一种基于BP神经网络的压力传感器测量精度优化方法与流程

一种基于bp神经网络的压力传感器测量精度优化方法
技术领域
1.本发明涉及传感器测量技术领域，特别是涉及一种基于bp神经网络的压力传感器测量精度优化方法。


背景技术：

2.冠脉搭桥手术作为一种治疗重症冠心病的重要手段，一直以来深受重视。心脏固定器是冠脉搭桥手术中的重要医疗器械，承担着固定心肌组织、保障手术精准稳定的关键性作用。但是，现有心脏固定器利用刚性吸盘吸附固定心肌，长时间吸附容易造成心肌血肿等并发症，影响手术质量，危及患者健康。
3.目前，研究已从仿生学出发，受章鱼吸盘吸附力强、复杂结构适应性强、与软性组织交互性好等特点的启发，研究了一种具有章鱼吸盘结构与材料分层特点的仿生软体吸盘，并将阵列式柔性电子传感器植入吸盘结构中实现吸盘压力传感测量。传感器在不同条件下所受到不同因素干扰会影响传感器的输出精度，所以针对植入传感器的仿生吸盘在不同接触面的测量精度仍有待提高。


技术实现要素：

4.为了解决现有技术中柔性阵列式压力传感器测量精度不高的技术问题，本发明的一个目的在于提供一种基于bp神经网络的压力传感器测量精度优化方法，所述优化方法包括：
5.s1、获取样本数据，其中，所述样本数据包括：柔性阵列式压力传感器的标定压力值、柔性阵列式压力传感器不同温度下的输出电压值，以及不同温度下温度传感器的输出电压值；
6.s2、将获取的样本数据进行归一化处理：
7.s3、将归一化处理后的柔性阵列式压力传感器不同温度下的输出电压值，以及归一化处理后的不同温度下温度传感器的输出电压值，作为bp神经网络的输入，将归一化处理后的柔性阵列式压力传感器的输出压力值，作为bp神经网络的输出，对bp神经网络进行训练；
8.s4、将柔性阵列式压力传感器不同温度下的输出电压值，以及不同温度下温度传感器的输出电压值，输入bp神经网络，输出柔性阵列式压力传感器的测量压力值。
9.优选地，步骤s1中，不同温度下温度传感器的输出电压值包括：25℃下温度传感器的输出电压值、45℃下温度传感器的输出电压值、60℃下温度传感器的输出电压值、80℃下温度传感器的输出电压值。
10.本发明提供的一种基于bp神经网络的压力传感器测量精度优化方法，有效提高传感器输出的测量压力值的精度，减小误差所造成的影响，具有较好的应用前景。
11.本发明提供的一种基于bp神经网络的压力传感器测量精度优化方法，采用常用的bp神经网络，可移植性强，使用的温度和压力传感器易于获取，成本较低、重复性高，可以应
用在大多数传感器精度提升上。
具体实施方式
[0012][0013]
为了解决现有技术中柔性阵列式压力传感器测量精度不高的技术问题，根据本发明的实施例，提供一种基于bp神经网络的压力传感器测量精度优化方法，所述优化方法包括：
[0014]
步骤s1、获取样本数据，其中，样本数据包括：柔性阵列式压力传感器的标定压力值、柔性阵列式压力传感器不同温度下的输出电压值，以及不同温度下温度传感器的输出电压值。
[0015]
实施例中，通过柔性阵列式压力传感器对仿生吸盘中的压力值标定，获取柔性阵列式压力传感器的标定压力值p和柔性阵列式压力传感器不同温度下的输出电压值u。
[0016]
在柔性阵列式压力传感器对仿生吸盘的压力测量时，容易受到温度变换的影响。因此，本发明引入温度传感器进行神经网络训练，通过温度传感器获取不同温度下温度传感器的输出电压值u
t
。
[0017]
具体的实施例中，不同温度下温度传感器的输出电压值包括：25℃下温度传感器的输出电压值、45℃下温度传感器的输出电压值、60℃下温度传感器的输出电压值、80℃下温度传感器的输出电压值。获取的样本数据数据如表1所示。
[0018]
表1获取的样本数据
[0019][0020]
s2、将获取的样本数据进行归一化处理。
[0021]
对获取的样本数据归一化处理获取无偏网络，保证每个特征的贡献，使优化速度更快。
[0022]
归一化处理方法按照如下方法处理：
[0023]
ui＝(u-u
min
)/(u
max-u
min
)，
[0024]uti
＝(u
t-u
tmin
)/(u
tmax-u
tmin
)，
[0025]
p’i
＝2*(p-p
min
)/(p
max-p
min
)-1。
[0026]
其中，ui、u
ti
、p’i
，分别为归一化处理后的柔性阵列式压力传感器不同温度下的输出电压值、归一化处理后的不同温度下温度传感器的输出电压值、归一化处理后的柔性阵
列式压力传感器的输出压力值。
[0027]
归一化处理后的样本数据由原来的7组数据处理为28组数据，如表2所示。
[0028]
表2归一化处理后的样本数据
[0029][0030]
步骤s3、将归一化处理后的柔性阵列式压力传感器不同温度下的输出电压值，以及归一化处理后的不同温度下温度传感器的输出电压值，作为bp神经网络的输入，将归一化处理后的柔性阵列式压力传感器的输出压力值，作为bp神经网络的输出，对bp神经网络进行训练。
[0031]
bp神经网络网络结构划定为：2-10-1两个输入，10个隐藏神经元，1个输出。
[0032]
步骤s4、将柔性阵列式压力传感器不同温度下的输出电压值，以及不同温度下温度传感器的输出电压值，输入bp神经网络，输出柔性阵列式压力传感器的测量压力值(融合值)，对柔性阵列式压力传感器的标定压力值进行优化。
[0033]
实施例中，通过融合温度传感器的电压值，对柔性阵列式压力传感器的标定压力值进行优化，测量结果有所提高，如表3所示融合温度传感器的电压值的测量压力值(融合值)与标定值的对比表。
[0034]
表3融合温度传感器的电压值的测量压力值(融合值)与标定值的对比表
[0035][0036]
本发明一种基于bp神经网络的压力传感器测量精度优化方法，有效提高传感器输出的测量压力值的精度，减小误差所造成的影响，具有较好的应用前景。
[0037]
尽管上面已经示出和描述了本发明的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本发明的限制，本领域的普通技术人员在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。


