專利名稱：用多層感知機神經網絡實現測量的氣壓高度計及測量方法
技術領域：
本發明屬于測量技術領域，涉及一種利用多層感知機神經網絡實現測量 的氣壓高度計，本發明還涉及該氣壓高度計的測量方法。
技術背景高度的測量對于飛行器的安全飛行與自動控制有著十分重要的作用。按 原理分，氣壓高度計主要有氣壓式和無線電式。氣壓高度計是根據大氣層的 組成及特點，我們知道空氣的靜壓^在地面上最大，隨著高度增加呈指數規 律減小。通過測量氣壓g，間接測量高度。另外由于空中溫度變化大，而壓 力傳感器受溫度影響較大，為此需要借助溫度傳感器的輸出對壓力傳感器的 輸出進行補償。無線電高度表是利用無線電波反射的原理工作的。測量時， 發射機經發射天線同時向地面和接收機發射同一無線電波，接收機將先后接 收到由發射機直接來的電波和經地面反射后的回波，兩束電波存在有時間 差。如果電波在傳送過程中沒有受到干擾，時間差正比于被測的高度。測量 出時間差，高度也就知道了。國內外不少學者和研究機構也發明并設計氣壓高度計，其中ETA瑞士 鐘表制造股份有限公司設計有一種包括溫度補償設備的氣壓高度計，該高度 計依靠自身的時間單元、糾正電路、日期和預定氣候值從包含在存儲于該高 度計列值之中選出參考溫度值來確定高度，由于溫度不是實時測定，這樣壓 力傳感器得不到實時修正，這樣計算會有很大誤差。由于高度與大氣壓力的關系復雜，影響因素多，很難用一個顯函數來直接描述大氣壓力對幾何高度的關系，按傳統的設計方法，假設氣體為理想氣 體，利用曲面擬合的方法，解算高度，由于傳感器自身的漂移和穩定性的影 響，解算出的高度精度會隨著時間的變化而發生改變，精度不會很高。 發明內容本發明的目的是提供一種利用多層感知機神經網絡實現測量的氣壓高 度計，解決了現有技術存在的時漂、溫漂現象，以及實時精度不高的問題。 本發明的另一目的是提供上述氣壓高度計的測量方法。本發明所采用的技術方案是， 一種利用多層感知機神經網絡實現測量的 氣壓高度計，包括靜壓氣嘴和數據處理裝置，靜壓氣嘴中設置有靜壓與溫度 測量單元，靜壓與溫度測量單元包括靜壓傳感器和溫度傳感器，靜壓傳感器 由壓力敏感管和敏感頭組成，壓力敏感管插入到氣嘴內，敏感頭靠近靜壓氣 嘴底端的一端，溫度傳感器置于靜壓氣嘴底端處，數據處理裝置包括依次連接的A/D轉換器單元、中央處理單元和通訊接 口單元，A/D轉換器單元、中央處理單元和通訊接口單元分別與電源模塊連 接；靜壓與溫度測量單元與A/D轉換器單元相連接；中央處理單元包括CPU微處理器，該CPU微處理器中預裝入多層感知 機神經網絡運算軟件。本發明所采用的另一的技術方案是，利用上述的氣壓高度計進行高度測 量的方法，包括以下步驟，步驟1，通過一靜壓氣嘴引入外界氣體，由設置于靜壓氣嘴內的靜壓傳 感器和溫度傳感器測量得到當前狀態的靜壓和溫度模擬信號；步驟2，將上步得到的靜壓和溫度模擬信號送入A/D轉換器進行A/D轉 換，將上述靜壓和溫度模擬信號轉換成數字信號；步驟3，將上步得到的靜壓和溫度數字信號送入中央處理單元中進行處 理，得到數字量的壓力和溫度信號，在CPU微處理器內完成壓力的溫度補 償，再將補償后的壓力和溫度值送入CPU微處理器內存儲的多層感知機神 經網絡進行智能解算，得到當前狀態的高度值；步驟4，將上步得到的高度值通過通訊接口單元將信號輸出。 本發明的有益效果是，能夠克服時間漂移和溫漂，具有自學習功能，并 且通過神經網絡的自學習，實時精度的誤差可達到0.5%以下，具有體積小、 重量輕、可靠性高的特點。
