[发明专利]用多层感知机神经网络实现测量的气压高度计及测量方法

权利要求书

1、一种利用多层感知机神经网络实现测量的气压高度计，其特征在于，包括静压气嘴(10)和数据处理装置，

所述的静压气嘴(10)中设置有静压与温度测量单元(20)，静压与温度测量单元(20)包括静压传感器(2)和温度传感器(3)，静压传感器(2)由压力敏感管(5)和敏感头(6)组成，压力敏感管(5)插入到气嘴内，敏感头(6)靠近静压气嘴底端(4)的一端，温度传感器(3)置于静压气嘴底端(4)处，

所述的数据处理装置包括依次连接的A/D转换器单元(30)、中央处理单元(40)和通讯接口单元(50)，所述的A/D转换器单元(30)、中央处理单元(40)和通讯接口单元(50)分别与电源模块(60)连接，

所述的静压与温度测量单元(20)与A/D转换器单元(30)相连接，

所述的中央处理单元(40)包括CPU微处理器，该CPU微处理器中预装入多层感知机神经网络运算软件。

2、一种利用权利要求1所述的气压高度计进行高度测量的方法，其特征在于，该方法包括以下步骤，

步骤1，通过一静压气嘴(10)引入外界气体，由设置于静压气嘴(10)内的静压传感器(2)和温度传感器(3)测量得到当前状态的静压和温度模拟信号；

步骤2，将上步得到的静压和温度模拟信号送入A/D转换器(30)进行A/D转换，将上述静压和温度模拟信号转换成数字信号；

步骤3，将上步得到的静压和温度数字信号送入中央处理单元(40)中进行处理，得到数字量的压力和温度信号，在CPU微处理器内完成压力的温度补偿，再将补偿后的压力和温度值送入CPU微处理器内存储的多层感知机神经网络进行智能解算，得到当前状态的高度值；

步骤4，将上步得到的高度值通过通讯接口单元(50)将信号输出。

3、按照权利要求2所述的方法，其特征在于，所述步骤3中，多层感知机神经网络进行智能解算的方法，具体包括，

步骤1、建立多层感知机神经网络，

建立一个输入层、一个输出层和若干个隐含层，每个隐含层由多个神经元组成，建立的多层感知机神经网络数学模型为：

a^m+1＝f^m+1(ω^m+1a^m+b^m+1)    m＝0，1，2，

其中：a^m为网络的输出，

f^m为网络的传输函数，其中f1=f3=11+e-am+1,]]>f²＝a^m+1，

ω^m为网络的权值，b^m为网络的阈值，m为网络的层数，

网络的输入为压力和温度传感器的输出P＝[p_s t]^T，网络的输出为高度值h＝a³，

所述的多层感知机神经网络的第一层神经元数目为2，传输函数采用S型函数；第二层神经元数目为10，传输函数采用线性函数；第三层神经元数目为1，传输函数采用S型函数，

步骤2、对上步建立的多层感知机神经网络进行训练，得到该多层感知机神经网络各层的权值和阈值，

以标准压力和温度条件下测得传感器的输出作为输入样本，以该条件下航空标准中所确定的高度值作为输出样本，对上步建立的多层感知机神经网络进行训练，得到多层感知机神经网络的数学模型各层的权值ω^m和阈值b^m，

步骤3、对输入静压和温度信号进行解算，得到高度值，

以P＝[p_s t]^T为输入，p_s为静压传感器(2)的实际测量压力，t为温度传感器(3)的实际测量温度，

将P输入到多层感知机神经网络，代入第一层权值ω¹和阈值b¹，网络的第一层输出a¹为：

a1=11+e-(p*ω1+b1),]]>

再将a¹作为第二层神经网络的输入，代入第二层权值ω²和阈值b²，网络的第二层输出a²为：

a²＝a¹*ω²+b²，

再将a²作为第三层神经网络的输入，代入第三层权值ω³和阈值b³，网络的第三层输出a³为：

h=a3=11+e-(a2*ω3+b3)]]>

即得到当前状态的高度值h。