（木材科学与技术专业论文）基于bp神经网络电容法刨花含水率测试仪的研究与开发.pdf

摘要 在木材工业生产中，测量含水率的方法有多种，常用的有电导法、红外法、微波法、 电容法等。电容传感器是由两极板组成，极板的形状有多种，两极板一般位于不同的空间 平面；而同面散射场电容传感器的驱动电极和感应电极位于同一平面，其电场呈散射状， 电场的电力线近似半圆弧形或椭圆形，因而其测量穿透深度( 高度) 是有一定限制的，是 相邻驱动电极和感应电极中心距的2 3 。当同面散射场电容传感器的测量介质的组成成分 变化时，会引起总介电常数e ，的变化，从而，测量电容c ，也随之变化。所以，同面散射 场电容传感器能间接测量被测物中的特定成分。 本论文分别设计并自制了以调频法为原理、以刨花为测量介质，以同面散射场电容器 为测量传感器的高频含水率测试仪和低频含水率测试仪。在刨花的有效铺装面积保持一定 ( 即为电容传感器的有效平面感应区) 的前提下，试验表明：当刨花的铺装高度和密度一 定时，刨花的含水率5 m c 2 5 ，测试频率与刨花的含水率成指数关系；刨花的含水率 2 5 m c 4 5 时，测试频率与刨花的含水率成线性关系。当刨花的含水率和铺装密度一定 时，测试频率与刨花的铺装高度成线性关系。当刨花的含水率和铺装高度一定时，测试频 率与刨花的铺装密度无明显的函数关系。 试验数据分析表明：低频测试数据的逐步回归方程，其频率预测值和实际测试值的相 对误差较小，并达到一定的精度。而高频测试数据的逐步回归方程，其预测值的相对误差 较大：预测值的变化趋势与实际测试值和理论分析的变化趋势相矛盾。 神经网络被人们称为是第六代计算机，又是第二代人工智能，具有智方惊人的自适应 自学习能力、理智敏捷的判断思维、高度分散的信息存储方式等特点。b p 神经网络是目 前应用最为广泛的，有近9 0 的神经网络的应用是基于b p 算法，它可以实现输入和输出 间的任意非线性映射。实验表明，刨花的含水率( 们) ，与测量频率( f ) 、刨花的铺装高 度( h ) 、密度( p ) 间的关系是复杂的非线性关系。运用基于m a t l a b 的b p 神经网络仿真测 量刨花的含水率，测量效果好，精度高，完全满足含水率测量的要求。 关键词：刨花，含水萃，同面散射场电容传感器，含水率测试仪，b p 神经网络 r e s e a r c ha n d d e v e l o p m e n to fc h i pm o i s t u r e c o n t e n tm e t e rb a s e do nb pn e u r a ln e ta n dc a p a c i t a n c e a b s t r a c t i nt h ep r o d u c t i o no ft h ew o o di n d u s t r y , t h e r ea r es e v c r a lk i n d so fm e t h o d st om e a s u r e m o i s t u r ec o n t e n t , u s u a l l yi n c l u d i n ge l e c t r i c a lc o n d u c t i v i t y , i n f r a r e di n s p e c t i o n ，m i c r o w a v e i r r a d i a t i o n ，c a p a c i t a n c em e t h o da n ds oo n t h ec o r t n n o nc a p a c i t a n c es e n s o ri sc o m p o s e do f t w o e l e c t r o d ep l a n k sw h i c hv a r yi ns h a p ea n dc a nb ef i x e di nd i f f e r e n tp l a n eo fs p a c e t h e d r i v i n ga n di n d u c t i v ee l e c t r o d ep o l ep l a c e di nt h es a m ep l a n eo ft h eu n i p l a n a rs c a t t e r i n g - f i e l d c a p a c i t i v es e n s o r t h ee l e c t r i c f i e l dp r e s e n t ss c a t t e r i n g a st h es h a p eo fp o w e rl i n e i nt h e e l e c t r i c f i e l d si sl i k es e m i c i r c u l a ra r co re l l i p s e ，t h e r ei ss o m el i m i t si nt h em e a s u r e m e n td e p t h o f u n i p l a n a rs c a t t e r i n g f i e