圖1是本發明實施例的模塊連接示意圖；圖2是本發明靜壓與溫度測量單元實施例的結構示意圖，其中a為靜壓 與溫度測量單元的結構示意圖，b為本發明裝置的靜壓傳感器的結構示意圖。圖3是本發明實施例的微處理器ADuC845的實現電路圖；圖4是本發明實施例的多層感知機神經網絡實現方法的流程示意圖。圖中，IO.靜壓氣嘴，20.靜壓與溫度測量單元，30.A/D轉換器，40.中央處理單元，50.通訊接口， 60.電源模塊，l.靜壓氣嘴進口， 2.靜壓傳感器，3.溫度傳感器，4.靜壓氣嘴底端，5.壓力敏感管，6.敏感頭。
具體實施方式
下面結合附圖和具體實施方式
對本發明進行詳細說明。 由于高度與大氣壓力的關系復雜，影響因素多，很難用一個顯函數來直接描述大氣壓力對幾何高度的關系，而基于多層感知機神經網絡的氣壓高度計不但精度高，而且能夠克服高度計的時漂、溫漂現象。圖1所示為本發明裝置的模塊連接示意圖。靜壓與溫度測量單元20與 A/D轉換器30、中央處理單元40、通訊接口50依次連接，前述各個單元還 分別與電源模塊60連接，接受電源模塊60的供電。靜壓與溫度測量單元20包括靜壓傳感器2和溫度傳感器3。中央處理單元40包括微處理器CPU，該CPU微處理器中預裝入多層感 知機神經網絡運算軟件。圖2a所示為本發明裝置的靜壓與溫度測量單元的結構示意圖，圖2b所 示為本發明裝置的靜壓傳感器2的結構示意圖。靜壓氣嘴10設有靜壓氣嘴 進口 1，靜壓氣嘴進口 1內安裝有靜壓傳感器2和溫度傳感器3，靜壓傳感 器2采用TO-8封裝的壓力傳感器，靜壓傳感器2的壓力敏感管5插入到氣 嘴內，靜壓傳感器2的敏感頭6靠近靜壓氣嘴底端4的部位，并且兩者的連 接處要密封，溫度傳感器3置于氣嘴底端4中。外界氣體通過連接管進入靜 壓氣嘴進口 1，由靜壓氣嘴進口 1內的靜壓傳感器2和溫度傳感器3分別對 外界氣體的靜壓和溫度進行測量，當靜壓與溫度測量單元20在電源模塊60 正常供電的情況下，靜壓傳感器2和溫度傳感器3各自輸出與自身敏感量成 正比的電壓模擬信號。A/D轉換器30是為中央處理單元40的微處理器配合設置的兩路24位 A/D轉換器，A/D位數和轉換速度可通過軟件來設置，對壓力信號和溫度信 號進行A/D轉換，輸出數字信號直接進入中央處理單元40。中央處理單元40包括CPU微處理器和ANN-MLP多層感知機神經網 絡，CPU微處理器為高速的8為帶2路24位A/D轉換器，62K的程序存儲 器的單片機ADwC845 ，實現電路如圖3所示，模擬壓力信號pl、十pl和 溫度T+、 T-經過C6 、 C7濾波后通過單片機自帶的A/D轉換器ADCO、 ADC1進行轉換，得到數字量的壓力和溫度信號，在單片機內完成壓力的溫度補償， 再將補償后的壓力和溫度信號送入單片機內存儲的已經訓練好的多層感知 機神經網絡結構，經過多層感知機神經網絡的智能解算得到精確的高度值。單片機系統的供電電壓為+5^c， +5&(:經過由<:1 C2 C3 C4 C5 (電 容值采用0.1pF)組成的濾波網絡產生+5^x;的AVDD供單片機、壓力和溫 度傳感器使用，A/D轉換器的電壓基準+2.5V由REF2925提供，另外單片機 工作的震蕩器由OSC30(32.768K)和兩個電容C8 C9 (電容值采用30pF)組成。