扩散硅压力变送器的bp网络是目前应用zui广泛的神经网络模型，压力变送器它分为输入层、隐含层和输出层三层，层与层之间多采用全互连方式，同一层单元之间不存在相互连接。bp神经网络是由信息的正向传播和误差的反向传播组成，正向传播的输入模式从输入层经隐层逐层处理并传向输出层，如果输出层没有得到期望的结果，则将误差信号沿原来的通路返回并修改各层的权值转为反相传播，直到误差zui小，zui终达到期望的目标值。
2．bp网络的建立及训练
打开matlab进入命令窗口界面，输入nntool进入神经网络工具箱主界面，建立一个4层的bp网络，*层为输入层，为2个神经元，表温度和压力变送器的压力a／d采样值归一化后的数值输入；*隐含层为5个神经元，第二隐含层为4个神经元；输出层为1个神经元，表示处理后压力变送器的压力输出，各层的激励函数均为tansig函数。将归一化之后训练样本输入值和目标值导入到神经网络工具箱，其中训练样本选择一40％ ， 一30％ ， 一20℃ ， ～10％ ，o℃ ，20℃ ，30％ ，40％ ，60％ ，70％ ，80cc共11个温度点的温度和压力变送器的压力采样值，检测样本选择10℃ ，50％两个温度下的温度和压力变送器的压力采样值当环境温度在一40℃到8o℃范围内神经网络数据融合值误差为0．088％ ，可知利用神经网络数据融合精度很高。
3．系统软件实现方式
通过神经网络训练之后，得到满足控制要求训练的权值以及阈值，将其连接关系用程序编程，移植到单片机中，完成信号处理需要。在整个系统中单片机完成的工作主要有：上电初始化，其中包括看门狗关闭，晶振初始化，led 与通讯模块的初始化等；进行温度和压力变送器的压力的a／d转换，其中包括采样频率的设定，参考电压的选择，对adc12模块设定，对数据进行平均值滤波等；对温度和压力变送器的压力的a／d采样值进行归一化，归一化的温度和压力变送器的压力zui大值和zui小值和神经网络训练是选择的zui大zui小值相同；将反归一化处理的信号经过led显示以及通过rs485通讯接口发送出去。
污水流量计:
雷达料位计:/
玻璃管液位计:/
扩散硅压力变送器:/products/bsq/808.html