l dc a p a c i t i v es e n s o r , a n di t sp e n e t r a t i o nd e p t hi se q u a lt o2 3o f c e n t e r d i s t a n c eo fa d j a c e n td r i v i n ga n di r r i t a b l ee l e c t r o d ep o l e w h e nt h ec h a n g ei nt h ec o m p o n e n to f t h et e s t e dm a t e r i a lm e a s u r e dt h eu n i p l a n a rs c a t t e r i n g f i e l dc a p a c i t i v es e n s o rc a u s e st h ev a r i a t i o n o ft h et o t a ld i e l e c t r i cc o n s t a n t x ，t h em e a s u r e dc a p a c i t a n c ec xw i l la l s oc h a n g e t h e r e f o r e ， c a p a c i t i v es e n s o rc a nb eu s e dt om e a s u r et h es p e c i f i cc o m p o n e n to ft h e t e s t e dm a t e r i a l i n d i r e c t l y t h i sp a p e rd e s i g n e da n dm a d em o i s t u r ec o n t e n tm e t e r so fb o t hh i g hf r e q u e n c ya n dl o w f r e q u e n c yw i t hf r e q u e n c yd e m o d u l a t i o na s i t sp r i n c i p l e ，c h i pa si t sm e a s u r i n gm a t e r i a la n d u n i p l a n a rs c a t t e r i n g f i e l dc a p a c i t o ra si t ss e n s o r w i t ht h ep r e m i s eo ft h a tv a l i dc h i pf o r m i n g a r e a ( t h ev a l i du n i p l a n a ri n d u c t i v ea r e ao fc a p a c i t a n c es e n s o r ) k e e p ss t a b l e ，e x p e r i m e n tr e s u l t s s h o w e dt h a tw i t ht h ed e f i n i t ef o r m i n gh e i g h ta n dd e n s i t yo fc h i pw h e nt h em o i s t u r ec o n t e n t v a r i e di nr a n g e so f5 t o2 5 w e r ed e f i n i t e t h em o i s t u r ec o n t e n tw a se x p o n e n tf u n c t i o na s m e a s u r i n gf r e q u e n c y ；w h e nt h em o i s t u r er a n g e di n2 5 t o4 5 ，t h e r ew a sl i n e a rr e l a t i o n s h i p b e t w e e nm e a s u r i n gf r e q u e n c ya n dm o i s t u r ec o n t e n to fc h i p w h e nt h em o i s t u r ec o n t e n ta n d f o r m i n gd e n s i t yw e r ec e r t a i n ，t h e r ew a sl i n e a rr e l a t i o n s h i pb e t w e e nm e a s u r i n gf r e q u e n c ya n d f o r m i n gh e i g h t w h e nt h em o i s t u r ec o n t e n ta n df o r m i n gh e i g h tw e r ed e t e r m i n a t e ，t h e r ew a s n o f u n c t i o nr e l a t i o n s h i pb e t w e e n m e a s u r i n gf r e q u