基于深度學(xué)習(xí)的角度傳感器信號擬合方法研究

黃智飛

摘要

角度傳感器在實(shí)際使用中很容易受到電磁等環(huán)境因素影響，導(dǎo)致其轉(zhuǎn)動(dòng)方向值是一組不規(guī)律的數(shù)值，很難找到準(zhǔn)確的函數(shù)來擬合數(shù)據(jù)。針對角度傳感器易受不規(guī)律干擾波動(dòng)影響的問題，本文應(yīng)用深度神經(jīng)網(wǎng)絡(luò)算法來擬合角度傳感器的轉(zhuǎn)向值，旨在找到角度傳感器轉(zhuǎn)動(dòng)規(guī)律，降低外部環(huán)境因素對角度傳感器的影響，提高多傳感信號測量精度。實(shí)驗(yàn)表明，深度神經(jīng)網(wǎng)絡(luò)算法的函數(shù)擬合能力很強(qiáng)，擬合效果不錯(cuò)。

關(guān)鍵詞：角度傳感器;函數(shù)擬合;深度學(xué)習(xí);神經(jīng)網(wǎng)絡(luò)

0引言

20世紀(jì)90年代初期，首款角度傳感器被應(yīng)用在汽車上用來輔助駕駛[1]。隨著傳感器制造技術(shù)的不斷迭代更新，越來越多新穎、性能穩(wěn)定的角度傳感器被發(fā)明出來。如今磁電式角度傳感器以其角度轉(zhuǎn)動(dòng)精度高、性能穩(wěn)定等優(yōu)點(diǎn)成為應(yīng)用最為廣泛的角度傳感器之一[2]。故本文選用磁電式角度傳感器為研究對象。

磁電式傳感器又名感應(yīng)式傳感器，有配用電路簡單、性能穩(wěn)定等特點(diǎn)。磁電式角度傳感器由1個(gè)主動(dòng)齒輪、2個(gè)從動(dòng)齒輪和霍爾傳感器等構(gòu)成。一般情況下，主動(dòng)齒輪是接外部儀器，由外力驅(qū)動(dòng)，比如應(yīng)用在汽車上的磁電式角度傳感器，其主動(dòng)齒輪與汽車方向盤相連。當(dāng)方向盤轉(zhuǎn)動(dòng)時(shí)會(huì)驅(qū)動(dòng)主動(dòng)輪做同心轉(zhuǎn)動(dòng)主動(dòng)輪帶動(dòng)從動(dòng)輪轉(zhuǎn)動(dòng)。傳感器的角度輸出是通過安置在從動(dòng)輪上的永磁鐵得到的，磁場的變化會(huì)被霍爾傳感器感知從而輸出相應(yīng)的角度值。從磁電式傳角度傳感器的工作原理中可知，在實(shí)際使用中其很容易受到電磁等環(huán)境因素影響導(dǎo)致其干擾轉(zhuǎn)動(dòng)方向值是一組不規(guī)律的數(shù)值，如果可以找到準(zhǔn)確的函數(shù)來擬合干擾轉(zhuǎn)動(dòng)值，則角度傳感器在實(shí)際使用時(shí)可提前預(yù)警自動(dòng)修正，達(dá)到抗干擾的目的。

本文利用深度神經(jīng)網(wǎng)絡(luò)強(qiáng)大的數(shù)據(jù)擬合能力，應(yīng)用深度神經(jīng)網(wǎng)絡(luò)來擬合角度傳感器的轉(zhuǎn)向值，旨在找到角度傳感器轉(zhuǎn)動(dòng)規(guī)律，降低外部環(huán)境因素對角度傳感器的影響提高多傳感信號測量精度。本文做了多次對照實(shí)驗(yàn)，通過神經(jīng)網(wǎng)絡(luò)各種超參數(shù)組合情況，找到了能達(dá)到最佳擬合效果的深度神經(jīng)網(wǎng)絡(luò)模型。

1深度神經(jīng)網(wǎng)絡(luò)

為了提升預(yù)測或分類的精確度，深度學(xué)習(xí)方法建立了含有許多個(gè)隱含層的深度神經(jīng)網(wǎng)絡(luò)模型，而且使用大量的數(shù)據(jù)使模型學(xué)習(xí)繁雜但是有效的信息[3]。深度學(xué)習(xí)和淺層學(xué)習(xí)最大的不同是神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)，相對于淺層學(xué)習(xí)，深度學(xué)習(xí)的結(jié)構(gòu)更深可以處理復(fù)雜程度更高的非線性問題。

