李会兵

（西安机电信息技术研究所，西安,710065）

0 引言

在引信的环境试验中，热源的距离、温度的传输介质等因素对于引信的实际工作温度影响很大，目前主要依靠人工经验或者简单的数据处理方式（线性关系）来判断引信的实际工作温度。温度的测量精度不高，不能够及时的反应引信工作环境的实际温度，测温的延时较大，有可能会导致热源温度与引信的实际工作温度误差较大，使其长时间处于极限工作状态，增加了损坏概率，降低了产品的可靠性。因此，本文介绍一种基于BP神经网络的温度预测方法，对引信的实际工作温度进行预测。

传统的温度测试方法主要有：1）直接测试法，该方法响应速度较慢，不能及时反映温度的变化规律；2）基于试验数据和线性回归的温度预测方法，该方法需要大量的实验数据预先建立模型，数据的获取存在较大困难，使该方法的应用受到一定的限制。因此，本文提出了一种基于BP神经网络的温度预测方法。

1 背景

1.1 传统的环境温度测试方法

传统的环境温度测试方法主要是通过微控制器采集温度传感器，通过内部校准程序对传感器的值进行校准，最后通过显示模块进行显示。具体简单模型如图1所示。

图1 传统的温度测试方法

传统的测试方法中，数据处理模块比较简单，概括起来主要有两种情况，（1）利用温度的线性标定来确定传感器的输出与温度之间的关系，利用插值法求解温度值，误差较大，不能较好的反应温度瞬时变化的过程。……