一種BP網絡校正算法的實驗室智能溫控系統研究

羅云芳

摘 要： 實驗室中的電子設備和化學試劑等對溫度條件的要求較高，需要進行智能溫度控制。傳統的實驗室溫度控制方法采用BP神經網絡控制方法，系統連接權值表現為一種靜態屬性相關權重，難以適應實驗室溫度自適應控制的需求。提出一種基于變結構BP神經網絡自適應校正的實驗室智能溫度控制算法。進行實驗室溫度數據的挖掘和預處理，構建變結構BP神經網絡自校正控制模型，采用自適應校正方法對溫差進行調整，采用比例元進行溫度過高情況下的微調，采用積分元進行溫度過低下的微調，實現控制算法改進?；赥MS320VC5509A DSP芯片進行智能溫控系統的核心電路設計。仿真結果表明，采用該系統能有效實現實驗室溫度智能控制，性能較好，可靠性高。

關鍵詞： 實驗室； 溫度控制； BP神經網絡； 系統設計

中圖分類號： TN911?34； TP373 文獻標識碼： A 文章編號： 1004?373X（2015）20?0084?04

Research on laboratorys intelligent temperature control system based on

BP network correction algorithm

LUO Yunfang

（Guangxi Vocational and Technical College， Naning 530226， China）

Abstract： The electronic equipment and chemical reagents in laboratory need intelligent temperature control due to their high requirements for temperature conditions. The traditional temperature control method with BP neural network control can not meet the requirements of laboratory temperature self?adaptive control since the system connection weight is a kind of relative weight of static attribute. An intelligent temperature control algorithm based on structure?transform BP neural network self?adaptive correction is proposed for laboratories. On the basis of the data mining and preprocessing， the improvement of the control algorithm is realized by the methods that the BP neural network self?adaptive control model is constructed， the adaptive correction method is adopted to adjust the temperature difference， the proportion element is used to conduct fine adjustment of excess temperature， and the integral element is employed to execute fine adjustment of too low temperature. the core circuit of intelligent temperature control system based on DSP TMS320VC5509A chip was designed. The simulation results show that the system can effectively achieve the laboratory temperature intelligent control.

Keywords： laboratory； temperature control； BP neural network； system design

0 引 言

大型的實驗室采用封閉設計，空氣循環和溫度調節需要通過實驗室的溫度傳感器和空調進行智能控制，對實驗室溫度的精確控制，對保證實驗結果準確性具有重要意義。通過對大型實驗室溫度傳感數據狀態模式的準確挖掘，以此為樣本數據，實現對實驗室溫度的精確控制，提高實驗分析的精度和性能。由于實驗室中的電子設備和化學試劑等對溫度條件的要求較高，需要進行智能溫度控制，研究實驗室的溫度自適應智能控制系統設計和控制算法改進具有重要的意義，相關的研究受到了廣大學者和專家的重視[1]。

在進行實驗室智能溫控過程中，實驗室溫度傳感數據狀態采集系統進行溫度信息的感知，實現溫度數據的挖掘和采集，實驗室溫度數據采集方法主要有熱催化式測定法、半導體氣敏傳感器測量法、光纖吸收法、光聲光譜法等，熱催化式的測定方法中探測元件的壽命較短，無法在溫控要求較高的實驗室中進行精確測試，關于實驗室溫控智能控制系統的設計中，傳統光干涉的溫度控制設計方法較為復雜，無法進行大規模的普及。更多是采用光電檢測技術進行信號處理后對溫度進行檢測[2?4]。溫度控制理論上，傳統的溫度控制主要從控制論出發，通過傳感器數據狀態模式的挖掘實現對實驗室溫度的精確控制，常見的如PID控制方法[5?8]。傳統方法中對實驗室溫度傳感器的數據狀態模式挖掘采用半導體氣敏傳感器測量法進行數據采集，并采用神經網絡控制法實現數據狀態模式挖掘和溫度控制，方法受限于溫度數據的均衡控制無法準確把握，控制效果不好[9]。而采用BP神經網絡控制方法，神經網絡控制的連接權值表現為一種靜態屬性相關權重，難以適應實驗室溫度自適應控制的需求。