通訊接口 50采用MAX488，在電源模塊60正常供電的情況下，將中央 處理單元40的微處理器串口輸出的TTL電平轉換為RS485標準電平以 57600bit/s的波特率輸出，輸出數據的刷新頻率為100Hz。電源模塊60采用寬電源設計，在直流電壓5 32V區間內，輸入電壓經 過DC/DC變換器LT1933以后，輸出+5V直流電壓，此電壓再經過兩個線性 穩壓變換器MAX1615，分別輸出數字電壓+5V和模擬電壓+5V，其中一路 供微處理器40工作使用，另一路供壓力和溫度測量單元20和通訊接口 50 工作使用。如圖4所示，是本發明實施例的多層感知機神經網絡實現方法的流程示 意圖，網絡采用三層感知機神經網絡，第一層神經元數目為2，傳輸函數采 用S型函數；第二層神經元數目為10，傳輸函數采用線性函數；第三層神經元數目為1，傳輸函數采用S型函數。尸=[/^ ^"為網絡的輸入；^為 第一層神經網絡的權值；^為第一層神經網絡的閾值；/為第一層神經網絡的傳輸函數；^為第一層神經網絡的輸出；必2為第二層神經網絡的權值； 為第二層神經網絡的閾值；/2為第二層神經網絡的傳輸函數；"2為第二層神經網絡的輸出；必3為第三層神經網絡的權值；^為第三層神經網絡的閾值；/3為第三層神經網絡的傳輸函數；03為第三層神經網絡的輸出， "fl3 。本發明所采用的多層感知機神經網絡的訓練樣本提取依據， 一是依據航 空標準HB6127—86中所給出的大氣靜壓和幾何高度的數據；二是實驗測量 數據。采用這兩種方法獲得樣本庫，即在標準壓力和溫度條件下測得傳感器 的輸出作為輸入樣本，以及在該條件下航空標準中所確定的高度值作為輸出 樣本。本發明所采用的多層感知機神經網絡的訓練采用MOBP方法，訓練 后得到多層感知機神經網絡的數學模型的各層的權值和閾值。實施例本發明實施例選用美國ADI公司生產的高速微處理芯片ADu C845,靜 壓傳感器選用S17-030A (測量范圍0 30Psi)，溫度傳感器選用LM50 (測 量范圍-55 125°C，精度0.5"C)，傳感器輸出的模擬信號通過A/D轉換器 轉換成數字信號送入AD" C845芯片的CPU,在CPU內完成壓力傳感器的 溫度修正，再結合上述的訓練得到多層神經網絡數學模型，最終得到精確的 氣壓高度值，通過電平轉換(MAX488)以RS485接口的形式輸出數字值。(1) 利用航空標準HB6127-86中所給出的大氣靜壓、溫度和幾何高度 的數據，以大氣靜壓和溫度作為神經網絡的輸入，高度作為神經網絡的輸出， 在Matkb環境下編制程序對神經網絡加以訓練。(2) 以輸出誤差10—5作為最終目標，訓練達到目標后，得到神經網絡的各層的權值和閾值，結果如下,「-3.890605812898889e +000 - 6.964923417245192e + 000— -1.905649286947199e + 000 9.033754486929974e +000 "<formula>formula see original document page 11</formula>(3)至此網絡的數學模型已得到設p=[p, fr為輸入，a為壓力傳感器的實i:壓力，/為溫度傳感器的實際測量溫度。將p輸入到多層感知機神經網絡，代入第一層權值^和閾值61，網絡的第一層輸出為-.
