[发明专利]一种基于BP神经网络的温湿度补偿方法及装置

说明书

本发明公开了一种基于BP神经网络的温湿度补偿方法及装置，其基于环境检测传感设备和BP神经网络模型实现，所述环境检测传感设备包含内部温湿度传感器、外部温湿度传感器、微处理器单元、电源管理单元和通信模块，所述BP神经网络模型包含输入层、隐藏层和输出层，所述微处理器单元实时采集气体传感模块、双温湿度采集结构的数值，经过一系列补偿处理，最终显示在显示单元上。

技术领域

本发明涉及环境检测技术领域，特别涉及一种基于BP神经网络的温湿度补偿方法及装置，具体应用于空气环境检测系统。

背景技术

如今，物联网技术正在影响着人们的生活和生产，此技术广泛应用在智能家居领域中。传感设备作为数据采集的边缘节点，是把传统家居设备如开关、面板、灯具、窗帘电机等结合起来的桥梁，通过各式各样的传感器，我们可以完美地实现智能家居的情景化。智能环境检测面板采集温湿度，PM2.5，空气质量，亮度等信息，连接其他设备对环境质量进行精确监控和控制。但是由于设备本身元器件工作产生的热量，直接影响到输出温湿度数据的准确性，导致不能真实反映出实际空间中环境质量参数，因此成为了使此类设备输出准确检测数值的一个技术难点。

为了解决这个难题，本发明利用BP神经网络的方法，导入数据建立训练模型，再将得到的模型应用到传感设备中进行温湿度修正，保证了最后得到数据的准确性。

发明内容

针对现有技术存在的不足，本发明的目的在于提供一种应用在智能环境检测面板传感设备中的温湿度补偿装置系统，采用神经网络训练算法，将采集到的大量数据不断对模型训练，使得模型具有对温湿度补偿的能力。

本发明的上述技术目的是通过以下技术方案得以实现的：

一种基于BP神经网络的温湿度补偿方法，其基于环境检测传感设备和BP神经网络模型实现，所述环境检测传感设备包含内部温湿度传感器、外部温湿度传感器、微处理器单元、电源管理单元和通信模块，所述BP神经网络模型包含输入层、隐藏层和输出层，温湿度补偿方法基于上述环境检测传感设备和BP神经网络模型内容具有以下步骤：

步骤1，建立包含2个输入层、5个隐藏层和1个输出层的BP神经网络模型，给各连接权值分别赋一个区间(-1,1)内的随机数，设定误差函数，给定计算精度值和最大学习次数；

步骤2，从样本数据中随机选取第K组数据，包括外部温湿度数值、内部NTC输出设备内部的真实温度值、以及期望输出值；

步骤3，对数据进行归一化处理，将外部温湿度数值、内部NTC输出设备内部的真实温度值两组数据输入到模型中计算隐藏层各神经元的输入和输出；

步骤4，通过训练得出实际输出O_i，与期望输出值B_i对比，求出误差D＝B_i-O_i，利用输出层各神经元的误差函数偏导数和隐藏层各神经元的输出来修正连接权值；

步骤5，判断模型误差是否满足要求，当误差达到预设精度或学习次数大于设定的最大次数，则结束算法；否则，选取下一组温湿度数值样本进行下一轮学习。

上述的连接权值为消除样本数据偏差的权重系数，是一个rand函数在0-1之间的取值，通过温湿度原始数据输入变量和其自己的权重系数的乘积的求和输入到神经元上，通过映射函数来进行映射得到结果。

上述的BP神经网络模型采用的传递函数是非线性变换函数，选取双极性S型函数，保证输出值范围为(-1,1)。

一种基于BP神经网络的温湿度补偿装置，包括微处理器单元、以及与微处理器单元电连接的电源管理单元、气体传感器模块、显示单元、双温湿度采集结构和通讯模块，所述微处理器单元实时采集气体传感模块、双温湿度采集结构的数值，经过一系列补偿处理，最终显示在显示单元上。