[发明专利]一种基于神经网络的温度补偿系统

权利要求书

1.一种基于神经网络的温度补偿系统，其特征在于，该系统包括加速度计数据采集模块、数据预处理模块、神经网络温度补偿模型模块、专有神经网络温度补偿数学模型模块、神经网络温度补偿模型数字电路和加速度计模块；加速度计数据采集模块的功能是对大量加速度计进行数据采集，数据预处理模块的功能是对采集的数据进行预处理，神经网络温度补偿模型模块的功能是对预处理后的数据进行训练，专有神经网络温度补偿数学模型模块是在专有神经网络中训练生成温度补偿模型，神经网络温度补偿模型数字电路模块是将在专有神经网络中训练生成的温度补偿模型在现场可编程门阵列FPGA或专用集成电路ASIC中实现从而生成相应的数字电路，加速度计模块为需要进行温度补偿的传感器；

具体地，加速度计数据采集模块输出采集的实验数据Data_in并传递给数据预处理模块进行预处理，然后将预处理后的实验数据作为神经网络温度补偿模型的输入X输入至该神经网络温度补偿模型的第1层L₁，第1层L₁的映射函数为A^[1]＝tanh(W^[1]X+b^[1])，W^[1]、b^[1]是所述神经网络温度补偿模型第1层L₁的参数，通过第1层L₁的映射函数输出A^[1]作为第2层L₂的输入，第2层L₂的映射函数为A^[2]＝tanh(W^[2]A^[1]+b^[2])，W^[2]、b^[2]是所述神经网络温度补偿模型第2层L₂的参数，通过第2层的映射函数输出A^[2]作为第3层L₃的输入，第3层至n-3层按照同样的方式连接，通过第n-3层L_n-3的映射函数输出A^[n-3]作为第n-2层L_n-2的输入，第n-2层L_n-2的映射函数为A^[n-2]＝tanh(W^[n-2]A^[n-3]+b^[n-2])，W^[n-2]、b^[n-2]是所述神经网络温度补偿模型第n-2层L_n-2的参数，通过第n-2层的映射函数输出A^[n-2]作为第n-1层L_n-1的输入，第n-1层的映射函数为A^[n-1]＝tanh(W^[n-1]A^[n-2]+b^[n-1])，W^[n-1]、b^[n-1]是所述神经网络温度补偿模型第n-1层L_n-1的参数，通过第n-1层L_n-1的映射函数输出A^[n-1]作为第n层L_n的输入，第n层的映射函数为A^[n]＝tanh(W^[n]A^[n-1]+b^[n])，W^[n]、b^[n]是所述神经网络温度补偿模型第n层L_n的参数，通过第n层L_n的映射函数输出A^[n]作为预测值，评估函数为：

其中，Y⁽ⁱ⁾是第i个训练样本的标准输出，A[n]⁽ⁱ⁾是第n层第i个训练样本的预测值，m是实验数据中的训练样本总数；通过模型参数优化更新所述神经网络温度补偿模型每层的参数W^[i]、b^[i]，重新计算cost，然后以相同的计算流程迭代r次得到输出和训练生成的专有神经网络温度补偿数学模型；

将专有神经网络温度补偿数学模型在FPGA或ASIC中实现并生成神经网络温度补偿模型数字电路，加速度计模块输出数字温度值Digital Vin和数字电压值Digital Temp_in，并将这两个信号传递给FPGA或ASIC中的神经网络温度补偿模型数字电路，最终FPGA或ASIC输出温度补偿后的数字信号Digital Vout。