网络，包括：
12、将所述标准真空计输出数据和所述待修正真空计输出数据进行归一化处理，得到所述非线性修正的归一化数据；
13、建立所述非线性修正的神经网络；
14、将所述归一化数据迭代训练所述神经网络，在所述神经网络的输出结果误差达到预设要求时，得到所述非线性修正的训练后神经网络。
15、第二方面，本申请实施例提供了一种基于神经网络的电容薄膜真空计非线性修正装置，该装置包括：
16、采集模块，用于同时采集非线性修正的标准真空计输出数据和待修正真空计输出数据；
17、训练模块，用于根据所述标准真空计输出数据和所述待修正真空计输出数据训练神经网络，得到所述非线性修正的训练后神经网络；
18、修正模块，用于将所述训练后神经网络部署到待修正真空计中，得到所述非线性修正的修正后真空计。
19、可选的，在所述采集模块之前，还包括：
20、接入模块，用于将标准真空计和待修正真空计接入真空系统中，或者将待修正真空计接入真空计标准装置。
21、可选的，所述采集模块，用于采集非线性修正的标准真空计输出压力值和待修正真空计输出电压值；将所述标准真空计输出压力值作为所述标准真空计输出数据、所述待修正真空计输出电压值作为所述待修正真空计输出数据。
22、可选的，所述训练模块，具体用于：
23、将所述标准真空计输出数据和所述待修正真空计输出数据进行归一化处理，得到所述非线性修正的归一化数据；
24、建立所述非线性修正的神经网络；
25、将所述归一化数据迭代训练所述神经网络，在所述神经网络的输出结果误差达到预设要求时，得到所述非线性修正的训练后神经网络。
26、第三方面，本申请实施例提供一种计算机存储介质，计算机存储介质存储有多条指令，指令适于由处理器加载并执行上述的方法步骤。
27、第四方面，本申请实施例提供一种终端，可包括：处理器和存储器；其中，存储器存储有计算机程序，计算机程序适于由处理器加载并执行上述的方法步骤。
28、本申请实施例提供的技术方案可以包括以下有益效果：
29、在本申请实施例中，所述基于神经网络的电容薄膜真空计非线性修正方法，首先采集非线性修正的标准真空计输出数据和待修正真空计输出数据；然后根据所述标准真空计输出数据和所述待修正真空计输出数据训练神经网络，得到所述非线性修正的训练后神经网络；最后将所述训练后神经网络部署到待修正真空计中，得到所述非线性修正的修正后真空计。传统的质谱计非线性修正方法采用电路实现，这在调试过程中需要耗费大量的人力成本和时间成本。而本申请利用神经网络对真空计的测量数据进行了处理，可以快速实现电容薄膜真空计(即待修正真空计)的非线性修正。在提高真空计测量精度的同时，减少了电容薄膜真空计的调试成本。
30、应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本专利技术。
本文档来自技高网...【技术保护点】
1.一种基于神经网络的电容薄膜真空计非线性修正方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的电容薄膜真空计非线性修正方法，其特征在于，在所述采集非线性修正的标准真空计输出数据和待修正真空计输出数据之前，还包括：
3.根据权利要求1所述的电容薄膜真空计非线性修正方法，其特征在于，所述采集非线性修正的标准真空计输出数据和待修正真空计输出数据，包括：
4.根据权利要求1所述的电容薄膜真空计非线性修正方法，其特征在于，所述根据所述标准真空计输出数据和所述待修正真空计输出数据训练神经网络，得到所述非线性修正的训练后神经网络，包括：
5.一种基于神经网络的电容薄膜真空计非线性修正装置，其特征在于，包括：
6.根据权利要求5所述的电容薄膜真空计非线性修正装置，其特征在于，在所述采集模块之前，还包括：
7.根据权利要求5所述的电容薄膜真空计非线性修正装置，其特征在于，所述采集模块，用于采集非线性修正的标准真空计输出压力值和待修正真空计输出电压值；将所述标准真空计输出压力值作为所述标准真空计输出数据、所述待修正真空
8.根据权利要求5所述的电容薄膜真空计非线性修正装置，其特征在于，所述训练模块，具体用于：
9.一种计算机存储介质，其特征在于，所述计算机存储介质存储有多条指令，所述指令适于由处理器加载并执行如权利要求1-4任意一项的方法步骤。
10.一种终端，其特征在于，包括：处理器和存储器；其中，所述存储器存储有计算机程序，所述计算机程序适于由所述处理器加载并执行如权利要求1-4任意一项的方法步骤。
...【技术特征摘要】
1.一种基于神经网络的电容薄膜真空计非线性修正方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的电容薄膜真空计非线性修正方法，其特征在于，在所述采集非线性修正的标准真空计输出数据和待修正真空计输出数据之前，还包括：
3.根据权利要求1所述的电容薄膜真空计非线性修正方法，其特征在于，所述采集非线性修正的标准真空计输出数据和待修正真空计输出数据，包括：
4.根据权利要求1所述的电容薄膜真空计非线性修正方法，其特征在于，所述根据所述标准真空计输出数据和所述待修正真空计输出数据训练神经网络，得到所述非线性修正的训练后神经网络，包括：
5.一种基于神经网络的电容薄膜真空计非线性修正装置，其特征在于，包括：
6.根据权利要求5所述的电容薄膜真空计非线性修正装置，其特征...
【专利技术属性】
技术研发人员：吴成耀，成永军，孙雯君，裴晓强，徐小冬，赵澜，丁栋，
申请(专利权)人：兰州空间技术物理研究所，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。