基于神经网络的微小反应器温度测量方法

摘要

一种基于神经网络的微小反应器温度测量方法，包括如下步骤：（1）获取不同位置的特征温度测量信号和目标温度测量信号参数，（2）建立神经网络，（3）对所述的神经网络进行训练和测试，（4）利用所述的神经网络测量微小反应器目标温度；本发明的神经网络是基于L‑M算法的BP神经网络，包括一个输入层、一个隐含层和一个输出层，输入层的输入变量为微小反应器的来流温度、入口温度、出口温度、内壁温度、多层壁面各界面位置的间壁温度、外壁温度、环境温度；所述的输出层的目标为微小反应器被测点的目标温度值。本发明实现微小反应器目标温度值的快速、准确、可靠的描述和预测，可用于分析、微化工、微型能量系统等领域涉及微小反应器温度的测量，同样适用于其他微小温度变化以及较低信噪比的温度测量领域。

主权项

一种基于神经网络的微小反应器温度测量方法，包括如下步骤：（1）获取不同位置的特征温度测量信号和目标温度测量信号参数；按照不同设定位置，所述的多个特征温度的依次为远离微小反应器（R）入口的来流温度XT1，微小反应器（R）入口位置的入口温度XT2，微小反应器（R）出口位置的出口温度XT3，微小反应器（R）内壁界面位置的内壁温度XTI，微小反应器（R）多层壁面各界面位置的间壁温度XTI1~XTIn，微小反应器（R）外壁界面的外壁温度XTO，临近微小反应器（R）的环境温度XTE；所述的目标温度为所需测量的微小反应器（R）温度分布的一点或多点位置的温度值YT1~YTn；（2）建立神经网络；所述的神经网络是基于L‑M（Levenberg‑Marquardt）算法的BP神经网络；所述的神经网络包括一个输入层、一个隐含层和一个输出层；所述的输入层包括如下输入变量：来流温度XT1、入口温度XT2、出口温度XT3、内壁温度XTI、间壁温度XTI1~ XTIn、外壁温度XTO和环境温度XTE；所述的输出层的目标为目标温度YT1~YTn；所述的基于L‑M算法的BP神经网络，可以通过Matlab、C/C++、Fortran等语言系统编程实现；（3）对所述的神经网络进行训练和测试；设定微小反应器（R）的工况参数和外部环境参数，按照所述的步骤（1）获取不同位置的特征温度测量信号作为输入变量，同时获取微小反应器（R）目标温度测量信号参数，作为训练和测试样本；按照所述的步骤（2）建立神经网络，设置训练次数及训练目标误差，使用训练样本进行训练，训练组越多，神经网络学习越充分，经验值越大，预测精度越高；当所述的神经网络训练结束后，利用测试样本检验，当所述的神经网络在测试样本数据的预测误差低于规定水平即通过测试，可以用于微小反应器（R）目标温度的测量；（4）利用所述的神经网络测量微小反应器（R）的目标温度；将所述的步骤（2）（3）建立并训练和测试的神经网络算法编程写入微处理器和计算机（PC），将所述的步骤（1）得到的不同位置特征温度和目标温度测量信号数据引入微处理器和计算机（PC）进行处理，使用不同位置特征温度测量信号利用所述的神经网络得到微小反应器（R）目标温度的预测值，通过所述的目标温度的预测值和测量值比较消除干扰和噪声信号，得到微小反应器（R）目标温度的真实值。