專(zhuān)利名稱(chēng)：一種利用bp神經(jīng)網(wǎng)絡(luò)的煤氣計(jì)量方法
技術(shù)領(lǐng)域：
本發(fā)明涉及煤氣流量計(jì)量技術(shù)，具體地說(shuō)是一種基于BP (Back Pr叩agation)神經(jīng)網(wǎng) 絡(luò)ANN( Artificial Neural Networks)的煤氣計(jì)量方法。
背景技術(shù)：
隨著市場(chǎng)經(jīng)濟(jì)的發(fā)展和科學(xué)技術(shù)的進(jìn)步，對(duì)于計(jì)量準(zhǔn)確性的要求越來(lái)越高。不管釆用 哪種流量計(jì)，計(jì)量哪種流體，往往需要采用補(bǔ)償措施，來(lái)提高測(cè)量的準(zhǔn)確性。
所謂流量補(bǔ)償，就是對(duì)流量計(jì)讀數(shù)的系統(tǒng)誤差的修正。流量檢測(cè)裝置的系統(tǒng)誤差，多 數(shù)是流體性質(zhì)及條件(如溫度、壓力、成分及流量范圍等)變化引起的，流量計(jì)輸出信號(hào) 與被測(cè)流量之間的刻度關(guān)系只能依據(jù)某一特定工藝狀況來(lái)確定，如果流量計(jì)的實(shí)際刻度系 數(shù)已經(jīng)發(fā)生變化，這時(shí)仍按原刻度關(guān)系讀取流量，就會(huì)產(chǎn)生誤差。因此，在一些需要精確 計(jì)量的場(chǎng)合，或者工況波動(dòng)范圍大而且波動(dòng)頻繁的場(chǎng)合，必須采用補(bǔ)償系數(shù)。
然而，在煤氣流量的實(shí)際測(cè)量中，由于流量的補(bǔ)償參數(shù)比較多，而且沒(méi)有一個(gè)具體的 標(biāo)準(zhǔn)來(lái)衡量某個(gè)參數(shù)是否需要補(bǔ)償，甚至在某些工業(yè)條件下，參數(shù)的補(bǔ)償與人為的主觀因
素有很大的關(guān)系，靠經(jīng)驗(yàn)來(lái)決定。煤氣流量的主要影響因素有三個(gè)溫度、壓力和差壓。 它們之間可以通過(guò)線性的煤氣流量計(jì)算公式聯(lián)系起來(lái)，但是由于補(bǔ)償參數(shù)的不確定性，使 得煤氣流量也不能夠按線性關(guān)系因上述三個(gè)因素而變化，傳統(tǒng)的煤氣流量線性公式計(jì)算轉(zhuǎn) 換成為非線性計(jì)算，從而影響煤氣流量計(jì)量的精度。
人工神經(jīng)網(wǎng)絡(luò)是利用計(jì)算機(jī)模擬人腦的結(jié)構(gòu)和功能的一門(mén)新學(xué)科，它具備優(yōu)良的信息 處理特性應(yīng)用ANN無(wú)需具備對(duì)象的先驗(yàn)知識(shí)，而根據(jù)對(duì)象的輸入輸出數(shù)據(jù)直接建模；獨(dú) 特的非傳統(tǒng)的表達(dá)方式和固有的學(xué)習(xí)能力，使之在解決高度非線性和嚴(yán)重不確定性系統(tǒng)控 制方面具有巨大的潛力。目前A麗已成功地用于復(fù)雜工業(yè)過(guò)程的動(dòng)態(tài)建模、傳統(tǒng)辨識(shí)和控 制、數(shù)據(jù)分析、故障診斷等方面，顯示出強(qiáng)大的生命力。

發(fā)明內(nèi)容
