基于神經網絡模型的傳感器布放狀態監測研究

張宗垚

?

基于神經網絡模型的傳感器布放狀態監測研究

張宗垚

公誠管理咨詢有限公司第八分公司云南項目部，云南 昆明 650228

基于神經網絡的相關理論和方法，構建了BP神經網絡模型，以研究在某傳感器的測試過程中，當其處于不同放置位置時的信號特征，從而實現了對傳感器布放狀態正確與否的判斷。從Matlab仿真結果與實驗結果對比來看，所建立的BP神經網絡模型可以很好地預測傳感器的布放狀態，有效提高相關數據采集的效率和準確率。

BP神經網絡；傳感器；狀態監測

引言

聲學信號傳感器是在實際工程中最常見的一種傳感器。作者在參與某工程過程中，需要采集現場的噪聲值，因此需要在現場布放大量的聲學傳感器。但是由于待測參數較多、頻繁布放和工人操作不當等原因，傳感器常常出現布放位置錯誤。圖1顯示了傳感器的四種布放狀態，其中（a）為正確的布放狀態，（b）、（c）、（d）是錯誤的布放狀態。由于測量現場環境復雜，加之布放錯誤后傳感器采集的聲學信號與正常信號差別不大，所以很難在試驗時直接察覺出來。

圖1 傳感器的幾種布放狀態

為了解決這一問題，作者采用了BP神經網絡的方法對試驗中收集到的各種聲學信號進行訓練，最終訓練出成熟的神經網絡對樣本進行狀態監測，以識別出傳感器不同的布放狀態，該方法具有操作簡便，識別精度較高的特點。[1]

1 BP神經網絡

P神經網絡是一種前饋型誤差修正網絡，它通過不斷調整各個單元層之間的網絡權值和閾值來實現網絡的訓練。BP神經網絡主要運行由信號的正向傳播和誤差的逆向傳播兩個過程組成，通過不斷地權重調整，可以實現網絡誤差的不斷縮小。

2 傳感器布放狀態的檢測

2.1 原始數據的獲得

利用BP神經網絡對該型傳感器布放狀態進行檢測，能夠在發生布放錯誤時及時發出提示信息，通知錯誤的發生及種類，避免測量到錯誤的試驗信號。[2]

選取了該聲學傳感器在10個頻率采樣點的不同聲壓值（mv）作為網絡的總樣本，從建模的角度出發，實測數據經過歸一化后的數值如表1所示。

表1 聲學傳感器特征參數

2.2 定義輸入和輸出樣本數據

對輸出狀態進行編碼，輸出為四維向量，定義期望輸出向量如表2所示。

表2 發射器狀態編碼對照表

定義輸出向量：t1=[0 0 0 0]’；t2=[1 0 0 0]’；t3=[0 1 0 0]’；t4=[0 0 1 0]’；t=[t1 t2 t3 t4]’。

2.3 構建BP神經網絡模型

本文采用含一個隱藏層的神經網絡結構進行分析，由于輸入單元和輸出單元均為4，更具經驗公式可選隱含層單元數為1～10之間的整數，采用是試湊法得到了隱含層神經元與均方平均值（MSE）的曲線關系，如圖2所示。[3]其中隱層神經元數目為9時，得到的MSE值最小為16，所以確定的隱含層神經元數為9。

圖2 隱含層神經元數目與MSE值關系曲線

本文所用BP神經網絡結構參數如表3所示。

表3 BP神經網絡參數設定

2.4 BP神經網絡模型的訓練

在MATLAB中應用輸入和輸出樣本向量對網絡進行訓練，其中期望誤差設為10-6。訓練過程中，BP神經網絡誤差的變化形式如圖3所示。

圖3 誤差曲線的變化情況

由圖4可知，當訓練經過84次迭代之后，達到了滿意的誤差期望。

2.5 布放狀態監測

下面利用所有的7個樣本對訓練出的神經網絡進行測試實驗，在Matlab中輸入表1中的所有數據，經過整理結果如表4所示。

表4 布放狀態監測結果

由表4可以看到，經過訓練后的BP神經網絡可以很好地對各個樣本狀態進行判斷監測，且判斷的結果均正確。

3 結語

本文通過在某聲學傳感器的信號分析中引入神經網絡監測的相關理論和方法，對不同布放狀態下收集的聲學信號進行了訓練和分析。試驗結果表明，本文構建的三層神經網絡模型可以很好地診斷出傳感器的不同布放狀態，采用此方法可以大大提高信號采集的準確率。

[1]孫飛.精通MATLAB神經網絡[M].北京：中國計算機工業出版社，2014.

[2]劉洋.BP神經網絡在系統檢測中的應用[J].振動與沖擊，2015（1）：122-128.

[3]周宇.BP神經網絡在聲學信號系統判斷中的應用[J].噪聲與控制，2015（3）：42-46.

Research on sensor placement condition monitoring based on neural network model

Zhang Zongyao

Management Consulting Co., Ltd. Yunnan eighth branch of the project department, Kunming, Yunnan 650228

This paper based on the theories and methods of neural network constructed BP neural network model to study in a sensor testing process, when it is placed in different positions. The signal characteristics, in order to achieve the sensor cloth discharge state of the correctness of the judgment. From the comparison of Matlab simulation results and experimental results, the BP neural network model can predict the distribution state of sensors, and effectively improve the efficiency and accuracy of the data acquisition.

BP neural network; sensor; condition monitoring

TP212；TP391.9

A

1009-6434(2016)6-0148-02

張宗垚（1987—），男，助理工程師，主要從事通信工程監理工作。