（信号与信息处理专业论文）水分在线检测系统数据处理研究.pdf

图书分类号图书分类号 tp274 密级密级 非密 udc 注注 1 621.3 硕硕 士士 学学 位位 论论 文文 水分在线检测系统数据处理水分在线检测系统数据处理研究研究 张丽梅张丽梅 指导教师（姓名、职称）指导教师（姓名、职称） 宋文爱 教授 申请学位级别申请学位级别 工学硕士 专业名称专业名称 信号与信息处理 论文提交日期论文提交日期 2012 年年 4 月月 24 日日 论文答辩日期论文答辩日期_ 20 12 年年 6 月月 5 日日 学位授予日期学位授予日期_年年_月月_日日 论文评阅人论文评阅人_史健芳史健芳_杨录杨录_ _ 答辩委员会主席答辩委员会主席 王建民王建民 2012 年年 6 月月 5 日日 注注 1：注明国际十进分类法：注明国际十进分类法 udc的分类的分类 原原 创创 性性 声声 明明 本人郑重声明：所呈交的学位论文，是本人在指导教师的指导下，独本人郑重声明：所呈交的学位论文，是本人在指导教师的指导下，独 立进行研究所取得的成果。除文中已经注明引用的内容外，本论文不包含立进行研究所取得的成果。除文中已经注明引用的内容外，本论文不包含 其他个人或集体已经发表或撰写过的科研成果。对本文的研究作出其他个人或集体已经发表或撰写过的科研成果。对本文的研究作出重要贡重要贡 献的个人和集体，均已在文中以明确方式标明。本声明的法律责任由本人献的个人和集体，均已在文中以明确方式标明。本声明的法律责任由本人 承担。承担。 论文作者签名：论文作者签名： 日期：日期： 关于学位论文使用权的说明关于学位论文使用权的说明 本人完全了解中北大学有关保管、使用学位论文的规定，其中包括：本人完全了解中北大学有关保管、使用学位论文的规定，其中包括： 学校有权保管、并向有关部门送交学位论文的原件与复印件；学校可学校有权保管、并向有关部门送交学位论文的原件与复印件；学校可 以采用影印、缩印或其它复制手段复制并保存学位论文；学校可允许学以采用影印、缩印或其它复制手段复制并保存学位论文；学校可允许学 位论文被查阅或借阅；学校可以学术交流为目的，复制赠送和交换学位位论文被查阅或借阅；学校可以学术交流为目的，复制赠送和交换学位 论文；学校可以公布学位论文的全部或部分内容（保密学论文；学校可以公布学位论文的全部或部分内容（保密学位论文在解密位论文在解密 后遵守此规定） 。后遵守此规定） 。 签签 名：名： 日期：日期： 导师签名：导师签名： 日期：日期： 中北大学学位论文 水分在线检测系统中数据处理的研究 摘要 含水量是很多化工物品的重要特性之一。在化工产品的加工生产和保存过程中，都 要求其水分的含量保持在一定的范围内，水分的含量高低直接影响着这些物质质量的好 坏和其使用效果。对于颗粒状化学物而言更是如此，因为化学物的含水量如果超标，可 能会导致化学物的性能下降，严重的会导致直接失效。本课题来源于企业，是企业生产 线质量监控的必要环节，因此本研究具有重要的现实意义。 本论文主要内容包括：水分检测系统组成及功能、电容传感器测量含水率的研究及 相应的数据分析、并将得到的多传感器数据经过建模处理，对建模结果进行误差分析， 初步验证了所设计的电容传感器和水分测量系统方案的可行性,另外还设计了数据处理 软件以实现对检测系统的控制和数据处理等功能。 通过含水量的测量实验、相关数据的分析，确定了影响水分含量大小的主要参数。 最终采用温度、湿度、重量、与电容传感器输出相关的电压等作为水分含量测试的主要 参数，根据实验检测条件和测试数据的特点，论文研究了基于matlab语言的bp神经 网络和rbf神经网络的水分含量建模方法，通过比较，最后采用rbf神经网络对水分含 量值进行了建模，给出了测试结果，分析了测试的精度。实验结果初步证明了本文提出 的水分含量测量方法的可行性，并通过对建模后的测试值和实际测试值的对比，验证该 水分测量结果的正确性。 本文的研究工作为在线水分检测系统的最终设计提供了数据基础，为影响水分含量 各个因素之间的关系即建模以及对其它有关水分含量测量的工作提供了参考和借鉴。 关键词： 水分在线检测系统 颗粒状化学物 数据处理 神经网络建模 数据处理软件 中北大学学位论文 the research on data treatment in the online moisture detection system abstract moisture content is one of important characteristic of a lot of chemical products. in the process of chemical product and preservation, moisture content are required to remain within a certain range. the moisture