本發(fā)明的目的在于克服上述缺點(diǎn)，提供一種利用神經(jīng)網(wǎng)絡(luò)(技術(shù))的煤氣流量計(jì)量方 法，可以解決煤氣流量計(jì)量過(guò)程中補(bǔ)償不確定性的問(wèn)題，提高煤氣流量計(jì)量的精度。
本發(fā)明所采用的技術(shù)方案為選用三層BP神經(jīng)網(wǎng)絡(luò)為原型，建立一個(gè)三層BP神經(jīng)網(wǎng)絡(luò)模型對(duì)煤氣流量進(jìn)行預(yù)測(cè)，主要分以下三個(gè)步驟
1) 樣本數(shù)據(jù)采集選出歷史準(zhǔn)確的結(jié)算數(shù)據(jù)(包括溫度、壓力、差壓和流量)為樣
本；
2) BP網(wǎng)絡(luò)訓(xùn)練將步驟l)中的樣本數(shù)據(jù)輸入到三層BP網(wǎng)絡(luò)中，對(duì)網(wǎng)絡(luò)進(jìn)行訓(xùn)練， 將網(wǎng)絡(luò)輸入的煤氣流量值與對(duì)應(yīng)的樣本值進(jìn)行對(duì)比，直到網(wǎng)絡(luò)訓(xùn)練的均方誤差達(dá)到要求， 確定網(wǎng)絡(luò)的重要參數(shù)權(quán)值和閾值；
3) 煤氣流量計(jì)量在生產(chǎn)預(yù)測(cè)時(shí)，將采集的煤氣溫度、壓力和差壓輸入到步驟2)訓(xùn) 練好的BP網(wǎng)絡(luò)中，即可預(yù)測(cè)出煤氣流量值。
BP神經(jīng)網(wǎng)絡(luò)是一種按誤差逆?zhèn)鞑ニ惴ㄓ?xùn)練的多層前饋網(wǎng)絡(luò)，是目前應(yīng)用最廣泛的神經(jīng) 網(wǎng)絡(luò)模型之一。BP網(wǎng)絡(luò)能學(xué)習(xí)和存儲(chǔ)大量的輸入-輸出模式映射關(guān)系，而無(wú)需事前揭示描
述這種映射關(guān)系的數(shù)學(xué)方程。它的學(xué)習(xí)規(guī)則是使用最速下降法，通過(guò)反向傳播不斷調(diào)整網(wǎng) 絡(luò)的權(quán)值和閾值，使網(wǎng)絡(luò)的誤差平方和最小。對(duì)于煤氣計(jì)量而言，由于煤氣流量存在參數(shù) 補(bǔ)償?shù)膯?wèn)題，而且補(bǔ)償條件不能確定，使得煤氣計(jì)量非線性化，按傳統(tǒng)的計(jì)量方式，煤氣 溫度、壓力和差壓與煤氣流量之間很難用準(zhǔn)確的數(shù)學(xué)方程進(jìn)行描述，因此將神經(jīng)網(wǎng)絡(luò)應(yīng)用 于煤氣計(jì)量中，可對(duì)系統(tǒng)的非線性、不確定性和復(fù)雜性進(jìn)行預(yù)測(cè)?？梢越鉀Q煤氣流量計(jì)量 過(guò)程中補(bǔ)償不確定性的問(wèn)題，提高煤氣流量計(jì)量的精度。


圖1為三層BP網(wǎng)絡(luò)示意圖。
圖2為本發(fā)明的利用神經(jīng)網(wǎng)絡(luò)計(jì)量煤氣流量流程圖。
具體實(shí)施例方式
本發(fā)明基于BP神經(jīng)網(wǎng)絡(luò)的煤氣流量計(jì)量方法，主要分以下三個(gè)步驟
1. 樣本數(shù)據(jù)采集選出歷史準(zhǔn)確的結(jié)算數(shù)據(jù)(包括溫度、壓力、差壓和流量)為樣本。