e n c ya n df o r m i n gd e n s i t y t h ea n a l y s i ss h o w e dw h e nt h em e a s u r i n gf r e q u e n c yw a sl o w t h e r ee x i s t e dr e l a t i v el i t - t i e e r r o rb e t w e e nt h ef r e q u e n c yp r e d i c t i v ev a l u ea n dt h ea c t u a lm e a s u r i n gv a l u ef r o ms t e p w i s e r e g r e s se q u a t i o na n dt h ed a t ar e a c h e dc e r t a i np r e c i s i o n w h i l et h em e a s u r i n gf r e q u e n c yw a s h i g h t h e r ew a sr e l a t i v eh u g ee r r o rb e t w e e nt h e m t h ev a r i a t i o nt e n d e n c yo f t h ep r e d i c t i v ev a l u e w a si n c o n s i s t e n tw i t ht h ec h a n g i n gt e n d e n c yo f a c t u a lm e a s u r i n gv a l u ea n dt h e o r ya n a l y s i s n e u r a ln e ti sc a l l e dt h es i x t hg e n e r a t i o no fc o m p u t e ra sw e l la st h es e c o n dg e n e r a t i o no f a r t i f i c i a li n t e l l i g e n c e i th a st h ec h a r a c t e r i s t i co fi n t e l l i g e n ta n dt r e m e n d o u ss e l f - a d a p t a t i o na n d s e l f - s t u d y , r e a s o n a b l ea n dp r o m p tj u d g i n gt h o u g h t sa n dh i g h l ys c a t t e r i n gi n f o r m a t i o ns t o r a g e t o d a yb pn e u r a ln e th a sb e c o m et h em o s tw i d e l yu s e ds t u d ya r i t h m e t i c i ti ss t a t i s t i c a lt h a t a l m o s t9 0p e r c e n to fa p p l i c a t i o ni nn ni sb a s e do nb pa r i t h m e t i c a n di tc a nr e n e c ta n v n o n l i n e a rm a p p i n go fi n p u ta n do u t p u t t h e e x p e r i m e n tr e s u l t sa b o v es h o w e dt h a t ：t h e r e i a t i o n s h i pb e t w e e nc h i pm o i s t u r ec o n t e n ta n dm e a s u r ef r e q u e n c y , f o r m i n gh e i g h t d e n s i t yi s c o m p l e xn o n l i n e a r t h i sp a p e ru s e db pn ns i m u l a t i o nb a s e do nm a t l a bm e a s l l r ec h i o m o i s t u r ec o n t e n t t h eg o o de f f e c ta n dh i g hp r e c i s i o nc o u l dm e e tt h ed e m a n do f m e a s u r e m e n to f m o i s t u r ec o n t e n t k e y w o r d s ：c h i p ；m o i s t u r ec o n t e n t ；u n i p l a n a rs c a t t e r i n g - f i e l d c a p a c i t i v es e n s o r ：m o i s n l r e c o n t e n tm e t e r ；b pn e u r a ln e t 致谢 x3 1 8 6 3 1 j 本论文是在导师卢晓宁、赵英凯两位教授的悉心关怀与精心指导下完成 的。