基于BP網絡對微波加熱溫度的預測

楊琴　黃瀚

【摘 要】針對微波加熱腔內媒質溫度難實時測量的問題，給出了采用 BP神經網絡算法對加熱媒質溫度進行實時預測。本論文中首先完成了對媒質溫度預測的三層 BP 網絡的設計。其中針對隱含層節點數多少的問題，文中首先利用經驗公式估計出隱含層節點數目的范圍，然后通過設置循環對隱含層節點數目進行自動篩選，選出最佳的隱含層節點數。最后，在 MATLAB 的平臺上對其進行仿真，并對手動和自動篩選隱含層節點的網絡性能以及溫度預測結果進行對比分析。

【關鍵詞】BP神經網絡；隱層節點自動篩選；溫度預測

【Abstract】There is a difficult problem that the temperature of medium is measured in the microwave heating cavity. First of all， the BP neural network algorithm is used to predict the real-time temperature of heating medium. In this thesis， the design of three layer BP network for the prediction of mediums temperature is completed. About the node number problem of hidden layer， firstly the empirical formula is used to estimate the range of the node number of hidden layer， then the node number of hidden layer is screened automatically by setting the circulation. Finally， the simulation is done on MATLAB platform. The network performance and the temperature prediction results of the manual screening or the automatic screening are compared and analyzed.

【Key words】BP Neural Network； Screened hidden layer nodes automatically； Temperature prediction

0 引言

微波加熱過程中溫度的預測，一般采用數值模擬的方法，其中劉長軍等采用時域有限差分求解方程組的方法來模擬媒質溫度隨時間變化的規律[1]。趙翔等采用矩量法、半解析法分別求解電磁場方程和熱傳導方程的方法來模擬溫度空間隨時間的變化規律[2]。此類數值模擬的方法，存在數值計算復雜，考慮因素不齊全等問題。而直接用溫度傳感器測量所導致的問題有：需對腔體開孔易造成微波泄漏；微波對傳感器輻射，易造成測量不準確和損壞；傳感器測量存在時延，不利于實時控制。而用微波功率計對反射功率的測量比溫度測量容易，且精度較高。因此本論文用反射功率、時間、初始溫度等對溫升產生影響的因素，結合 BP 算法對加熱的溫度進行預測。

1 BP神經網絡算法的數學模型

2 隱含層節點數的研究

隱含層節點數量對網絡性能有很大影響，節點數越多，網絡性能越好，但可能導致訓練時間較長，且網絡學習后的網絡泛化能力會降低，節點數目太少，則不能產生供樣本數據學習的連接權值組合，導致學習不收斂，最終訓練網絡不能達到預期的預測效果。

2.1 隱含層節點數范圍的確定

對于神經網絡中隱含層節點數目的確定，目前仍沒找到確定表達式，以往一直采用經驗和不斷試驗來確定一個近似的隱含層節點數，而這類方法工作量比較大，預測的精度以及網絡模型的質量都不能保證。

其中，m是輸入層節點數，n是輸出層節點數，ξ是整數，取值范圍為1～10。估算出i的取值范圍3～12。

2.2 隱含層節點數自動篩選的設計

本文通過設置For循環，對隱含層取值范圍內的數進行一一對比測試數據樣本對應的輸出數據的累計誤差和，選取累計誤差和最小的隱含層數作為最優隱含層節點數。在篩選中，選用2層For循環，外層For循環用于設置隱含層節點數范圍，即3～12，內層For循環用于計算誤差和，其實現步驟為：（1）選取隱含層節點數為NodeNum=L（i），創建網絡。（2）對樣本數據進行網絡訓練。（3）用測試樣本數據對訓練好的網絡進行測試，計算測試樣本數據與目標輸出間的誤差矩陣。（4）對誤差矩陣進行求和，求出當前隱含層節點下的誤差和sumerror。（5）比較誤差和，篩選出誤差和最小的隱層節點數目。

3 BP算法的MATLAB仿真實現

本文仿真在MATLAB平臺上完成，采用自動篩選隱含層節點數的BP算法對微波腔體中媒質的溫度進行預測[6]。

3.1 預處理

實驗將100ml的水在室溫20.9℃下采用不同恒定功率下加熱，記錄時間、溫度和反射功率，溫度到達50攝氏度，停止加熱。

4 BP模型溫度預測結果分析

采用手動和自動篩選隱含層節點數目的網絡結構如圖3所示：

5 結論

本文利用在實驗中收集的相關數據，采用可自動篩選節點的BP神經網絡算法對媒質水的溫度進行預測。在微波加熱溫度可控的工程應用中，本論文具有重要的應用價值。

【參考文獻】

[1]劉長軍，閆麗萍，黃卡瑪.微波加熱中“熱失控”的一維數值模擬[C]//2005年全國毫米波會議論文集，2005：1040-1043.

[2]趙翔，黃卡瑪，閆麗萍，姚遠.數值模擬微波加熱化學反應過程的初步研究及熱點和熱失控現象討論[J].中國科學Q輯：物理學 力學 天文學，2009，39（4）：501-511.

[3]陳明，等，編.MATLAB神經網絡原理與實例精解[M].清華大學出版社，2013.

[4]傅薈璇，等.Matlab神經網絡應用設計[M].北京：機械工業出版社，2010.

[5]夏克文，李昌彪，沈鈞毅.前向神經網絡隱含層節點數的一種優化算法[J].計算機科學，2005，32（10）：143-145.

[6]封毅，武博強，崔靈周.基于BP神經網絡的臺風降雨量預測研究[J].水土保持研究，2012，19（3）：289-293.

[責任編輯：楊玉潔]