針對上述問題，本文提出一種基于變結構BP神經網絡自適應校正的實驗室智能溫控方法，并進行系統設計。首先進行實驗室溫度控制算法設計，然后采用DSP芯片進行實驗室溫控系統的硬件設計與實現，最后進行仿真實驗實現性能測試和驗證，得出有效性結論。

1 實驗室溫度數據的挖掘和預處理

為了實驗室溫度智能控制，需要進行數據分析，本文進行實驗室溫度數據采集方法采用半導體氣敏傳感器測量法，實驗室溫度數據的采集流程如圖1所示。

圖1 實驗室溫度數據的采集流程

結合圖1所示的算法流程圖，進行溫度傳感數據的狀態模式挖掘，采用PID控制器進行實驗室的溫度調節和自適應控制，根據實驗室溫度的非線性控制特性，采用粗糙低分辨率的模糊訓練集，得到實驗室的溫度控制模糊決策函數的輸入為：

[y=Emaxtan（x×a）] （1）

式中：[Emax]表示傳感器節點采集的溫度數據的模糊論域最大值；[a]為常數。此時智能溫控傳感器系統向CTCS發送溫度控制指令，得到實驗室的溫度傳感信息包絡指向性特征表示為：

[y（t）=Ren=1Lαn（t）e-j2πfcτn（t）s（t-τn（t））ej2πfct] （2）

隨著實驗室溫度變化，實驗室溫度傳感數據的自相關控制狀態方程為：

[y（t）=n=1Lαn（t）e-j2πfc（t）τn（t）s（t-τn（t）） =n=1Lαn（t）s（t-τn（t））] （3）

式（3）表明，可以用自動模糊匹配方法實現對實驗室溫度數據的沖激響應特征分析，采用[c（τ；t）]來描述列實驗室溫度控制中心的脈沖響應頻率，得到溫度控制量偏差為：

[c（τ；t）=n=1Lαn（t）δ（t-τn（t））] （4）

溫度傳感器記錄到的輸入溫度變化幅度[st]為一個帶寬為[W]的沖激響應函數，根據抽樣定理，其等效低通濾波輸出可以表示為：

[st-τ=n=-∞∞st-nTsin2πBτ-nT2πBτ-nT] （5）式中：[B=W2]為實驗室溫度控制的帶寬，溫度采樣間隔[T=12B=1W]。輸出等效低通溫度調整配置權重為：[yt=-∞∞cτ；tn=-∞∞st-nTsin2πBτ-nT2πBτ-nTdτ =n=-∞∞st-nT-∞∞cτ；tsin2πBτ-nT2πBτ-nTdτ =n=-∞∞st-nTgnt] （6）

式中，溫度控制的權系數[α]應隨控制狀態和環境因素自適應變化，得到穩態誤差輸出為：

[gnt=-∞∞cτ；tsincBτ-nTdτ] （7）

通過解調和A/D轉換，輸出實驗室溫度數據的挖掘結果，以此為數據基礎，進行信息融合和分析，為后續控制系統提供信息輸入。

2 實驗室溫度智能控制算法改進設計

在上述進行數據挖掘和特征提取的基礎上，得到了溫度數據傳感信息，以此作為數據源，進行溫度控制。傳統的實驗室溫度控制方法采用BP神經網絡控制方法，難以適應實驗室溫度自適應控制的需求。本文提出一種基于變結構BP神經網絡自適應校正的實驗室智能溫度控制算法。BP神經網絡自適應校正控制算法的設計描述如下。

首先構建變結構BP神經網絡自校正控制模型，如圖2所示。

圖2 變結構BP神經網絡自校正控制模型

圖2中，變結構BP神經網絡自校正系統的輸入向量為第1節所述中提取的溫度傳感器采集的溫度數據原始數據[r1，r2，…，rn]，作為變結構BP神經網絡的溫度變化幅度輸入，在神經網絡系統中，輸入層為[2n]個神經元結構，溫度控制偏差變化率[ec]，偏差積分[ed]，此時BP神經元輸入為：

