[发明专利]一种热敏打印机检测温度的校准方法、装置及热敏打印机

权利要求书

1.一种热敏打印机检测温度的校准方法，其特征在于，所述校准方法包括：

获取各个温度下温度传感器的热敏电阻的电阻值，得到热敏电阻的电阻值与温度之间的对应关系；

建立BP神经网络，采用所述热敏电阻的电阻值与温度之间的对应关系进行模型训练，得到热敏电阻的校准神经网络模型；

将获取的热敏电阻的电阻值输入到校准神经网络模型中输出校准的检测温度。

2.根据权利要求1所述的一种热敏打印机检测温度的校准方法，其特征在于，所述建立BP神经网络包括：

定义网络结构，包括输入层、隐含层及输出层，所述输入层包括至少三个均输入电阻值R的输入层输入端，所述隐含层包括至少三个神经元，每个神经元分别具有与输入端数量相对应的隐含层输入端，每个神经元的各个隐含层输入端分别与输入层输入端一一对应连接，所述输出层包括一个输出温度T的神经元。

3.根据权利要求2所述的一种热敏打印机检测温度的校准方法，其特征在于，所述建立BP神经网络包括：

定义激励函数

信号正向传播，输入层神经元：输入值x_i＝R，输出值y_i＝x_i；隐含层神经元：输入值输出值输出层神经元：输入值输出值

误差信号反向传播，输出神经元误差E，d_k表示真实正确结果，就是训练数据中的温度T，神经元误差权值w_kj的误差量权值w_ji的误差量

加入学习速率η表示学习速率，选取0-1之间的数。

4.根据权利要求3所述的一种热敏打印机检测温度的校准方法，其特征在于，所述采用所述热敏电阻的电阻值与温度之间的对应关系进行模型训练，得到热敏电阻的校准神经网络模型包括：

参数初始化：设置神经元的权重值、误差精度e及训练次数N；

导入训练样本：将热敏电阻的电阻值与温度之间的对应关系的训练样本导入BP神经网络；

归一化处理：对训练样本数据进行归一化处理；

计算输出：按照所述BP神经网络的信号正向传播，将归一化处理之后的数据y_u作为输入数据送入神经网络，计算出隐含层的神经元输出y_j和输出层的神经元输出y_k；

计算神经元误差：按照所述BP神经网络的误差信号反向传播，计算出权重值的误差Δw_kj和Δw_ji；

更新权重值：根据计算出的权重值的误差，更新隐含层和输出层的权重值w_kj＝w_kj+Δw_kj、w_ji＝w_ji+Δw_ji；

误差精度判断：判断当前的误差精度是否达到要求若达到精度要求则结束训练，若未达到精度要求，则进一步判断是否达到训练次数N，若达到训练次数N，则结束训练，若未达到训练次数N，则返回至计算输出继续训练。

5.根据权利要求4所述的一种热敏打印机检测温度的校准方法，其特征在于，所述归一化处理包括：

针对输入至输入层的热敏电阻的电阻值数据进行归一化处理：

归一化处理函数其中，R表示输入的电阻数据，R_min表示输入的电阻数据中的最小值，R_max表示输入的电阻数据中的最大值，y_u表示归一化后的数据；

针对输入至输出层的热敏电阻的温度数据进行归一化处理：

归一化处理函数其中，T表示输入的温度数据，T_min表示输入的数据中的最小值，T_max表示输入的数据中的最大值，T_u表示归一化后的数据。