content directly affects their quality and the use effect of these substances. for granular chemical is especially true because the moisture content of the chemicals, if exceeded, may lead to chemical degradation, a serious directly cause failure , this project from the company, is a necessary part of the production line quality control, so this study has important practical significance. the main content of this paper include: the composition and function of the moisture detection system, the capacitance sensor to measure the moisture content of the experimental and the corresponding data analysis, the multi-sensor data modeling, then analysis the error of the modeling results, and validated the feasibility of the design of the capacitive sensor and moisture measurement system solutions, it also designed the pc software in order to achieve the detection system control and data processing functions. through the moisture content measurement experiments, data collection and analysis of relevant data, determined the main parameters affecting the size of the moisture content. the final data of temperature, humidity, weight, capacitance sensor output voltage as the main parameters of the moisture content test. according to the experimental detection conditions and the characteristics of the test data, the paper choice based on matlab language include the bp neural network and rbf neural network model to test moisture content, through the comparison, through the comparison, then using rbf neural network model to moisture content in value, and gives the test results, analysis of the accuracy of the test. experimental 中北大学学位论文 results prove the moisture of the measurement is put forward in this paper the feasibility of the method, and through to the modeling of the value and the actual test after test value contrast, test the moisture measurement of the accuracy of the results. this research work lastly provide data base for designing the moisture detection system, providing the reference for influence moisture content of the relationship between the various factors and the work of other relevant moisture content measurements. keywords: online moisture detection system, granular chemicals, data processing, neural network modeling, data processing software 中北大学学位论文 i 目目 录录 第 1 章 绪论 . 