基于蟻群算法的RBF神經網絡在沖量式谷物流量傳感器中的應用

劉暢 李志剛 偉利國 王吉中 李陽

摘要：針對壓力傳感器存在溫度漂移的問題，提出了一種基于蟻群算法的RBF神經網絡優(yōu)化算法。首先根據(jù)壓力傳感器測量電路得到電壓Ub與電流I的關系，因其存在很大的溫度誤差，須要采用適當?shù)难a償方法對外界溫度造成的誤差加以修正。然后通過壓力傳感器輸出電壓U與溫度T、壓強P、電源波動γ的關系建立壓力傳感器溫度補償模型，分別在18.4、32.5、41.8、65.6 ℃共4個溫度點進行試驗數(shù)據(jù)采集并對試驗結果進行歸一化處理。最后利用蟻群算法進行尋優(yōu)和自適應調整發(fā)揮系數(shù)的特點作為聚類算法確定RBF神經網絡基函數(shù)中心，選取BP算法、RBF算法、基于蟻群的RBF算法3種方法對壓力傳感器進行非線性溫度補償仿真試驗。結果表明：基于蟻群算法的RBF神經網絡模型補償精度最高，收斂速度最快。將此研究應用于沖量式谷物流量傳感器中，可大大提高傳感器的穩(wěn)定性和準確性。

關鍵詞：壓力傳感器;蟻群算法;RBF神經網絡;非線性溫度補償;沖量式谷物流量傳感器

中圖分類號： TP212.6;S126

文獻標志碼： A

文章編號：1002-1302（2019）15-0259-04

沖量式谷物流量傳感器是谷物聯(lián)合收割機測產系統(tǒng)的核心部件，因其結構設計簡單、制作成本低、田間試驗便于安裝、適用于大多數(shù)谷物種類等特點而被廣泛應用。但是，由于機器自身振動、谷物的含水率、田間的坡度等因素對測量精度影響很大，其中聯(lián)合收割機的振動影響最為明顯。聯(lián)合收割機自身振動產生的寬帶噪聲信號夾雜在沖量式流量傳感器的輸出信號中，影響測產精度。目前，國外已經有商品化的谷物流量傳感器，國內還沒有相對成熟化的產品。為了提高傳感器的測量精度、減少機身振動對傳感器的影響，胡均萬等設計了一種雙板沖量式谷物流量傳感器以及信號采集電路，其中信號采集電路設計為差分消振式，可檢測前后2個板的振動信號并利用差分法消除振動噪聲信號，提高信噪比，田間試驗測產誤差小于5%[1]。叢秉華等設計了一種雙平行梁結構的沖量式流量傳感器，對測量平行梁和參考平行梁進行諧波信號提取處理，并采用LMS算法進行自適應干擾對消去除參考平行梁的噪聲信號。試驗表明，在試驗臺處于最大振動條件下，經過處理后的傳感器最大相對誤差小于1.9%，提高了測量的穩(wěn)定性[2]。以上方法能較好地減弱由于機身振動產生的噪聲信號，但由于測量信號和參考信號受到環(huán)境因素的影響，難以保證測量同步性，傳感器的精度受到了制約。

本研究自主設計的谷物流量傳感器選型中國臺灣Mavin足立5 kg壓阻式壓力傳感器，具有靈敏度高、結構設計簡單、響應速度快等特點。但由于傳感器由半導體硅材料制成，易受到環(huán)境溫度變化的影響產生溫度漂移現(xiàn)象，從而對測量精度具有一定的影響。為了降低溫度變化對傳感器精度的影響，提出了一種基于蟻群算法的神經網絡優(yōu)化算法。首先建立壓力傳感器溫度補償模型，通過蟻群算法確定神經網絡的基函數(shù)中心;然后利用RBF神經網絡對壓力傳感器進行非線性溫度補償;最后在算法補償?shù)臄?shù)據(jù)基礎上分析驗證，從而減小溫度對壓力傳感器的輸出所造成的影響，達到溫度補償?shù)哪康?。將此研究基礎應用到沖量式谷物流量傳感器中，從而進一步提高傳感器的測量精度。

1 沖量式谷物流量傳感器

1.1 結構設計

本研究的沖量式谷物流量傳感器主要有沖擊板、承重板、傳感器支架、儀表盒、壓力傳感器組成，通過多次試驗分析，最終確定選用5 kg的壓力稱重模塊。其中儀表盒、沖擊板為白色塑料材質，承重板和傳感器支架為鋼材料。儀表盒保護壓力傳感器不會受到外部沖擊，支架與承重板可以有效減少收割機對傳感器振動的影響。其流量傳感器結構裝置如圖1所示。

1.2 測量原理

沖量式谷物流量傳感器安裝在糧食輸送裝置末端，當谷物流打擊沖擊板時，會引起谷物流量傳感器內部壓力稱重模塊的形變，此形變表現(xiàn)形式為壓力稱重模塊電阻應變片的形變，通過阻值的變化轉換為電壓的變化測得沖擊力。傳感器將力信號轉換為電信號，可通過電壓標定的方式進一步轉換為谷物的流量[3]。

根據(jù)沖量定理有：

式中：F（t）是谷物在m時刻作用在沖擊板的沖擊力;Δt是谷物沖擊時間;Δm（t）是t時刻內打擊沖擊板的谷物質量;Δv是打擊沖擊板前后谷物速度變化量;q（t）是t時刻的谷物質量流量，取Δt為極小值，則q（t）為瞬時質量流量。

1.3 RBF神經網絡

RBF神經網絡是一種3層前向網絡，由輸入到輸出的映射都是非線性的，而隱含層空間到輸出層空間的映射是線性的。因此，當徑向基函數(shù)的中心確定時，映射關系也就確定了[4]。

具有3個隱含層的RBF網絡結構如圖2所示。RBF網絡中，x=[xi]T為網絡的輸入，網絡的隱含層輸出為h=[hj]T，hj為隱含層第j個神經元的輸出：

與RBF網絡相比，BP網絡是一種全局逼近網絡，學習過程中收斂速度慢，易于陷入局部最小，難以滿足控制系統(tǒng)實時性要求，因而選擇RBF網絡對壓力傳感器進行溫度補償。

2 壓力傳感器溫度補償方法

2.1 問題分析

本研究自主設計的谷物流量傳感器選型臺灣Mavin足立壓阻式壓力傳感器，具有靈敏度高、結構設計簡單、響應速度快等特點[5]。壓力傳感器由半導體硅材料制成，該材料容易受到環(huán)境溫度變化影響使傳感器輸出信號不穩(wěn)定，從而對測量精度具有一定的影響，其測量電路如圖3所示。當施加壓力時，四臂電橋電路中阻值會產生變化，同時還會受到溫度的影響。

式中：R0為溫度為T0、壓強為0時的電阻值;ΔRT為溫度變化ΔT引起的阻值變化;ΔRP為輸入壓強引起的電阻變化;RT為溫度為T、壓強為0時的電阻值;α為材料的電阻溫度系數(shù)。

式中：電橋電壓Ub與輸入壓強產生的應變沒有關系，僅與溫度變化引起的應變有關。因此，可以利用壓力傳感器自身溫度變化的特點對傳感器進行非線性溫度補償。