2. BP網(wǎng)絡(luò)訓(xùn)練因?yàn)閷?duì)任何在閉區(qū)間內(nèi)的連續(xù)函數(shù)，都可以用一個(gè)隱層的BP網(wǎng)絡(luò)來(lái) 逼近，因而一個(gè)三層的BP網(wǎng)絡(luò)可以完成任意的N維到M維的映射。在本發(fā)明的煤氣計(jì)量 中所使用的BP神經(jīng)網(wǎng)絡(luò)的輸入層節(jié)點(diǎn)數(shù)為3，隱層節(jié)點(diǎn)數(shù)為IO，輸出層節(jié)點(diǎn)數(shù)為l。
BP算法由數(shù)據(jù)流的前向計(jì)算(正向傳播)和誤差信號(hào)的反向傳播兩個(gè)過(guò)程構(gòu)成。正向 傳播時(shí)為輸入層一隱層一輸出層，每層神經(jīng)元的狀態(tài)只影響下一層神經(jīng)元。若在輸出層得 不到期望的輸出，則轉(zhuǎn)向誤差信號(hào)的反響傳播流程。通過(guò)這兩個(gè)過(guò)程的交替進(jìn)行，在權(quán)向量空間執(zhí)行誤差函數(shù)梯度下降策略，動(dòng)態(tài)迭代搜索一組權(quán)向量，使網(wǎng)絡(luò)誤差函數(shù)達(dá)到最小 值，從而完成信息提取和記憶過(guò)程。
正向傳播
設(shè)BP網(wǎng)絡(luò)的輸入層有n個(gè)節(jié)點(diǎn)，隱層有q個(gè)節(jié)點(diǎn)，輸出層有m個(gè)節(jié)點(diǎn)，輸入層與隱
層之間的權(quán)值為V^，隱層與輸出層之間的權(quán)值為^， K隱層節(jié)點(diǎn)的閾值，Xi為輸入值(樣 本數(shù)據(jù))，隱層的傳遞函數(shù)為乂(，)，輸出層的傳遞函數(shù)為/2(*)，則隱層節(jié)點(diǎn)的輸出Zk為
,=0
輸出層節(jié)點(diǎn)的輸出y,為
BP神經(jīng)網(wǎng)絡(luò)就完成了 n維空間向量對(duì)m維空間的近似映射。 反向傳播
輸出層各神經(jīng)元的權(quán)值調(diào)整公式為
式中^i^習(xí)率，《為期望輸出，A為第j個(gè)神經(jīng)元的凈輸入。 隱層各神經(jīng)元的權(quán)值調(diào)整公式為-
a =$|j《"p/2(s;)v;'(&K
將BP萍g^fel絡(luò)應(yīng)用于煤氣流量計(jì)量之前，要對(duì)BP神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練。在確定網(wǎng)絡(luò)的
結(jié)構(gòu)后，將步驟l中的樣本數(shù)據(jù)輸入到神經(jīng)網(wǎng)絡(luò)中，對(duì)網(wǎng)絡(luò)進(jìn)行訓(xùn)練。訓(xùn)練時(shí)神經(jīng)網(wǎng)絡(luò)的
學(xué)習(xí)速率為0.8，在網(wǎng)絡(luò)迭代2000次后，網(wǎng)絡(luò)的均方誤差能達(dá)到規(guī)定的要求。網(wǎng)絡(luò)訓(xùn)練完
成后，可以得到網(wǎng)絡(luò)的重要參數(shù)隱層權(quán)值和閾值。
3.煤氣流量計(jì)量BP神經(jīng)網(wǎng)絡(luò)在步驟2中訓(xùn)練完成后，即可對(duì)煤氣流量值進(jìn)行計(jì)量。 將傳感器采集的煤氣溫度、壓力和差壓輸入到訓(xùn)練好的BP神經(jīng)網(wǎng)絡(luò)中，神經(jīng)網(wǎng)絡(luò)就可以 計(jì)算出煤氣流量值。