从论文的选题、硬件设计和软件编程、实验方案的确定与实施、到论文 的撰写无不凝聚着导师土量的心血与智慧。两位导师渊博的知识，科学的思 维方式，严谨的治学态度及诲和的为人之道与长者风范将使我终生难忘与受 益。在此衷心感谢两位导师的指导与教诲。 在论文的研究和实验过程中，得到了刘启明老师，张洋老师，吴羽飞老 师、金菊婉老师、李显成老师以及其他老师的关心和支持，在此表示衷心的 感谢感谢参加论文答辩的华毓坤教授、徐咏兰教授、周定国教授、邓玉和 教授和工业大学刘伟庆教授的指导感谢师弟师妹王志强、孙崇咪，岳孔、 夏夹、郭飞燕，周利、许值，章瑞，杜袁成和童磊等人的帮助和支持，感谢 研究生院段勤、王绍俐，曹扬等老师的辛劳和支持 三年采的学习与研究工作得以顺利完成，离不开锋芳，何牧天的理解与 鼎力支特，同时也离不开父母、姐弟的帮助藉此机会表示深深的谢意 何毅 嬲车石尾亏南京 1绪论 在工农业生产中需要测量水分的物质种类繁多。物质中的水分以两种形式存在：一种 称为游离水或自由水，它分布于物质的表面与间隙中。如海绵吸附的水和木材间隙中的水 分均属此类。另一种是结合水，指物质中靠物理和化学作用于水分子相结合的水分。如植 物细胞壁中的水等。物质中水分的测量，通常有直接干燥法和间接法测量法。干燥法常有 烘干、蒸馏法等：间接测量的方法主要有：如电导法、电容法、微波法、中子法、核磁法、 红外法、色谱法等。 1 1 木材工业中含水率测量常用的几种方法 含水率的测量在木材工业生产中有着极其重要的作用，是人造板的生产过程中是个 关键的参数，不仅与工厂的能耗、产品中游离甲醛的含量、产品的力学性能相关，而且也 是热压机热压曲线控制的关键因素之一。目前，木材工业中测量含水率的常用方法有电导 法、红外法、微波法等。实际运用最广的是电导法测量木材的含水率，简单方便，但由于 难以形成连续测试，且不能对松散物料，如纤维、刨花等进行测量，使用范围受到了较大 的限制。红外法由于其穿透力不强，仅能测量薄板或物体表面的含水率，对被测物内部的 水分状况则无法了解。微波和射线是按水分吸收功率判断水分的含量，从理论上讲其穿透 力较强，但由于有辐射的影响，使其应用受到了很大的限制。 1 1 1 电导法测量含水率的原理” 干木材是优良的绝缘体，而湿木材却是导体，电导法测量木材含水率正是利用这样的 原理：木材中定的含水量与木材的电阻之间确定的关系即木材的含水量不同其电阻值大 小不同。影响木材直流电阻率的因子很多，如木材的含水率、树种、密度、纹理方向，以 及温度、电压、试件尺寸等，其中含水率的影响最大，常常掩盖其他因子的影响。含水率 在纤维饱和点以上时，电阻率的对数随含水率的变化很小或几乎没有变化；在纤维饱和点 以下至含水率6 8 左右，电阻率的对数含水率的变化比较明显；含水率在6 8 以下至 绝干，电阻率的对数随含水率变化的关系最明显，成直线关系。如杉木的含水率与电阻率 的对数关系可用直线方程表示如下：l gp = a w + c ， ( 1 ) 当w 1 8 ，l gp = 7 6 ；( 2 ) 当7 w 1 8 ，l gp = 1 3 2 0 3 3 w ：( 3 ) w 7 ，l gp = 1 6 6 0 8 6 w 。 可见，木材中的含水率对直流电阻的影响起主导作用，但在测量木材含水率时，对其 它因子的影响需作定的修正。目前常用的插针式木材含水率测量仪就是基于上述之原理 制成的，如上海木材工业研究所研制的s t 一8 5 数字式木材测湿仪和s m s 一5 超小型木材测 湿仪，如图1 1 。 图1 1s t 一8 5 型和s m s 一5 型含水率测湿仪 f i g 1 1s t 一8 5a n ds m s 一5m e t e ro fm o i s t u r ec o n t e n t 1 1 2 红外法测量含水率的原理“” 任何物质对红外线都有一个吸收波长，水在近红外波段吸收带有：1 2 p m 、l _ 4 5 p m 和1 9 4 三个u m 波长，如图1 2 。红外法测量含水率是利用水对不同的红外波长的吸收和 反射的原理进行测量的。当向被测物照谢近红外光时，被照物会根据其组成而吸收特定波 长的光，这种吸收是通过水分子伸缩振动和变角振动的结合而引起的共振现象所产生，因 此，一旦将红外光照谢到含水的物质上，就会产生与含水量相对应的光吸收能量，如图 1 2 。从红外线法测量含水率的原理可以看出，红外法测量的是被测物表面的水分，其内 部水份的状况无法反映出来。 1 0 0 装8 0 料6 0 杂4 0 赵 、 2 0 一土2 9 一l 笋 一 、1 9 4 一 1 21 41 61 8 2 0 2 2 波长( p m ) 图1 2 红外波长吸收水分反射率 f i g 1 2w a t e rr e f l e c t i v i t yo fi n f r a r e dw a v e l e n g t h 1 1 3 微波法测量含水率的原理“ 利用微波技术测量含水率的原理是：在微波频段，水的介电常数远远大于一般材料， 在高频电场中，电介质存在驰豫损耗，其介电常数可以用复数形式表示为= 。