[发明专利]一种基于BP神经网络的高精度电容测量法

说明书

本发明公开了一种基于BP神经网络的高精度电容测量法，涉及电容测量技术领域，解决电容测量精度差的技术问题，测量法包括：通过数据获取电路获得样本电容两端的电压数据，构建原始样本集；对所述原始样本集进行清洗处理和去噪处理得到预处理样本集；对所述预处理样本集进行特征选择；对所述预处理样本集进行归一化处理后，输入至BP神经网络中进行训练，得到测试模型；使用所述测试模型对实际待测电容进行测量。本发明的电容测量精度达到了97％，测量范围为：1‑470pF，单次测量时间仅为0.5s，具有很好的泛化能力，可应用于实时在线电容传感器应用系统中。

技术领域

本发明涉及电容测量技术领域，更具体地说，它涉及一种基于BP神经网络的高精度电容测量法。

背景技术

目前，常用的电容测量方法有电容表法、三表法、电桥法和谐振法。电容法使用电容测量仪表来测定目标电容值，其测量精度依赖于所使用的测量仪器，且需要人工操作，不适于需要在线实时测量的应用场合。三表法是早期进行电路设计时所使用的方法，它使用交流电压表、交流电流表与功率表来获得被测元器件两端的电压、电流和功率等电参数，然后通过计算来求得所需参数值。该方法操作繁杂，且测量误差受3个测量仪表影响而难以提高，一般只应用于实验验证。电桥法与谐振法，把被测电容分别接入电桥电路与谐振电路中，然后测量电桥的输出电压与谐振电路的谐振频率，并利用该输出电压与谐振频率计算出被测元件的电容值。这种方法虽然可应用于实时系统中，但受限于电路在宽频带工作时的非线性，在目标电容变化范围较大时，测量误差比较大。

发明内容

本发明要解决的技术问题是针对现有技术的上述不足，本发明的目的是提供一种可以提高测量精度的基于BP神经网络的高精度电容测量法。

本发明的技术方案是：一种基于BP神经网络的高精度电容测量法，包括：

通过数据获取电路获得样本电容两端的电压数据，构建原始样本集；

对所述原始样本集进行清洗处理和去噪处理得到预处理样本集；

对所述预处理样本集进行特征选择；

对所述预处理样本集进行归一化处理后，输入至BP神经网络中进行训练，得到测试模型；

使用所述测试模型对实际待测电容进行测量。

作为进一步地改进，所述数据获取电路包括主控板、信号发生器、放大器、采样器、电阻、样本电容，主控板依次串接信号发生器、放大器、电阻、样本电容的一端，样本电容的一端通过采样器连接主控板，样本电容的另一端接地。

进一步地，获得样本电容两端的电压数据的过程为：

所述主控板启动信号发生器，以步进为100kHz、共计71个频点、每个频点信号维持时间为500ms线性输出频率范围为1MHz-8MHz的正弦测试信号；

所述放大器对正弦测试信号进行限幅放大输出，使得所有频点的信号输出幅度保持1V不变；

通过所述采样器对样本电容两端的电压幅值进行有效值检测和模数转换，所获信号幅值保存后作为数据样本的特征值。

进一步地，所述清洗处理为：分别对50个样本电容的电压进行了6次测量，每次测量间隔24小时，对相同的样本电容，如果某次测量的电压幅度小于其它五次测量平均值的一半，或者大于其它五次测量平均值的1.5倍即认为是异常数据点，把异常数据点替换为其它五次测量的平均值；

所述去噪处理采用中值滤波器法；

在去除异常数据点与滤波后，取6次测量的平均值作为样本的新特征值。

进一步地，在特征选择时，取频率值大于1MHz的71个信号电压幅值作为样本的特征。

进一步地，所述BP神经网络为71×16×32×16×1的5层网络结构。