1 1.1 本课题的研究背景 . 1 1.2 水分检测的方法 . 1 1.3 本课题的研究意义 . 3 1.4 本文的写作思路及结构安排 . 4 第 2 章 水分在线检测系统 . 6 2.1 水分在线检测系统的组成 . 6 2.2 机械部分 . 7 2.3 传感器部分 . 8 2.4 信号处理部分 . 10 2.5 上位机部分 . 11 2.6 本章小结 . 12 第 3 章 测量数据的获取与分析 . 13 3.1 数据获取方案的设计 . 13 3.2 实验仪器、材料及用具 . 14 3.3 实验过程 . 15 3.3.1 不同含水量样品的配置 . 15 3.3.2 实验方法 . 15 3.4 实验数据分析 . 15 3.4.1 水分与电压的关系 . 15 3.4.2 水分与温度的关系 . 17 3.4.3 水分与湿度的关系 . 17 3.4.4 水分与重量的关系 . 17 3.4.5 实验室条件下测量数据的分析 . 18 3.5 本章小结 . 21 第 4 章 水分在线检测中的数据处理 . 22 中北大学学位论文 ii 4.1 人工神经网络概述 . 22 4.1.1 人工神经网络的发展及应用 . 22 4.1.2 单神经元的数学模型 . 24 4.1.3 神经网络的结构 . 25 4.1.4 神经网络的学习 . 25 4.2 bp 神经网络. 26 4.2.1bp 神经网络的原理 . 26 4.2.2bp 的算法 . 26 4.3 rbf 神经网络 . 30 4.3.1rbf 神经网络的原理 . 30 4.3.2rbf 神经网络的学习算法 . 31 4.4 基于神经网络的数据处理 . 32 4.4.1bp 神经网络对所测数据的处理 . 33 4.4.2rbf 神经网络对所测数据的处理 . 38 4.4.3 结果分析 . 41 4.5 误差分析 . 41 4.6 本章小结 . 42 第 5 章 数据处理软件 . 43 5.1 软件总体设计 . 43 5.1.1 串口通信 . 43 5.1.2 数据库设计 . 46 5.2 软件对水分测量的实现 . 47 5.3 软件界面及其功能介绍 . 48 5.3.1 系统主界面 . 48 5.3.2 数据统计界面 . 49 5.4 本章小结 . 50 第 6 章 总结及展望 . 51 参考文献 . 52 中北大学学位论文 iii 攻读硕士学位期间发表的论文及所取得的研究成果 . 55 致 谢 中北大学学位论文 1 第第 1 章章 绪论绪论 1.1 本课题的研究背景 水分广泛存在于自然界的各种物质中，水分含量的多少是物质的重要特性之一。在 加工生产和保存粮食、矿物质、木材、茶叶、火药药品、食品等的过程中，都要求它们 水分的含量保持在一定的范围内1。水分的含量高低直接影响着这些物质质量的好坏， 其中对于特殊化学物而言更是如此，因为化学物的含水量如果超标，可能会导致特殊化 学物的性能下降，严重的会导致直接失效。另外由于颗粒状化学物水分分布复杂，影响 因素较多，所以既实现含水量的高精确度检测，又要满足现场条件下在线检测的要求十 分困难。随着对颗粒状化学物质量要求的提高和实际工程的需求，含水量的快速检测显 得由为重要，因此水分检测系统的研究对颗粒状化学物的生产有着深远的意义。目前， 也有很多种检测水分的方法，例如化学法和烘干失重法等，但由于都不能满足现场在线 检测的要求，所以寻求精确快速的颗粒状化学物水分在线检测方法迫在眉睫。 水分含量作为颗粒状化学物类产品的重要技术指标之一，因此被列为该产品出厂检 验的必测项目。化学物含水量如果超标，会导致其化学性能下降，严重的会导致某些化 学物（如火药）的半爆或不爆，因此水分含量将直接影响化学物的功能甚至造成失效。 在生产加工过程中，水分含量的限制都应作为每一道加工工序检验的标准，如果在前一 道工序中，水分含量已经超标，那么接下来的加工将成为“无用功” 。而现行的颗粒状 化学物水分测量方法耗时大约在 1 小时左右，如果颗粒状化学物在生产过程中水分的含 量处于合格的情况下，检测时间的长短对其生产过程没有什么影响，但是当水分含量不 合格时，用现有测试水分含量的方法就不能对生产有正确的指导，由于测量时间太长， 水分检测结果出示时，生产中已有大量的不合格物料要进行返工，生产效率便大大的降 低了。因此若能及时在生产线上对颗粒状化学物的水分含量进行快速实时的检测，并及 时做出报警，对生产效率的提高，产品质量的保证都具有十分重要的意义 1。 