權利要求
1、一種利用多層感知機神經網絡實現測量的氣壓高度計，其特征在于，包括靜壓氣嘴(10)和數據處理裝置，所述的靜壓氣嘴(10)中設置有靜壓與溫度測量單元(20)，靜壓與溫度測量單元(20)包括靜壓傳感器(2)和溫度傳感器(3)，靜壓傳感器(2)由壓力敏感管(5)和敏感頭(6)組成，壓力敏感管(5)插入到氣嘴內，敏感頭(6)靠近靜壓氣嘴底端(4)的一端，溫度傳感器(3)置于靜壓氣嘴底端(4)處，所述的數據處理裝置包括依次連接的A/D轉換器單元(30)、中央處理單元(40)和通訊接口單元(50)，所述的A/D轉換器單元(30)、中央處理單元(40)和通訊接口單元(50)分別與電源模塊(60)連接，所述的靜壓與溫度測量單元(20)與A/D轉換器單元(30)相連接，所述的中央處理單元(40)包括CPU微處理器，該CPU微處理器中預裝入多層感知機神經網絡運算軟件。
2、 一種利用權利要求1所述的氣壓高度計進行高度測量的方法，其特 征在于，該方法包括以下步驟，步驟l，通過一靜壓氣嘴(10)引入外界氣體，由設置于靜壓氣嘴(10) 內的靜壓傳感器(2)和溫度傳感器(3)測量得到當前狀態的靜壓和溫度模 擬信號；步驟2，將上步得到的靜壓和溫度模擬信號送入A/D轉換器(30)進行 A/D轉換，將上述靜壓和溫度模擬信號轉換成數字信號；步驟3，將上步得到的靜壓和溫度數字信號送入中央處理單元(40)中 進行處理，得到數字量的壓力和溫度信號，在CPU微處理器內完成壓力的溫度補償，再將補償后的壓力和溫度值送入CPU微處理器內存儲的多層感知機神經網絡進行智能解算，得到當前狀態的高度值；步驟4，將上步得到的高度值通過通訊接口單元(50)將信號輸出。 3、按照權利要求2所述的方法，其特征在于，所述步驟3中，多層感知機神經網絡進行智能解算的方法，具體包括， 步驟l、建立多層感知機神經網絡，建立一個輸入層、 一個輸出層和若干個隱含層，每個隱含層由多個神經 元組成，建立的多層感知機神經網絡數學模型為a針1 = m=0，l,2，其中"^為網絡的輸出，<formula>formula see original document page 3</formula>./"為網絡的傳輸函數，其中"<formula>formula see original document page 3</formula>^T為網絡的權值，6"為網絡的閾值，附為網絡的層數， 網絡的輸入為壓力和溫度傳感器的輸出尸=[/^ d、網絡的輸出為高度所述的多層感知機神經網絡的第一層神經元數目為2，傳輸函數采用S 型函數；第二層神經元數目為IO，傳輸函數采用線性函數；第三層神經元數 目為1，傳輸函數采用S型函數，步驟2、對上步建立的多層感知機神經網絡進行訓練，得到該多層感知機 神經網絡各層的權值和閾值，以標準壓力和溫度條件下測得傳感器的輸出作為輸入樣本，以該條件下 航空標準中所確定的高度值作為輸出樣本，對上步建立的多層感知機神經網 絡進行訓練，得到多層感知機神經網絡的數學模型各層的權值^^和閾值
全文摘要
本發明公開了一種利用多層感知機神經網絡實現測量的氣壓高度計，包括靜壓與溫度測量單元，靜壓與溫度測量單元與A/D轉換器單元、中央處理單元、通訊接口單元依次連接，前述各個單元還分別與電源模塊連接，靜壓與溫度測量單元包括靜壓傳感器和溫度傳感器，中央處理單元包括微處理器和多層感知機神經網絡數據處理單元。本發明的有益效果是，能夠克服時間漂移和溫漂，具有自學習功能，并且通過神經網絡的自學習，實時精度的誤差可達到0.5％以下，具有體積小、重量輕、可靠性高。
文檔編號G01L19/04GK101266145SQ20081001795
公開日2008年9月17日 申請日期2008年4月14日 優先權日2008年4月14日
發明者劉宏昭, 曲國福 申請人:西安理工大學