[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

摘要

本发明公开了一种基于神经网络模型BP算法的嵌入式矿压检测方法法，首先根据根据待检测区域的地域情况，采用多个振弦式压力传感器进行测量；然后ARM7处理器根据系统任务个数建立相应的进程；最后在建立的任务中打开定时器，输出一个固定在某一频率范围内的脉冲，经过驱动激振电路，产生一个能对振弦式压力传感器内部振弦起振的信号，同时使用ARM7处理器对振弦式压力传感器返回的脉冲信号进行频率测量，计算得到压力值，最后，利用温度传感器采集振弦周围区域的温度，采用BP算法建立神经网络模型，利用神经网络模型对得到的各组压力数据及采集的温度数据进行学习，并根据神经网络模型找出压力随温度的变化规律，对振弦式传感器进行温度补偿。

主权项

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。