1.2 水分检测的方法 世界各国自上世纪 60 年代以来对水分检测技术的发展都十分重视，且水分检测的 中北大学学位论文 2 新技术和新方法不断产生，物料水分含量的测量技术发展迅速 2。目前水分检测的方法 多种多样，大体可分为直接法和间接法 3-9。 直接法主要有烘干法和化学法。烘干法主要有：常压干燥法、减压干燥法、高温定 时干燥法、红外线微波加热干燥法、加入干燥剂法等。它是指在一定条件下，使样品中 水分蒸发脱离后，测定样品前后的减轻量即水分含量。由于烘干法的测量时间较长，不 易用于在线检测，因此只适合实验室使用或作为其他方法的标定依据。化学法主要包括 蒸馏法和卡尔-费休法，一般在实验室使用，用来测量微量水分。蒸馏法一般只适用于 对挥发性成分和脂肪含量高的物质（如油脂、饲料、调味品、香料等）进行水分测定。 测量结果比一般干燥失重法要高。卡尔-费休法主要用于微量水分检测，测定快速、简 便、准确，但需专门设备。 间接法主要包括射线法，电测法，核磁共振法(不适用于本课题)等。它的原理是通 过检测与物料中水分有关的物理量(如物质的电导率、介电常数等)，相应地测定物质的 含水量，易实现在线检测且一般速度比较快， 。 射线法主要有红外法，微波法和中子法等。这几种方法虽适用于在线的水分检测， 但它们各有缺点。红外法的缺点是受样品密度、厚度、形状等影响，难以检测物质内部 水分，设备价格高。微波法的缺点是受形状、密度、厚度等影响，仪器复杂，价格较高。 中子法的缺点是： 氢的散射特性不稳定, 理论尚未完善、 精度受密度、 测量体的影响大、 使用时需作生物防护。上述的几种方法不论是从理论上还是实际应用都不符合本课题的 要求。 电测法主要包括：电阻法和电容法。它的原理是通过测定与物料中水分变化相对应 的电量（电阻、电压或电流等）的变化从而间接测定水分含量的方法。电阻法的原理是： 水的电阻相对干燥的非金属物质电阻通常较小，而干燥的非金属物质的电阻通常较大， 因此，样品物料的导电能力会随着水分含量的变化而发生改变，若水分含量越高，则电 阻越小，样品的含水量就能通过测定样品的电阻而间接的获得。但是它为了能获得大的 取样信号，电阻法水分测定一般需要将试样粉碎，因此虽然电阻法有结构简单、响应速 度快、成本低等优点，但本课题中不适宜将物料粉碎，所以不适合。电容法的原理是利 用不同物质的介电常数不同而设计的。一般情况下，水的介电常数比其它物质的介电常 数大。随着物质含水量的增加，介电常数也相应增大，因此检测出物质的介电常数，就 中北大学学位论文 3 可以利用相应的关系计算出物质中的水分含量。电容法的优点是采用非接触检测，可靠 性高，简便经济，易维护，可用于在线检测，适合高含水量检测。这些优点非常适用于 本课题的要求，因此采用电容法作为对本课题物料水分含量的检测。 1.3 本课题的研究意义 本课题-电容式水分在线检测系统的研制，在实际中是对此类特殊化学物水分含量 检测有关键意义的一个课题。而电容式水分在线检测系统研制的一个必备过程就是数据 的分析与处理，通过此过程对系统的误差进行校正。本研究课题一方面是采用电容传感 器对物料的含水率进行测量， 且对测量的数据进行分析， 以确定最大影响含水量的因素。 另一方面是对影响含水量的这些参数进行建模，且将最适合本系统的模型经上位机软件 处理，来达到对物料含水量的实时检测。 颗粒状化学物含水量的在线测量受到多种因素的影响，如环境的温湿度，化学物的 堆积情况、颗粒度等。在实验中一方面应通过标准机械采样机构保证化学物堆积情况的 统一，另一方面引入了温湿度的测量值和质量的测量值等作为含水量检测的修正参数。 考虑的因素越多，测量的模型就越复杂，但可测量的精度也就会越高，因此本课题将通 过对大量实验数据的分析，对所测化学物含水量建立起精确模型（基本参数包括阻抗变 化引起的电压水平分量 vx、垂直分量 vy、温度、湿度、质量） ，并保证该模型具有自动 学习和自动更新的能力，以求不断进步，适应实际需求。 近年来发展起来的用建模处理数据的方法主要有：人工神经网络法、最小二乘法、 主元回归法、 最小二乘支持向量机法等 10。 其中， 神经网络建模技术是近年来发展最快、 应用最为广泛且研究比较多的一种。由于神经网络在实际中具有以下功能：自主学习、 自适应、非线性逼近和联想记忆等。可以根据要求直接为所测的数据（包括输入输出） 建模(将影响目标测量的数据作为神经网络建模的输入，最终要求测量的变量作为神经 网络的输出)，通过对所建网络模型的训练来解决实际中不能测量且不能被预测的实验 问题，即不具备条件：所测对象的经验知识。对于所建模型有：实际测试中校正误差的 能力强，并能用于非线性极其明显和不确定性特别高的系统。因此数据建模为解决复杂 系统参数的测量问题提供了一条的非常有效的途径 11。 人工神经网络起源于20世纪40年代。 