康国炼， 杨遂军， 叶树亮

(中国计量学院 工业与商贸计量技术研究所，浙江 杭州 310018)



改进BP算法在热流传感器温度补偿中的应用*

康国炼， 杨遂军， 叶树亮

(中国计量学院 工业与商贸计量技术研究所，浙江 杭州 310018)

摘要:针对帕尔贴(Peltier)热流传感器存在温度漂移问题，提出了一种基于改进BP神经网络的温度补偿模型。采用BP算法的多层前馈网络建立起热流传感器输出电压、实验温度与输入热流间的映射关系,又通过增加动量因子和自适应调节学习率来提高网络的收敛速度与增强网络平稳性。研究结果表明:动量因子—自适应学习率算法温度补偿模型效果明显。

关键词：帕尔贴热流传感器； 动量因子； BP算法； 温度漂移

0引言

随着微量热技术的发展，量热仪在微生物、药物、聚合物、矿物等诸多领域具有广泛的应用[1,2]。帕尔贴(Peltier)热流传感器是微量热系统的核心部件，其本质是半导体热电堆，具有较大的电动势输出，因此,灵敏度很高，能检测到μW量级的热流，相当于的10-6℃的温差[3]。但由于半导体材料具有较大的温度系数，导致传感器的零点和灵敏度具有很强的温度依赖性[4]。为了满足宽温区的微量热精度要求，需要针对温度漂移带来的误差进行补偿。

本文提出了一种基于改进BP算法，即动量因子—自适应学习率算法的温度补偿模型，其利用温度传感器增加了温度参数，并结合热流传感器提供的热流参数建立样本进行学习和训练，通过使用动量因子—自适应学习率算法改善神经网络的收敛性并消除局部最优，使得输入输出参量间的映射关系更加准确可靠，提高了热流检测的准确度。……