[nets1（k）=rs（k）nets2（k）=ys（k）] （8）

變結構BP神經網絡采用雙閉環控制，通過振幅調制使測量的實驗室溫度控制信號為一個低頻信號，當溫度控制偏差較小時進行系統細調，得到神經元的狀態為：

[usi（k）=netsi（k）] （9）

實驗室溫度控制的BP神經網絡第三層神經元的輸出為：

[xsi（k）=1， usi（k）>1usi（k）， -1≤usi（k）≤1-1， usi（k）<-1 ] （10）

式中：1和-1分別表示溫度控制系統中出現溫度過高和過低的情形，在限定條件下實驗室溫度數據的溫度控制結構需要進行自適應校正，實現溫差補償，得到被控量序號（[s=]1，2，…，n）；BP神經元中[i]為子網輸入層序號（[i=1，2]）。通過上述分析，采用自適應校正方法對溫度的溫差進行調整，得到實驗室溫度控制的模糊匹配系數表達式為：

[netsj′（k）=i=12wsijxsi（k）] （11）

在BP神經網絡系統中，采用比例元進行溫度過高情況下的微調，其中比例元的狀態為：

[us1′（k）=nets1′（k）] （12）

采用積分元進行溫度過低下的粗調，得到BP神經網絡的積分元狀態為：

[us2′（k）=us2′（k-1）+nets2′（k）] （13）

測試溫度進行粗調后的預測值，得到BP神經網絡的微分元狀態為：

[us3′（k）=nets3′（k）-nets3′（k-1）] （14）

通過上述處理，實現BP神經網絡下的實驗室溫度自適應校正，得到校正后的溫度控制系統的隱含層各神經元的輸出為：

[xsj′（k）=1， usj′（k）>1usj′（k）， -1≤usj′（k）≤1-1， usj′（k）<-1 ] （15）

式中：[s]為溫度掃描周期；[j]為子網中隱含層神經元序號（[j=1，2，3]）；[wsij]為溫度控制BP神經網絡輸入層至隱含層的連接權重值。通過上述處理，使得實驗室的溫度變化率、積分時間和微分時間通過線性組合的方式進行自適應組合，提高溫度控制精度。

3 智能溫控系統硬件設計與實現

在上述算法設計的基礎上，進行實驗室溫度智能控制系統的硬件設計，本文采用DSP芯片進行溫度控制和核心電路設計，數字信號處理器選用了TI公司的TMS320VC5509A，整個系統的硬件設計如圖3所示。

圖3 系統整體設計框圖

系統設計主要包括時鐘發生器、部存儲器、電源電路、外圍電路、模擬信號到數字信號的轉換器等，時鐘發生器將接收到的溫度傳感信息數據輸入時鐘變換電路中，通過CPU及其外設所需要的工作時鐘進行溫度控制系統的A/D轉換和數據調節。另外溫度控制系統需要進行外部存儲器擴展，系統中選用了SRA，FLASH和SDRAM三種不同類型的存儲器，進行溫度數據的存儲和調度。溫度控制系統外部存儲器電路結構如圖4所示。

硬件系統設計的另一個重要子系統為溫度傳感數據的波形發生器，波形發生器是依據直接數字頻率合成（DDS）原理來設計的。頻率精密可控，其范圍為2～200 Hz，可輸出兩路波形，一路正弦波，一路方波。兩路輸出分別有同步信號輸出，以供調試使用。且方波占空比可控，范圍為5%～70%。幅度固定為（4±0.1）V，控制由鍵盤輸入，并帶有 LCD 顯示系統當前狀態。該子程序的基本功能是：當接收到FPGA給出的啟動信號時，定時器3（T3）開始工作；當定時器內部計數器值達到預設的周期值時，啟動ADC轉換，同時進入A/D中斷，在A/D中斷子程序中完成對數據的讀取，并保存到預先設定的數組里面，然后等待下一時刻中斷，如此循環；當數組數據儲存滿時，關閉定時器，進入溫度傳感數據處理子程序來處理先前保存的那一組數據。并通過接入電阻使輸出電壓為0～10 V。VAA為+5 V電壓輸入，VDD，VEE為±15 V電壓供電，由此實現了實驗室溫度的智能控制。實驗室智能溫控系統的邏輯控制電路如圖5所示。

