[发明专利]基于神经网络模型BP算法的嵌入式矿压检测方法

权利要求书

1.基于神经网络模型BP算法的嵌入式矿压检测方法，其特征在于：基于uC/OS嵌入式技术，采用多路振弦式压力传感器检测待检测区域的压力大小，并采用内嵌uC/OS操作系统的ARM7处理器对多路振弦式压力传感器进行实时监测，然后在ARM7处理器中采用神经网络BP算法对振弦式压力传感器采集的待检测区域的压力数据进行温度补偿，包括以下步骤：

(1)根据待检测区域的地域情况，采用多个振弦式压力传感器分别检测不同待检测区域的压力大小，同时每个振弦式压力传感器附近分别配置温度传感器进行温度测量；

(2)在所述ARM7处理器中，内嵌uC/OS操作系统，并在操作系统中创建多个系统任务，用来实时管理系统各个模块功能的实现，其中包括振弦式压力传感器与CPU的通信任务；

(3)在步骤(2)中所创建的振弦式压力传感器与CPU的通信任务中，控制CPU输出一个固定在某一频率范围内的脉冲信号，所述脉冲信号经过电流驱动放大电路，从而再进入激振电路产生一个能对振弦式压力传感器内部振弦起振的信号并输出至振弦式压力传感器；然后通过ARM7处理器对振弦式压力传感器起振并采集待检测区域压力后返回的脉冲信号进行频率测量，通过振弦式压力传感器返回的脉冲信号中振弦达到共振时的频率和参考频率，以计算出此时振弦式压力传感器所对应测量的待检测区域的压力大小，所述待检测区域的压力大小通过如下公式计算出来：

F₁＝K(f₁²-f₀²)，

式中F₁为振弦式压力传感器中振弦的张力，即为待检测区域的压力大小，K为振弦式压力传感器的灵敏系数，f₁为张力变化后的振弦式压力传感器振弦达到共振时的自振频率；f₀为振弦式压力传感器振弦的参考频率，为振弦式压力传感器本身的系数；

(4)采用温度传感器采集各自对应的振弦式压力传感器振弦周围区域的温度数据，在ARM7处理器中采用BP算法建立神经网络模型，结合用神经网络模型对步骤(3)计算得到的待检测区域的压力数据以及各个温度传感器采集的温度数据进行学习，并根据神经网络模型找出待检测区域压力随温度的变化规律，最后对步骤(3)中计算得到的待检测区域的压力F1进行温度补偿，补偿公式如下：

F₂＝F₁+a，

其中F₂为修正后的待检测区域的压力大小，F₁为步骤(3)计算得到的待检测区域的压力，a为压力修正系数。

2.根据权利要求1所述的基于神经网络模型BP算法的嵌入式矿压检测方法，其特征在于：所述温度传感器为单总线数字温度传感器，振弦式压力传感器的频率数据、温度传感器实时采集的数据分别送入ARM7处理器中进行处理并显示。

3.根据权利要求1所述的基于神经网络模型BP算法的嵌入式矿压检测方法，其特征在于：所述ARM7处理器中采用内嵌的uC/OS操作系统进行多任务实时管理。

4.根据权利要求1所述的基于神经网络模型BP算法的嵌入式矿压检测方法，其特征在于：所述ARM7处理器通过BP算法设计神经网络模型，由ARM7处理器采集得到的振弦式压力传感器的频率计算得到的待检测区域的压力值和温度传感器采集的温度值进行自动补偿算法计算，对待检测区域的压力大小进行实时补偿。