[发明专利]基于BP神经网络的柔性传感器迟滞补偿方法

说明书

本发明属于应变传感器后处理领域，公开一种基于BP神经网络的柔性传感器迟滞补偿方法，主要步骤包括：首先用应变传感器输入输出数据训练BP神经网络；然后采用已训练的BP神经网络补偿传感器的迟滞现象：用数据采集卡以及LABVIEW收集到的传感器输出数据经过截止频率为6～8Hz的巴特沃兹低通滤波器滤除噪音，输入到上述步骤1)已经训练好的BP神经网络，得到补偿迟滞后的传感器输出值。该方法具有计算简单、补偿精确的优点。

技术领域

本发明属于应变传感器后处理领域，尤其涉及一种计算简单、补偿精确的基于BP(back propagation)神经网络补偿基于柔性导电高分子复合材料的应变传感器在使用过程产生迟滞现象的方法。

背景技术

近年来，因为在康复和个人健康监测，结构健康监测，运动表现监测以及娱乐系统(游戏、动画等)中的人体动作捕捉等应用方面的巨大潜力，应变传感器已经成为国内外的研究热点。尤其在生物力学、生理学、运动机能学应用中，应变传感器应当具备优良的可伸展性和灵敏度。

然而目前基于柔性导电高分子复合材料制备的应变传感器,不能同时满足人们对于器件精确度的需求，在一般形变情况下,传感器的测量结果存在迟滞现象。比如基于碳黑/聚氨酯复合材料的柔性应变传感器，在测试形变≤100％时，迟滞为36.4％，远不能满足测试需求。有研究^[1,2]表明，使用机器学习的方法，可以有效的补偿传感器的迟滞现象，有助于提升传感器准确度。

发明内容

本发明的目的在于克服现有技术的不足，提供一种基于BP神经网络的柔性传感器迟滞补偿方法，采用BP神经网络实现应变传感器迟滞的补偿。本发明对基于柔性导电高分子复合材料的应变传感器迟滞补偿结果准确度高，且计算简单。

本发明为解决背景技术的技术问题，采用的技术方案如下:基于BP神经网络的柔性传感器迟滞补偿方法，包括如下步骤：

1)用应变传感器输入输出数据训练BP神经网络：

(1)将传感器拉伸应变，持续；

(2)用数据采集卡结合LABVIEW软件收集传感器输入拉力与输出电阻数据；

(3)通过截止频率为6～8Hz的巴特沃兹低通滤波器滤除噪音；

(4)采用交叉验证的方式训练模型；

2)采用步骤1)中训练BP神经网络补偿传感器的迟滞现象：用数据采集卡以及LABVIEW收集到的传感器输出数据经过截止频率为6～8Hz的巴特沃兹低通滤波器滤除噪音，输入到上述步骤1)已经训练好的BP神经网络，得到补偿迟滞后的传感器输出值。

本发明所述步骤1)训练BP神经网络分为输入层、隐含层、输出层。

与现有技术相比，本发明具有的优点：

1、与现有技术相比较，本发明提供了一种基于柔性导电高分子复合材料的应变传感器迟滞补偿方法，该方法仅需简单步骤结合少量实测数据，就可以补偿传感器在使用中产生的迟滞。

2、相比于函数校正法^[3]、分段线性插值法^[4]，采用BP神经网络补偿传感器补偿基于柔性导电高分子复合材料的应变传感器在准确度上有了显著提高，便于数据处理与应用。

3、本发明采用3层BP神经网络实现对基于柔性导电高分子复合材料应变传感器迟滞的补偿，该方法实现简单，准确率高，极大的提升了传感器在使用过程中的准确性。

附图说明

图1(a)是实施例1中基于碳黑/聚氨酯复合材料的柔性应变传感器拉伸至 50％应变，并维持5分钟，用数据采集卡收集到的传感器输出数据；