用神經網路修正系統誤差筆記

用神經網路綜合修正感測器靜態誤差的連線方法如下圖所示：

即誤差修正模型的輸出z與被測非電量x成線性關係，且與各環境引數無關。

只要使誤差修正模型

即可實現感測器靜態誤差的綜合修正。

通常感測器模型 f(x;t) 及其反函式

根據前向神經網路具有很強的輸入、輸出非線性對映能力的特點，以實驗資料集的和為輸入樣本，及對應的為輸出樣本，對神經網路進行訓練，使神經網路逐步調節各個權值自動實現

因神經網路學習時，加在輸入端的資料太大，會使神經元節點迅速進入飽和，導致網路出現麻痺現象。此外，由於在神經網路中採用s型函式，輸出範圍為(0，1)，且很難達到0或1。故在學習之前，應對資料進行歸一化處理。

式中，di、do分別是欲作為神經網路輸入、輸出樣本的原始資料。

建立神經網路誤差修正模型的步驟：

（1）取感測器原始實驗資料。

（2）由式①變換原始資料z』和t，式②變換原始資料x，得訓練神經網路的輸入、輸出樣本對。

（3）確定神經網路輸入、輸出端數量、各層節點數、學習率和動量因子的值。網路輸入端數量與輸入層節點數量相同，等於環境引數個數k+1。輸出端數量與輸出層節點數均為1。隱層節點數根據被測非電量、環境引數及感測器輸出之間的關係的複雜程度而定，關係複雜取多些，反之取少些。學習率和動量因子一般取0～1。

（4）訓練神經網路得到誤差修正模型。

【注】訓練的資料需分為訓練資料和驗證資料。例如將乙份資料的70%拿來訓練模型，剩下30%拿來驗證訓練出的模型。

參考：《感測器與檢測技術（第4版）》徐科軍主編。