心理学家w s mcculloch和数学家w pitts 12 中北大学学位论文 4 在研究神经元基本特性的基础上就共同提出神经元的数学模型 （mp 模型） 。 1948 年， 冯. 诺依曼 13 提出了以单个神经元组成的自动再生机网络结构，它是在比较了人脑结构与 存储程序式计算机根本区别的基础上提出的。在 1957 年，frosenblatt 14提出了“感 知机模型，第一次将研究从纯理论应用于工程实践。随后人们发现感知机存在一些缺 陷，如不能解决异或问题，因而神经网络的研究进入了衰落期。在 1982 年，美国的物 理学 hopfield 15提出了 hopfield 模型，并于 1982 和 1984 年在美国科学院院刊上发表 了两篇关于人工神经网络研究的论文，有力的推动了神经网络的发展。1985 年，powll 提出了多变量插值的径向基函数方法即（rbf 神经网络） ，在后来的两年内，rbf 神经网 络就成为一种新的神经网络结构。 1986 年以 rumelhart 和 mccelland 16为首的科研小 组提出了多层网络的误差反向传播的学习方法简称为 bp 算法。bp 网络已经成为迄今为 止应用最广泛的一种神经网络模型，在模式识别、智能控制、非线性优化等领域中都有 大量的应用。 通过神经网络建模以及模型的实现，可以达到对物料水分含量的高精度测量，甚至 达到对此类化学物的水分含量检测的标准确定，而后通过数据处理软件来实现水分的在 线实时测量。这对我们国家水分含量的技术发展有着很大的推进作用。 1.4 本文的写作思路及结构安排 本文在深入广泛地了解水分检测发展的基础上，针对我国颗粒状化学物及在线水分 检测技术的发展状况，提出了对此类物料水分含量在线检测系统的设计。本论文的主要 任务是在完成电容式在线水分检测系统研制过程中数据分析与处理的研究。总体上分五 章，结构如下： 第 1 章绪论。主要介绍了本课题的研究背景、设计意义以及目前国内外对于水分测 量方法的研究、进展情况，且说明了水分检测数据处理的方法中神经网络的发展状况。 第 2 章水分在线检测系统。主要介绍了水分在线检测系统的基本组成，主要包括机 械部分,上位机部分,传感器部分，信号处理电路部分。并且介绍了各个部分的功能及应 用。 第 3 章测量数据的获取与分析。本章主要介绍电容传感器用于水分含量的测量。包 括实验方案的确定、实验方法及实验所需仪器和装置、并对采样数据进行相关性分析和 中北大学学位论文 5 数学回归拟合，结合拟合结果说明了水分与各个含量因素之间的关系。 第 4 章水分在线检测中的数据模处理。主要是对本课题所测数据采用 bp 神经网络 建模、rbf 神经网络建模，通过比较可知 rbf 神经网络对所测数据的建模比较精确，且 结合本课题的实验过程对造成误差的原因进行分析。 第 5 章数据处理软件。本章主要介绍了数据处理软件的开发环境、总体设计以及具 体的运行和控制过程，且详细说明了水分测量的具体实现过程。 中北大学学位论文 6 第第 2 章章 水分在线检测系统水分在线检测系统 2.1 水分在线检测系统的组成 该系统主要由四部分组成：机械部分，传感器部分，信号处理电路，上位机部分组 成。如下表所示： 表 2.1 系统的结构及主要功能 系统的组成部分 各个部分的主要内容 功能 机械部分 取样机构 保证在检测过程中对化学物料的 连续采样；保证传感器测量状态的稳 定性和同一性；数控和驱动采用 plc 和伺服电机系统或者液压、 气动系统。 动力控制 流程控制 传感器部分 电容传感器 完成对极板间颗粒状化学物由于 介电常数变化引起电容改变的测量； 实现对在线温度和湿度的监控。在完 成电容测量后，测量被测粒状物料的 质量，并记录，屏蔽装置作用是保证 有效的屏蔽。 温湿度传感器 质量测量仪 外部屏蔽装置 信号处理电路 传感器部分信号调理电路 主要完成对电容传感器测量信号 的采集和处理。称重、温湿度传感器 信号经单片机的 a/d 后传至上位机。 作统一处理，由计算机和处理软件完 成。 数字采集的功能是将信号数字化， 传给上位机。 数字采集 上位机部分 工控机 控制和管理整个检测系统的工作 流程；对采集的数字信号进行转换并 记录； 按照已有的 rbf 模型算出化学 物料的含水量；以及形成报表或者即 时报警等功能。 主控软件 后处理计算软件 中北大学学位论文 7 图 2.1 水分检测系统总框图 图 2.1 为水分检测的系统总框图，主要由检测硬件和软件组成。检测硬件部分主要 包括检测电路、温湿度传感器、称重传感器、电容传感器、plc 控制。其中检测电路包 含了单片机、激励源、交流电桥、前置放大、a/d 模块、信号合成模块、差动放大、可 调增益放大、 相敏检波和滤波等模块。 检测软件主要实现系统中检测信号的处理、 记录、 保存、含水量实时显示和报警以及检测参数的设定等，采用 vc+开发，后处理软件的功 能是生成含水量和各个影响水分因素的报表，且具有对工艺情况分析和控制质量分析功 能 17。 