圖4 溫度控制系統外部存儲器電路結構

圖5 實驗室智能溫控系統的邏輯控制電路

4 系統仿真實驗與結果分析

為了測試本文設計的改進的實驗室智能溫控系統的性能，進行仿真實驗，中心頻率32階可控，可達140 kHz；根據設計的溫度傳感器數據采集系統，進行實驗室的溫度數據采集，行實驗室溫度原始數據采集中，采用雙通道溫度信息采集傳感裝置，基于4位控制信號來實驗室溫度信息的偏差和衰減量。得到溫度數據采樣結果見表1。根據上述溫度數據采集樣本，進行溫度BP自校正控制，設溫度控制的BP神經網絡的系數為：[KI=0.05]，[KP=0.02]，[KD=0]；中心頻率32階可控，可達140 kHz；時鐘范圍為40 Hz～4.0 MHz。根據上述結果，得到溫度數據的幅值采用結果如圖6所示。

從圖6可見，采用本文設計方法能有效實現溫度信息的提取和數據感知，為進行溫度控制提供準確的數據基礎。以此為基礎，調整FPGA輸出波形時顯示當前信號頻率、方波占空比、信號幅度及衰減器衰減值，得到溫度控制處理結束時顯示波形和所需數據，實現智能溫控，得到仿真結果如圖7所示。從圖可見，采用本文算法，能有效實現實驗室溫度智能控制，對實驗室溫度的微調和粗調的精度都較高。

表1 實驗室溫度傳感數據采集測試結果

圖6 溫度數據采樣結果

圖7 智能溫控系統輸出顯示

5 結 語

實驗室中的電子設備和化學試劑等對溫度條件的要求較高，需要進行智能溫度控制。傳統的實驗室溫度控制方法采用BP神經網絡控制方法，神經網絡控制的連接權值表現為一種靜態屬性相關權重，難以適應實驗室溫度自適應控制的需求。提出一種基于變結構BP神經網絡自適應校正的實驗室智能溫度控制算法。首先進行實驗室溫度控制算法設計，采用比例元進行溫度過高情況下的微調，采用積分元進行溫度過低下的粗調，測試溫度進行粗調后的預測值，實現BP神經網絡下的實驗室溫度自適應校正，然后采用DSP芯片進行實驗室溫控系統的硬件設計與實現，系統設計主要包括時鐘發生器、部存儲器、電源電路、外圍電路、模擬信號到數字信號的轉換器等。仿真結果表明，采用本文設計的系統能有效實現實驗室溫度智能控制，性能較好，可靠性高。

參考文獻

[1] 雷琪.焦爐加熱燃燒過程的智能集成優化控制策略及其應用研究[D].長沙：中南大學，2007.

[2] 王偉，吳敏，曹衛華，等.基于組合灰色預測模型的焦爐火道溫度模糊專家控制[J].控制與決策，2010，25（2）：185?190.

[3] 高憲文，劉浩，趙亞平.模糊復合控制方法在焦爐控制系統中的應用研究[J].控制與決策，2005，20（4）：434?438.

[4] 張小冰.變頻器優化控制方法研究與仿真[J].計算機仿真， 2011，28（11）：409?412.

[5] 郭偉.基于互信息的RBF神經網絡結構優化設計[J].計算機科學，2013，40（6）：252?255.

[6] 聞新，張興旺，張威.基于HBF神經網絡的自適應觀測器[J].電子學報，2015，43（7）：1315?1319.

[7] 楊大為，叢楊，唐延東.基于結構化的加權聯合特征表觀模型的目標跟蹤方法[J].信息與控制，2015，44（3）：372?378.

[8] MEI X， LING H. Robust visual tracking using L1 minimization [C]// Proceedings of 2009 IEEE International Conference on Computer Vision. Berlin， Germany： Springer， 2009： 1436?1443.

[9] COLLINS R， LIU Y， LEORDEANU M. Online selection of discriminative tracking features [J]. IEEE Transactions on Pattern Analysis and Machine Intelligence， 2005， 27（8）： 1631?1643.