+ j a ， 其中e 。代表介质的储能特性，而e 。是由弛豫损耗造成的，代表了介质损耗的特性，称 为损耗因子，介电常数。和e 。的大小与电场的频率有关，例如，在微波频段频率f = i 0 h z 时，水的损耗因子e 。为4 0 ，而一般材料ea ( 1 ；水的e 。为6 4 ，一般材料e 。 i 0 ，正是 因为水的这种微波特性，使被测物中的水份成为决定其介电常数的重要部分，被测物的湿 度变化，可以明显改变其的介电特性，通过测量功率衰减，相位变化，谐振频率等相关介 电常数的物理量，就能测量含水率，这是微波测含水率的基本原理。微波在介质中传播应 符合p 2 = p , e 一式中：p 。为衰减后的微波功率：p 。为输入微波功率；a 为衰减常数；x 为被 测介质的厚度“3 。从理论上讲微波的穿透力较强，但由于有辐射的影响，使其应用受到 了很大的限制 1 2 电容传感器 电容式传感器具有结构简单，动态响应好，灵敏度高，温度稳定性好，可以实现非接 触测量，测量结果具有平均效应，而且能在恶劣环境下工作等优点，所以在当今检测领域 中被广泛使用，常应用于位移、振动、液位、角度、压力等测量中。将电容信号转换成电 压或电流信号，目前大多数是使用分立元件，来设计测量电路，如调频电路法、调幅电路 法和脉冲型电路法等。目前，德国a m g 公司和美国模拟器件公司( a n a l o gd e v i c e s ) 推出 了电容传感器专用测量集成电路芯片c a v 4 2 4 和a d 7 7 4 5 。c a v 4 2 4 是专门为电容传感器而 设计的通用性强、多用途的集成电路，是一种将各种电容式传感器电容信号转换成电压信 号的集成电路芯片。美国模拟器件公司( a n a l o gd e v i c e s ) 2 0 0 5 年3 月发布了a d 7 7 4 5 ， 在a d 7 7 4 5 片内集成了电容数字转换器( c d c ) ，能将电容信号直接转换数字信号，a d 7 7 4 5 实际上是一种智能电容转换芯片。 i 2 1c a v 4 2 4 “” ( 1 ) c a v 4 2 4 的概述 德国a m g 公司开发了一系列用于电容信号的转换放大以及标准化输出的集成电路，比 如c a n 4 0 4 、c a v 4 1 4 和c a v 4 2 4 。图1 3 是c a v 4 2 4 的电路原理图，它含有完整的电容信号采 集、转换和标准化输出的电路；它可以输出最大幅值达2 8 v ( 差分信号v d 。，) 的电压，该电 压可以： ( 1 ) 直接应用( 简单和价格低廉) ； ( 2 ) 可以与a d 转换电路或微处理器直接相连( 汽车工业应用等) ； ( 3 ) 可以与一些工业标准化输出电路相连，输出二线、三线制的o 4 2 0 m a ； ( 4 ) 参比电容和测量电容的振荡频率的范围是i 1 3 0k h z ； ( 2 ) c a v 4 2 4 的工作原理 c a v 4 2 4 工作原理如下：一个由电容c 。确定频率的参考振荡器控制着2 个相位恒定和 周期相同的对称构造的积分器；这2 个积分器的振幅通过电容c ，和c 。来确定，这里c 。 作为参考电容器( 有时也可作为测量电容器) 作为测量电容器。比较二个积分器的电压 振幅差值就可以给出电容g ，和c 。的相对电容变化差值。该差分信号通过一个二级低通滤 波器转换成直流电压信号并经过输出可调的差分信号输出级输出。只要简单调整很少的元 3 件就可改变低通滤波器的滤波常数和放大倍数。该测量电路可测出与参考电容值的5 1 0 0 的变化电容值，比如c ；。取值范围为1 0 p f 1 n f ，则可测c 。：的范围为o l o 5 p f 到0 2 n f 。 c a v 4 2 4 的参考振荡器，对外接的振荡器电容c 。和集成电路内部的附加电容 c ( 。c p a r , i s t ( 比如电路板) 充电和放电，c 。的电容值取值近似按照下式 c o s c c x i c x 2 图1 3c a v 4 2 4 的电路腺理幽 f i g 1 3t h ep r i n c i p l es c h e m a t i co fc a v 4 2 4 c = 1 6xc x 【 式中：c 。是参考电容值。参考振荡器电流i 。由外接电阻r o s e r j 参考电压v m 来确定： ，= 上 参考振荡器的频率f 。是： 武o s c j“一2avosc(cox+coscpaeanr+osc,eaxr)osc ， 一 1 式中：v 。是参考振荡器的峰谷电压差，它由内部电阻来确定，数值为2 1 v ，如图1 4 。 图1 4 参考振荡器电压输出 f i g 1 4t h ev o l t a g eo u t p u to fr e f e r e n c eo s c i l l a t o r 4 电容式积分器的工作方式与参考振荡器接近，区别在于它的放电时间是参考振荡器充电 时间的一半，其次它的放电电压被钳制在一个内部固定的电压v 。上。图1 5 是电容c 。 和c 。的充放电曲线情况，电容式积分器的电流i 。