基于BP神经网络提高霍尔电流传感器测量精度的研究

摘要

霍尔电流传感器是利用霍尔效应制作出来的电流检测器件，因其具备非接触测量、测量范围大、精度高、动态性能好、过载能力强等优点而被广泛应用。传感器在获取信息的时候会受到工作环境中其他因素的影响，导致工作不稳定，精度不高，多传感器融合技术就是综合利用多传感器信息，通过他们之间的协调和性能互补的优势，克服单一传感器的不确定性和局限性，提高整个传感器系统的有效性能。
　　本论文首先介绍了智能传感器、数据融合技术和人工神经网络的发展及现状;然后提出本文的研究对象——霍尔电流传感器。论文说明了霍尔元件的工作原理，分析了其测量误差。针对开环霍尔元件受温度影响比较大，采用多传感器技术，将电流传感器设置为主传感器，温度传感器作为辅助传感器，将两者测得数据作为数据融合输入。论文采用BP神经网络作为数据融合算法，以标准BP神经网络为基础，研究了多项式BP神经网络，并初步尝试了小波BP神经网络。
　　多项式BP神经网络的阈值设置为零，输入层至隐含层的权值设置为1，隐含层至输出层的权值可以通过矩阵伪逆的方法直接求出;小波BP神经网络结构为紧致型结合，采用Morlet函数作为小波函数;通过Matlab仿真比较了这三种BP神经网络。结果表明标准BP神经网络和多项式神经网络都具备良好的消除传感器交叉敏感性的功能，且多项式神经网络的效果更为明显，而小波BP神经网络在这种条件下效果并不明显。多项式神经网络一次性求出权值，迭代次数为1，融合精度高，在数据融合前，霍尔电流传感器的灵敏度温度系数为7.861×10-4，采用多项式BP神经网络对霍尔电流传感器进行了数据融合，其温度灵敏度系数提高到6.906×10-5，从而得到的结论是多项式神经网络算法将霍尔电流传感器灵敏度系数提高了一个数量级，因此将其作为本文的多传感器数据融合算法。
　　论文最后搭建了基于STM32F103ZET微处理器的传感器测量系统，系统主要包含温度采集电路、霍尔电流采集电路、LCD液晶显示电路，调试电路及微处理器电路，系统的软件部分采用Keil uvision 4编程实现，采用模块化设计，最后采用神舟王STM32系统作为算法移值的测试系统，试验结果表明多项式神经网络移值非常简单、应用方便。

目录

声明

摘要

第一章 绪论

1．1 课题研究的背景与意义

1．2 课题研究的现状与发展方向

1．2．1 智能传感器的发展及现状

1．2．2 多信息融合技术发展及现状

1．2．3 人工神经网络的发展及现状

1．3 本文的主要研究内容与组织结构

1．3．1 研究内容

1．3．2 组织结构

1．4 本章小结

第二章 霍尔电流传感器的工作原理及误差分析

2．1 常用的电流检测方法及其优缺点

2．2 霍尔电流传感器的原理及特点

2．2．1 霍尔效应的工作原理

2．2．2 开环和闭环霍尔电流传感器的原理

2．3 影响开环霍尔电流传感器精度的因素

2．4 本章小结

第三章 基于BP神经网络提高融合精度的研究

3．1 人工神经网络神经元模型

3．2 BP神经网络及其改进算法的应用研究

3．2．1 BP神经网络结构

3．2．2 BP神经网络学习算法

3．2．3 BP神经网络提高传感器融合精度的方法

3．2．4 标准BP神经网络提高传感器测量精度

3．2．5 标准BP神经网络的缺点

3．2．6 多项式BP神经网络提高传感器测量精度

3．2．7 小波BP神经网络提高传感器测量精度

3．2．8 仿真结果的分析和比较

3．3 本章小结

第四章 传感器系统设计

4．1 系统硬件设计

4．1．1 微处理器电路设计

4．1．2 霍尔电流传感器采集电路设计

4．1．3 温度传感器采集电路设计

4．1．4 LCD液晶显示电路设计

4．1．5 串口调试电路设计

4．2 系统软件设计

4．2．1 霍尔电流传感器测量程序设计

4．2．2 温度传感器测量程序设计

4．2．3 数据处理系统程序设计

4．2．4 LCD液晶显示程序设计

4．3 系统测试

4．3．1 系统平台的搭建

4．3．2 测试过程

4．4 本章小结

第五章 总结与展望

参考文献

作者在攻读硕士学位期间研究成果

致谢