所述的BP神經(jīng)網(wǎng)絡(luò)算法可以利用現(xiàn)有的C#.NET軟件平臺(tái)來(lái)實(shí)現(xiàn)，只要輸入管道煤 氣中所采集到的溫度、壓力和差壓3個(gè)參數(shù)，就能得到相對(duì)應(yīng)的煤氣流量值，實(shí)現(xiàn)煤氣計(jì)
權(quán)利要求
1.一種利用BP神經(jīng)網(wǎng)絡(luò)的煤氣流量計(jì)量方法，其特征在于選用三層BP神經(jīng)網(wǎng)絡(luò)為原型，建立一個(gè)三層BP神經(jīng)網(wǎng)絡(luò)模型對(duì)煤氣流量進(jìn)行預(yù)測(cè)，主要分以下三個(gè)步驟1)樣本數(shù)據(jù)采集選出歷史準(zhǔn)確的結(jié)算數(shù)據(jù)，包括溫度、壓力、差壓和流量為樣本；2)BP網(wǎng)絡(luò)訓(xùn)練將步驟1)中的樣本數(shù)據(jù)輸入到三層BP網(wǎng)絡(luò)中，對(duì)網(wǎng)絡(luò)進(jìn)行訓(xùn)練，將網(wǎng)絡(luò)輸入的煤氣流量值與對(duì)應(yīng)的樣本值進(jìn)行對(duì)比，直到網(wǎng)絡(luò)訓(xùn)練的均方誤差達(dá)到要求，確定網(wǎng)絡(luò)的重要參數(shù)權(quán)值和閾值；3)煤氣流量計(jì)量在生產(chǎn)預(yù)測(cè)時(shí)，將采集的煤氣溫度、壓力和差壓輸入到步驟2)訓(xùn)練好的BP網(wǎng)絡(luò)中，即可預(yù)測(cè)出煤氣流量值。
全文摘要
本發(fā)明是一種利用BP神經(jīng)網(wǎng)絡(luò)(技術(shù))的煤氣流量計(jì)量方法。選用三層BP神經(jīng)網(wǎng)絡(luò)為原型，建立一個(gè)三層BP神經(jīng)網(wǎng)絡(luò)模型對(duì)煤氣流量進(jìn)行預(yù)測(cè)，主要分以下三個(gè)步驟1)樣本數(shù)據(jù)采集選出歷史準(zhǔn)確的結(jié)算數(shù)據(jù)(包括溫度、壓力、差壓和流量)為樣本；2)BP網(wǎng)絡(luò)訓(xùn)練將步驟1)中的樣本數(shù)據(jù)輸入到三層BP網(wǎng)絡(luò)中，對(duì)網(wǎng)絡(luò)進(jìn)行訓(xùn)練，將網(wǎng)絡(luò)輸入的煤氣流量值與對(duì)應(yīng)的樣本值進(jìn)行對(duì)比，直到網(wǎng)絡(luò)訓(xùn)練的均方誤差達(dá)到要求，確定網(wǎng)絡(luò)的重要參數(shù)權(quán)值和閾值；3)煤氣流量計(jì)量在生產(chǎn)預(yù)測(cè)時(shí)，將采集的煤氣溫度、壓力和差壓輸入到步驟2)訓(xùn)練好的BP網(wǎng)絡(luò)中，即可預(yù)測(cè)出煤氣流量值。本發(fā)明將神經(jīng)網(wǎng)絡(luò)技術(shù)應(yīng)用于煤氣流量計(jì)量中，解決了流量補(bǔ)償不確定性問(wèn)題。
文檔編號(hào)G06N3/06GK101319925SQ200810058669
公開(kāi)日2008年12月10日 申請(qǐng)日期2008年7月11日 優(yōu)先權(quán)日2008年7月11日
發(fā)明者俊 馮, 峰 劉, 力 張, 軍 李, 李宗祿 申請(qǐng)人:昆明理工大學(xué)