、是由外接电阻艮和参考电压乩来确定： b 2 甚 电容g 充电至最大值，它由下式给出： 5 一萄泳再煮砀 2 个电容c x 。和c x z 的充电电压振幅之差并于参考电压v 。一起形成差分电压v 。，v 。= ( 岵一v “：) + v w 。差分电压m 通过一个二级低通滤波器滤波。二级滤波器的3 d b 衰减 角频率岛和如由外接电容c 。和c 。以及内部的电阻r 。；和r 。：( 典型值2 0k q ) 来确定。3 d b 衰减角频率f c ，和f c ：与参考振荡器的频率f 。和检测的速度f d 。，必须满足下式： f d e t fc f 图1 5 积分器电压输出 f i g 1 5t h ev o l r a g eo u t p u to fi n t e g r a t o r 外接电容c 。与角频率f c 由下式表示： c l = i i 毛石 经过低通滤波器的信号输出在理想状况下应为：v 一= v 。+ v 。，式中： 如果输出的差分信号v 。较小，可通过低通滤波器进行适当放大，放大倍数由电阻乩和r 。 确定： g l p 小鲁 此时经过低通滤波器的输出信号为：v t 。= v 。+ v 。，式中： v d t ? r = g l p v d t f f , o = g l p i i j j ：j i 3 。：。7 。j i j 在c a v 4 2 4 的电路中还集成了一个温度传感器，它可以直接给微处理器提供温度信号 用于温度补偿，从而简化了整个传感器系统。 1 2 2a d 7 7 4 5 ( i ) a d 7 7 4 5 的概述 美国模拟器件公司( a n a l o gd e v i c e s ) 2 0 0 5 年3 月发布高精度、完全集成的电容数 字转换器( c d c ) 和阻抗数字转换器( i d c ) a d 7 7 4 5 a d 7 7 4 6 ，从而解决了从电容到数字和从 阻抗到数字直接转换的信号处理难题。 a d 7 7 4 5 ( c d c ) 在单芯片上集成了电容到数字转换的所有电路，比传统的多芯片解决方 案降低了6 5 的成本。 a d 7 7 4 5 6 ：2 4 位1 路高分辨率电容一数字转换器( c d c ) ，要测量的电容直接连接到器件 的输入端，器件有2 4 位不丢失码的分辨率； 1 6 6 h z 数据速率时的有效分辨率为1 9 位，高度线性o 0 1 ； 高精度+ _ 2 f f 。l p f = l 2f ；j _ f p = 1 0 1 。f ；l a f = 1 0 “8f ； 测量范围4 p f ，绝对基准值高达1 7 p f 。如当偏差基准定为1 7 p f 时，电容的测量范围 为1 3 p f 2 1 p f ：当偏差基准定为l o p f 时，电容的测量范用为6 p f 1 4 p f ； 片内有分辨率为0 1 的温度传感器，精度为2 ； i 兼容的串行接口； 具有电压输入通道和电压基准输入； 内部有时钟振荡器，驱动测量电容，其时钟振荡频率为3 2 k h z ； 工作电压2 7 5 v 5 2 5 v ： 工作温度一4 0 到1 2 5 ； 1 6 引脚t s s o p 封装。 ( 2 ) a d 7 7 4 5 内部结构各种寄存器 a d 7 7 4 5 内部含有状态寄存器、电容数据寄存器、电压数据寄存器、电容设罱寄存器、 电压设置寄存器、振荡设置寄存器、配置寄存器、电容转换寄存器、电容偏差标定寄存器、 电容增益标定寄存器、电压增益标定寄存器等。通过a d 7 7 4 5 的i2 c 总线接口，可实现对 这些寄存器的读写。 状态寄存器：地址为o o h ，默认值为0 7 h ：有振荡输出状态位( e x c e r r ) 、转换状态位 ( r d y ) 、电压转换状态位( r d y v t ) 、电容通道转换状态位( r d y c a p ) 。 电容数据寄存器：地址为o l l t 、0 2 h 、0 3 h ，默认值为0 0 0 0 0 0 h ；三字节，电容量转换 为二进制数，0 0 0 0 0 0 h 代表一4 0 9 6 p f ，8 0 0 0 0 0 h 代表o p f ，f f f f f f h 代表+ 4 0 9 6 p f 。 电压数据寄存器：地址为0 4 h 、0 5 h 、0 6 h ，默认值为0 0 0 0 0 0 h ：三字节，将温度传感 器输出的电压信号转换为二进制数，0 0 0 0 0 0 h 代表- v 。8 0 0 0 0 0 h 代表o v ，f f f f f f h 代表 + k ，。温度t 与电压的关系为t ( ) = ( c o d e 2 0 4 8 ) 一4 0 9 6 。 电容设置寄存器：地址为0 7 h ，默认值为o o h ：有电容转换使能位( c a p e n ) 、第二通 道电容使能位( c i n 2 ) ( a d 7 7 4 6 ) 、电容差分输入方式使能位( c a p d i f f ) 、电容采样时间调 整及滤波位( c a p c h o p ) 。 