[发明专利]基于BP神经网络PID微生物培养箱温控装置及其温控方法在审

专利信息
申请号: 201910533791.7 申请日: 2019-06-19
公开(公告)号: CN110333653A 公开(公告)日: 2019-10-15
发明(设计)人: 孙宏虎;朱宇;刘凡;张红光;韩超;唐震鐘 申请(专利权)人: 四川若斌生物科技有限责任公司;成都市食品药品检验研究院
主分类号: G05B11/42 分类号: G05B11/42;G05B13/04;C12M1/38
代理公司: 成都环泰知识产权代理事务所(特殊普通合伙) 51242 代理人: 李斌;黄青
地址: 610000 四川省成都市天*** 国省代码: 四川;51
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 培养皿 微生物培养箱 温控装置 半导体制冷片 加热装置 多层 温控 温度传感器 放大电路 滤波电路 驱动电路 微处理器 培养箱 解耦 加热 显示屏 键盘 采集
【权利要求书】:

1.一种基于BP神经网络PID微生物培养箱温控装置,包括培养箱,所述培养箱内设有多层培养皿平台,其特征在于,对应培养箱内的各层培养皿平台设有独立的加热装置,所述加热装置包括微处理器、用于采集半导体制冷片温度的温度传感器、放大电路、滤波电路、A/D转换电路、驱动电路、半导体制冷片、显示屏和键盘;

所述键盘的信号输出端连接所述微处理器的第一信号输入端,所述温度传感器的信号输出端连接所述放大电路的信号输入端,所述放大电路的信号输出端连接所述滤波电路的信号输入端,所述滤波电路的信号输出端连接所述A/D转换电路的信号输入端,所述A/D转换电路的信号输出端连接所述微处理器的第二信号输入端,所述微处理器的第一信号输出端连接所述显示屏的信号输入端,所述微处理器的第三信号输出端连接所述驱动电路的信号输入端,所述驱动电路的第一信号输出端连接所述半导体制冷片的信号输入端。

2.根据权利要求1所述的基于BP神经网络PID微生物培养箱温控装置,其特征在于,所述微处理器的型号为IMAC-FX。

3.一种如权利要求1或2所述的基于BP神经网络PID微生物培养箱温控装置的控制方法,其特征在于,包括如下步骤:

S1、初始化权值和阈值,并设定输入层、隐含层和输出层的个数;

S2、通过各节点间的连接情况正向逐层处理后,得到实际输出值;

S3、计算实际输出值与期望输出值的误差值;

S4、将误差值逐层反向回传至各层,并按梯度下降法调节权值;

S5、判断误差值是否满足要求,如果是,则进行微生物培养;如果否,则回到步骤S1。

4.根据权利要求3所述的基于BP神经网络PID微生物培养箱温控装置的控制方法,其特征在于,该BP神经网络的激活函数为:

5.根据权利要求4所述的基于BP神经网络PID微生物培养箱温控装置的控制方法,其特征在于,步骤S2中的正向逐层处理步骤如下:

S21、设xi个输入层,其中x1-xi分别对应r1,e1,y1,r2,e2,y2…rm,em,ym(i=1,2,3…3m;m=1,2,3…20),其中em=rm-ym

S22、根据S21设定的输入层计算隐含层的个数,

其中隐含层的计算公式为:

bj=f(hj)

其中xi为第i个输入层;vji为输入层至隐含层权值;θj为隐含层单元的阈值;hj为第j个隐层的激活值;bj为第j个隐层的输出值;f(hj)=f(x);

S23、根据步骤S22中得到的数据计算输出层的个数;

其中输出层的计算公式为:

其中wmj为隐含层至输出层的权值;θm为输出单元的阈值;km为PID控制器的三个参数kp;ki;kd

6.根据权利要求5所述的基于BP神经网络PID微生物培养箱温控装置的控制方法,其特征在于,步骤S4中的反向逐层处理步骤如下:

S41、计算取性能指标的值;

其中取性能指标值的计算函数为:

式中:L为系统回路数;

S42、根据梯度下降法逐个对各个神经元的连接权值进行修正,在修正过程中加一个可以使收敛速度快的最小动量项,得到修正后的权值计算公式;

其修正公式为:

式中:α为学习速率;β为惯性系数;

S43、对步骤S42中的权值进行修正;

其中隐含层到输出层的权值与输入层到隐含层的权值修正公式均为:

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于四川若斌生物科技有限责任公司;成都市食品药品检验研究院,未经四川若斌生物科技有限责任公司;成都市食品药品检验研究院许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201910533791.7/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top