技术特征：
1.一种基于bp神经网络的压力传感器测量精度优化方法，其特征在于，所述优化方法包括：s1、获取样本数据，其中，所述样本数据包括：柔性阵列式压力传感器的标定压力值、柔性阵列式压力传感器不同温度下的输出电压值，以及不同温度下温度传感器的输出电压值；s2、将获取的样本数据进行归一化处理：s3、将归一化处理后的柔性阵列式压力传感器不同温度下的输出电压值，以及归一化处理后的不同温度下温度传感器的输出电压值，作为bp神经网络的输入，将归一化处理后的柔性阵列式压力传感器的输出压力值，作为bp神经网络的输出，对bp神经网络进行训练；s4、将柔性阵列式压力传感器不同温度下的输出电压值，以及不同温度下温度传感器的输出电压值，输入bp神经网络，输出柔性阵列式压力传感器的测量压力值。2.根据权利要求1所述的优化方法，其特征在于，步骤s1中，不同温度下温度传感器的输出电压值包括：25℃下温度传感器的输出电压值、45℃下温度传感器的输出电压值、60℃下温度传感器的输出电压值、80℃下温度传感器的输出电压值。

技术总结
本发明提供了一种基于BP神经网络的压力传感器测量精度优化方法，包括：S1、获取样本数据，包括：柔性阵列式压力传感器的标定压力值、柔性阵列式压力传感器不同温度下的输出电压值，以及不同温度下温度传感器的输出电压值；S2、将获取的样本数据进行归一化处理：S3、将归一化处理后的柔性阵列式压力传感器不同温度下的输出电压值，以及归一化处理后的不同温度下温度传感器的输出电压值，作为BP神经网络的输入，对BP神经网络进行训练；S4、将柔性阵列式压力传感器不同温度下的输出电压值，以及不同温度下温度传感器的输出电压值，输入BP神经网络，输出柔性阵列式压力传感器的测量压力值。本发明有效提高传感器输出的测量压力值的精度。度。


技术研发人员：孙广开 樊欣玮 祝连庆 何彦霖 李红 何巍
受保护的技术使用者：广州市南沙区北科光子感知技术研究院
技术研发日：2023.03.28
技术公布日：2023/8/5