电压设置寄存器：地址为0 8 h ，默认值为0 0 1 - i ：电压转换使能位( v t e n ) 、电压输入通 道选择位( v t m d o 、v t m d i ：0 0 ：内部温度传感器输入：0 1 ：外部温度二极管传感器输入； 1 0 ：监视v 。；i l ：外部电压输入v ) 电压基准选择位( e x i r e f ) ；内部温度传感器通道 短路位( v t s h o p ) ：内部温度电压转换确定位( v t c h o p ) 。振荡设置寄存器：地址为 0 9 h ，默认值为0 3 h ：振荡频率和调制频率控制位( c l k c t r l ) ；振荡输出控制位( e x c o n ) ； 引脚e x c b 振荡输出控制位( e x c b ) ：引脚e x c b 振荡倒相输出控制位( e x c b ) ：引脚e x c a 振荡输出控制位( e x c a ) ：引脚e x c a 振荡倒相输出控制位( e x c a ) ；振荡电平选择位 ( e x c l v l l 、e x c l v l o ) 详见表1 1 表1 1振荡电平选择表 t a b l e3 1t h ec h o i c ef o ro s c i l l a t i n gv o l t a g el e v e l 配置寄存器：地址为o a i t ，默认值为a o t f ；温度电压通道采样时间、采样频率和数字 滤波器设置位( v t f l 、v t f o ) ，详见表1 2 。 表1 2 温度电压通道采样转换时间、数据刷新频率和数字滤波频率设置表 t a b l e 1 2t h et e m p e r a t u r ec h a n n e ls e t t i n gf o rs a m p l et i m e ，r e f r e s h e df r e q u e n c ya n dd a t af i l t e r 电容通道采样时间、采样频率和数字滤波器设置位( c a f f 2 、c a f f l 、c a p f o ) ，详见表1 3 表1 3 电容通道采样转换时间、采样频率和数字滤波频率设置袭 t a b l e 1 3t h ec a p a c i t a n c ec h a n n e ls e t t i n gf o rs a m p l et i m e s a m p l ef r e q u e n c ya n dd a t af i l t e r 电容转换a 寄存器：地址为o b h ，默认值为o o h ；位d a c a e n a = l ，电容转换器c a p d a c ( + ) 和c i n ( + ) 引脚相连，b i t o b i t 6 对应的数值量( 0 0 7 f h ) 和电容量( o o p f 1 7 p f ) 成线性对应关系。 电容转换b 寄存器：地址为o c h ，默认值为o o h ；位d a c a e n b = 1 ，电容转换器c a p d a c ( 一) 和c i n ( 一) 引脚相连，b i t o b i t 6 对应的数值量( 0 0 t f i ) 和电容量( o o p f 1 7 p f ) 成线性对应关系。输入电容测量数据和c a p d a c 的关系可以用下式表示为： d a t a ( c x c a p d a c ( 十) ) 一( c ，一c a p d a c ( 一) ) 其中，c x 一端接c i n ( + ) 引脚，c ，一端接c i n ( 一) 引脚。 电容偏差标定寄存器：地址为o d h 、o e h ，默认值为8 0 0 0 h ；电容偏差标定寄存器存放 的是使电容输入通道保持零偏差的系数，其电容偏差范围为3 1 2 5 a f 1 p f 。如果电容输 入偏差范围超过l p f ，则需用c a p d a c 来消除超出l p f 部分的偏差。 电容增益标定寄存器：地址为o f h 、i o h ，默认值为x x x x h ；电容增益标定寄存器存 放的是电容通道满量程标定系数。次系数是芯片生产时标定的。 电压增益标定寄存器：地址为1 1 h 、1 2 1 f ，默认值为x x x x h ；电压增益标定寄存器存放的 是电压通道满量程标定系数。次系数是芯片生产时标定的。 1 3 人工神经网络 研究人类智能一直是科学发展中最有意义，最激动人心，也是最富有挑战性的课题。 人工神经网络( a r t i f i c i a ln e u r a ln e t w o r k a n n ) ，简称“神经网络”( n n ) ，作为 对人脑最简单的一种抽象和模拟，是探索人类智能奥秘的有力工具。神经网络是目前最具 爆发性的一个新兴学科生长点，已成为科学技术发展的新热点，它的发展将会给整个信息 科学带来里程碑的变化。人们称神经网络计算机是第六代计算机，又是第二代人工智能。 作为智能科学的领头羊，神经网络具有智力惊人的自适应自学习能力；理智敏捷的判断思 维；高度分散的信息存储方式：快速准确的实时处理；一网多用的多功能等特点。是近年 来发展起来的- - f 十分活跃的交叉学科。它涉及生物、电子、计算机、数学、物理等学科， 8 有着广泛的应用前景。b p 神经网络已成为目前应用最为广泛的神经网络学习算法。