1.1深度神經(jīng)網(wǎng)絡(luò)原理

在深度神經(jīng)網(wǎng)絡(luò)中，每層神經(jīng)元的輸入都是上一層神經(jīng)元的輸出，當(dāng)網(wǎng)絡(luò)結(jié)構(gòu)不斷加深，后面一層的神經(jīng)元的表示更為抽象深入，其輸出的值也更抽象[4]。

1.2深度神經(jīng)網(wǎng)絡(luò)的訓(xùn)練

采用一般深度學(xué)習(xí)的實(shí)驗(yàn)流程，主要由數(shù)據(jù)預(yù)處理、訓(xùn)練以及驗(yàn)證三部分構(gòu)成，具體流程如下：

第一步：數(shù)據(jù)預(yù)處理，將數(shù)據(jù)做歸一化處理。

第二步：模型訓(xùn)練，設(shè)置不同的超參數(shù)組合情況，尋找最佳神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)。

第三步：模型驗(yàn)證，計(jì)算R方和調(diào)整R方兩個(gè)評價(jià)指標(biāo)來衡量性能好壞。

2 應(yīng)用效果分析

本文的深度神經(jīng)網(wǎng)絡(luò)模型采用1層輸入、3層隱含層和1層輸出層的結(jié)構(gòu)。激活函數(shù)為Relu函數(shù)，損失函數(shù)為交叉熵?fù)p失，優(yōu)化算法是Nesterov Momentum算法，學(xué)習(xí)速率為0.01，丟棄率為0.3。本文的深度神經(jīng)網(wǎng)絡(luò)最后擬合出來的函數(shù)如圖1所示。

圖1中散點(diǎn)即為1分鐘內(nèi)角度傳感器偏移的角度，曲線即為深度神經(jīng)網(wǎng)絡(luò)擬合出來的函數(shù)曲線圖，從圖1中可以直觀地看出，深度神經(jīng)網(wǎng)絡(luò)的擬合效果不錯(cuò)?；旧峡梢詫?shí)現(xiàn)準(zhǔn)確預(yù)測偏移走向的功能。圖1是對深度神經(jīng)網(wǎng)絡(luò)擬合數(shù)據(jù)能力的定性分析，在分析回歸模型的好壞時(shí)，引入R方和調(diào)整R方來評價(jià)擬合能力，由實(shí)驗(yàn)得出，深度神經(jīng)網(wǎng)絡(luò)擬合得出的R方為0.942，調(diào)整R方為0.928。

3結(jié)論

本文利用深度神經(jīng)網(wǎng)絡(luò)強(qiáng)大的數(shù)據(jù)擬合能力，應(yīng)用深度神經(jīng)網(wǎng)絡(luò)算法來擬合角度傳感器的轉(zhuǎn)向值，旨在找到角度傳感器轉(zhuǎn)動(dòng)規(guī)律，降低外部環(huán)境因素對角度傳感器的影響，提高多傳感信號測量精度。本文做了多次對照實(shí)驗(yàn)，通過神經(jīng)網(wǎng)絡(luò)各種超參數(shù)組合情況，找到了能達(dá)到最佳擬合效果的深度神經(jīng)網(wǎng)絡(luò)模型。實(shí)驗(yàn)表明，深度神經(jīng)網(wǎng)絡(luò)算法的函數(shù)擬合能力很強(qiáng)，R方和調(diào)整R方分別為0.942和0.928，擬合效果不錯(cuò)。

參考文獻(xiàn)

[1] 王心宇， 魏詩朦， 陳韻秋. 基于深度學(xué)習(xí)的傳感器故障數(shù)據(jù)分析系統(tǒng)設(shè)計(jì)[J]. 計(jì)算機(jī)測量與控制， 2020（第6期）：266-270.

[2] 郭忠新， 張蕾. 磁電式方向盤轉(zhuǎn)角傳感器的應(yīng)用與研究[J]. 汽車電器， 2019（第1期）：48-50.

[3] 范汝鑫. 基于深度神經(jīng)網(wǎng)絡(luò)的個(gè)性化商品推薦研究[D]. 合肥工業(yè)大學(xué)， 2019.

[4] Li R L R， Liu Y L Y， Shi Y S Y， et al. ILMSAF based speech enhancement with DNN and noise classification[J]. Speech Communication， 2016：53-70.