2.2 机械部分 机械部分主要包括取样机构、动力控制、流程控制。取样机构的主要作用是要保证 取样具有对所生产物料的代表性，且实现物料在生产线上的连续采样。动力控制在本系 统中采用 plc 控制伺服电机系统，包括：对粒状物料推板的控制、平溢阀（作用是将检 测区溢出的物料沿下落槽送出）的控制等。 整个机械系统的流程控制设计中，不仅应该保证传感器测量状态的稳定性和同一 性。而且应该保证电容传感器（检测区）中的物料可以完全被保留，并用于标准水分测 量。这不仅为实验阶段建立的电容法检测颗粒状物料水分含量的计算模型做出了保证， 温湿度传感器温湿度传感器 p l c 控控 制制 称称 重重 传传 感感 器器 电容传感器电容传感器 单片机单片机 mcu 交流电桥交流电桥 前置放大前置放大 a/d 模块模块 a/d 数据采集数据采集 可调增益放大可调增益放大 相敏检波相敏检波 滤滤波波 上位机上位机 数据存储数据存储 激励源激励源 信号合成模块信号合成模块 差动放大差动放大 中北大学学位论文 8 且保证了在试用过程中随时对系统的检测结果做出校核和调整，也就是说该系统应该考 虑在使用中通过理化方法对系统所测值进行校核的需要。 2.3 传感器部分 在本系统中，需要电容、温度、湿度、称重传感器。电容传感器主要作用是采集物 料的水分含量信息，温度、湿度、称重传感器主要是用来分别采集电容传感器中物料周 围环境的温度、 湿度以及质量等参数。 这些参数最终可以作为所测物料含水量的修正值。 本系统中电容传感器的工作原理是根据电容传感器的介电常数的改变（即物料水分 含量不同）达到水分检测的目的，结合实际本文选用了平板式电容传感器。 温度传感器是将物体的温度转化为电信号输出的装置，它具有结构简单，测量范围 宽，稳定性好、精度高等优点。不同的温度传感器制作方法不同，常见的有热敏电阻、 热电偶和集成型产品。湿度传感器是将物体的湿度转化为电信号输出的装置，湿敏元件 是最简单的湿度传感器，湿度通常有三种表示方法：绝对湿度、相对湿度和露点 19。 本系统中温、 湿度传感器主要是用来测量系统周围环境的温、 湿度， 在一般情况下， 周围环境的温、 湿度变化不是很大， 所以我们选用的这些传感器的量程范围不需要很大。 结合本系统所测物料的特点，选用了瑞士罗卓尼克公司的 hc2-p05 型插入式温湿度传感 器。它的探头为 10mm，直径为 5mm，适用于无粉末散装颗粒物、混凝土、砖块等材料的 测量。 它的特点有： （1）测量相对湿度、温度、露点/霜点，可模拟输出其中任意 2 个参数； （2）2000 组温湿度数据存储； （3）测量精度：在23时，精度可达1.5%rh /0.3，且响应时间：10 统计个数 1 7 4 概率统计 8.3% 58.3% 33.4% 4.4.2rbf 神经网络对所测数据的处理 建立rbf神经网络需要下面几个过程44： 1、网络初始化，它主要的作用是确定rbf网络模型的输入、输出向量； 2、设计网络，用函数来设计满足实际要求精度的rbf网络； 3、最后对所建立的网络进行训练用sim函数进行仿真。 matlab的神经网络工具箱中为rbf提供了很多函数，这些函数对我们进行rbf径 向基网络的设计、分析、实际应用有着不可代替的作用。 表4.4 rbf网络的常用函数 函数类型 函数名称 函数用途 网络创建函数 newrb 创建一个rbf网络 newrbe 创建一个准确的rbf网络 newpnn 创建一个rbf网络 newgrnn 设计一个广义回归神经网络 神经元传递函数 radbas 径向基传递函数 转换函数 ind2vec() 将数据索引转换为向量组 vec2ind() ind2vec的逆函数 中北大学学位论文 39 创建rbf网络的格式为： netnewb ,( , ,)net trnewrb p t goal spread mn df 式中：p输入样本的矢量集 ； t与输入样本相对应的目标矢量集； goal误差目标； spread径向基扩展速度； mn神经元的最大数目； df两次显示之间增加神经元的数目。 下面介绍rbf神经网络的处理方法： 同bp神经网络建模一样，基于rbf神经网络的数据处理的物料水分在线检测系统图 如下: 图4.4 物料水分在线检测处理框图 图中各个部分的功能同上述bp神经网络的相同,对rbf网络建模的前面过程同bp 相同，不同的是：初始化网络的训练参数，设置误差值为0.001，选取它的扩展速度经过 实验选取15，结合实际选取神经元的最大数目，两次之间显示所添加神经元的数目5， 所得到的结果是： newrb, neurons = 0, sse = 240.79 newrb, neurons = 5, sse = 0.515665 newrb, neurons = 10, sse = 0.0406305 电容传感器 温、湿度 传感器 称重传感器 rbf 神 经 网 络 水分 含量