据统 计有近9 0 的神经网络应用是基于b p 算法的，它可以实现输入和输出间的任意非线性映 射，这使得它在诸如函数逼近、模式识别、数据压缩等领域有着更加广泛的应用。 1 4 研究的趋势 目前，仪器仪表的研制开发除了智能化外，多传感器融合技术正越来越受到重视。在 实际中，被测参数除了受到某一主要因素的影响外，往往还要受到一些次要因素的影响和 干扰，这时单一传感器的信息往往不能全面而正确地反映被测参数的真实变化。随着传感 器技术、电子技术和计算机技术的发展，多传感器信息融合在技术上有了保障。多传感器 信息融合技术是把多个传感器检测到的信息进行分析和集成，提取被测参数的有效信息， 以形成对被测参数信息的全面和完整描述。多传感器信息融合技术与单一传感器的信号处 理技术有着本质的区别，关键是多传感器的信息具有更为复杂的形式，而且信息可以在不 同层次上进行融合和集成，经过融合的多传感器信息具有以下特征：信息的冗余性：信息 的互补性；信息的实时性和信息的低成本性。一般情况下，多传感器信息的融合可以得到 比单一传感器更全面更准确的测量信息。本论文中，使用b p 神经网络模拟测试仿真刨花 的含水率，其实就是多传感器信息融合技术的一种体现。 1 5 本论文研究的主要内容 本论文分别设计并自制了以调频法为原理、以刨花为测量介质，以同面散射场电容 器为测量传感器的高频含水率测试仪和低频含水率测试仪。在刨花有效铺装面积一定的 前提下( 即电容传感器的有效感应区面积) ，研究了刨花含水率测试仪的测试频率与刨花 的含水率( m c ) 、刨花的铺装高度( h ) 以及铺装密度( p ) 单因素变化的关系；同时研究 测试了刨花的含水率( m c ) 、刨花的铺装高度( h ) 和铺装密度( p ) 与测试频率( f ) 的正交试 验，并用逐步回归分析法对正交试验数据进行分析，得出关于测试频率的回归方程，且 进一步用单个因素变化的测试数据加以验证。回归方程表明，刨花的含水率与测试频率 ( m c ) 、刨花的铺装高度( h ) 及铺装密度( p ) 间有着一定内在关系，m c = f ( f ，h ，p ) ，这 种关系是复杂的非线性关系。 b p 神经网络特别善长于实现输入和输出间的任意非线性映射，用测试数据样本对b p 神经网络进行训练，使网络具有一定的刨花含水率的专业智能知识，从而实现对刨花含 水率的仿真测量。 1 6 本论文的主要创新点 研究设计了同面散射场电容传感器： 同面散射场电容传感器既可测量块状物的平均含水率又可测量松散物的平均含水率 将b p 神经网络运用于木材含水率的测量； 1 7 本章参考文献 1 成俊卿木材学中国林业出版社，1 9 8 5 9 3 李坚木材科学高等教育出版社，2 0 0 2 8 4 人造板生产自动化南京林业大学木材工业系，1 9 9 3 9 5 李腾浪，封维忠，阮锡根红外法测定木材刨花含水率c h i n aw o o di n d u s t r y ，1 9 9 7 4 6 李基好应用微波测量砂含水率研究仪表技术与传感器2 0 0 1 7 同 福r j | 务电与磁科学出版社o h m 社，2 0 0 3 9 8 徐游电磁学科学出版社，2 0 0 5 4 9 t o r gs t e c k e r ，h e l m u tk r e m e 用于电容传感器信号转换的集成电路c a v 4 2 4 i o t h ed a t a s h e e to fc a v 4 2 4 ，a n a l o gm i c r o e l e c t r o n i c s ，2 0 0 2 ，2 1 1 t h ed a t a s h e e to fa d 7 7 4 5 ，a n a l o gd e v i c e s 2 0 0 5 2 人工神经网络 神经网络是目前最具爆发性的一个新兴学科生长点，已成为科学技术发展的新热点， 它的发展将会给整个信息科学带来里程碑的变化。人们称神经网络计算机是第六代计算 机，又是第二代人工智能。神经网络具有：智力惊人的自适应自学习能力；理智敏捷的判 断思维：高度分散的信息存储方式；快速准确的实时处理；一网多用的多功能等特点。 2 1 神经网络发展的概况 研究人类智能一直是科学发展中最有意义，最激动人心，也是最富有挑战性的课题。 人工神经网络( a r t i f i c i a ln e u r a ln e t w o r k a n n ) ，简称“神经网络”( n n ) ，作为 对人脑最简单的一种抽象和模拟，是探索人类智能奥秘的有力工具。神经网络技术作为智 能科学的领头羊，是近年来发展起来的- - f 十分活跃的交叉学科。它涉及生物、电子、计 算机、数学、物理等学科，有着广泛的应用前景。 神经网络的研究始于2 0 世纪4 0 年代。半个多世纪以来，它经历了条由兴起到衰退、 又由衰退到兴盛的曲折发展过程，这一发展过程大致可以分为以下四个阶段。 1 初始发展阶段 1 9 4 3 年，心理学家w s m c c u l l o c h 和数学家w p i t t s 在研究生物神经元的基础上 提出了一种简单的人工神经元模型，即后来所谓的“m p 模型”，在该模型中