[发明专利]一种基于BP神经网络与PLC的温度传感器校正方法

说明书

本发明公开了一种基于BP神经网络与PLC的温度传感器校正方法，包括：将待校正传感器与高精度标准传感器置于恒温箱内加热并每隔一段时间记录数据；将记录好的数据进行分类；使用分类号的数据放入神经网络中计算相关权值；在PLC中编写神经网络的前向神经网络部分；将计算得出的权值填入PLC中神经网络权值对应存储块中；本发明方法通过利用BP神经网络算法对温度进行非线性拟合，解决线性拟合结果跟实际温度误差较大的技术问题，从而实现对温度传感器的误差校正。

技术领域

本发明涉及传感器领域，尤其涉及一种基于BP神经网络与PLC的温度传感器校正方法。

背景技术

现有的温度传感器校正方法为将待校正温度传感器和高精度温度传感器放入恒温箱加热，并每隔一段时间记录两个传感器的输出后，采用线性算法拟合两个传感器的输出，以此获得待校正温度传感器的校正公式；但由于温度传感器的非线性性，使用线性校正公式得到的结果误差较大。本发明针对温度传感器的非线性性，利用BP神经网络算法对温度进行非线性拟合，解决线性拟合结果跟实际温度误差较大的问题。

发明内容

本发明提供了一种基于BP神经网络与PLC的温度传感器校正方法，以解决线性拟合结果跟实际温度误差较大的技术问题，从而利用BP神经网络算法对温度进行非线性拟合，进而实现对温度传感器的误差校正。

为了解决上述技术问题，本发明实施例提供了一种基于BP神经网络与PLC的温度传感器校正方法，包括：

将待校正传感器与高精度标准传感器置于恒温箱内加热并每隔一段时间记录数据；

将记录好的数据进行分类；

使用分类号的数据放入神经网络中计算相关权值；

在PLC中编写神经网络的前向神经网络部分；

将计算得出的权值填入PLC中神经网络权值对应存储块中。

作为优选方案，所述每隔一段时间记录数据具体为每五分钟记录一次数据。

作为优选方案，所述将记录好的数据进行分类，具体分为训练数据和测试数据，数量比例上为10:1。

作为优选方案，所述神经网络相关权值的计算为在Windows平台的pycharm软件中使用python语言编程好的神经网络算法中进行。

作为优选方案，所述PLC为西门子PLC。

作为优选方案，所述前向神经网络部分为神经网络中的输出计算部分，不包括利用梯度对权值进行调整的部分。

作为优选方案，所述权值对应的PLC存储块为数据存储块。

相比于现有技术，本发明实施例具有如下有益效果：

1、通过利用BP神经网络算法对温度进行非线性拟合，解决线性拟合结果跟实际温度误差较大的技术问题，从而实现对温度传感器的误差校正；

2、神经网络权值的计算在电脑上进行，能够充分利用电脑的性能缩短计算时间，并能应用到更大量训练数据与测试数据的场合；

3、使用了PLC对温度进行计算，能在计算温度同时根据得出的温度对其他输出设备进行控制，并且方便后期对不同应用情况进行维护。

附图说明

图1：为本发明实施例中的方法步骤流程示意图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。