CN115096476B 基于Lstm神经网络的温度传感器测试系统的工作方法 （浙大城市学院）

基于Lstm神经网络的温度传感器测试系统本发明涉及一种基于Lstm神经网络的温度在PC端使用Labview软件来搭建测试结果分析和Lstm神经网络预测得到的待测温度传感器的温2步骤1、上位机(1)在PC端使用Labview软件来搭建测试结果分析和显示页面；上位机步骤3、上位机(1)的单点位或多点位切换模块选择单点Lstm神经网络计算得到的定标温度数据全部放入数组后，将数组内的数据上传至上位机2.根据权利要求1所述基于Lstm神经网络的温度传感器测试系统的工作方法，其特征21,i22,i23,i24,i25,i26,i27,i28,i29,i30,i31,i]1,i代表第i轮测试3it31,i]作为训练好的Lstm神经网络的输入值Tin，将Tin输入到训练好的3.根据权利要求2所述基于Lstm神经网络的温度传感器测试系统的工作方法，其特征T10,i3.根据权利要求2所述基于Lstm神经网络的温度传感器测试系统的工作方法，其特征T10,i31,i]按照3:1的比例划分为训练集和测试集。4.根据权利要求2所述基于Lstm神经网络的温度传感器测试系统的工作方法，其特征5.根据权利要求1所述基于Lstm神经网络的温度传感器测试系统的工作方法，其特征4经过线性拟合得到观测点(X,Y)的最佳拟合斜率值a和最佳拟i是第j项多项式对应输入的电压数据。6.根据权利要求1所述基于Lstm神经网络的温度传感器测试系统的工作方法，其特征5到一些非线性效应的影响，温度传感器在量产前需要对产品进行大批量高精度的数据测[0004]常用的测试方案的测试板上把传感器芯片排布成正方形，测试板上共用到9颗参考温度传感器(例如TMP117)和16颗待测温度传感器，因此测试芯片和参考芯片的比率为试装置》将待测温度传感器和参考温度传感器排布成六边形，共有7颗参考温度传感器TMP117和24颗待测温度传感器，位于等边六边形的六个顶点以及中心的是7颗精度较高的[0009]步骤2、下位机接收到上位机发来的指令后，读取参考温度传感器的电压并训练6T5,i6,i7,i8,i9,i20,i24,i25,i26,i27,i28,i29,i30,iT29,iT29,ift7T27,i28,i29,i30,iT10,i20,i21,i22,i23,i24,i]作为训28,i30,i31,i]按照3:1的比例划分为训练集和测试集。8位置由于受热不均匀等问题导致的实际温度不相同的问题；大大提高了测试的精度和效[0038]Lstm神经网络是循环神经网络的一种特殊类型，每个LSTM单元由一个存储单元、[0051]本申请实施例一提供了一种如图3所示的基于Lstm神经网络的高精度高效温度传9冷系统和制热系统电连接控制系统，高低温箱2的温度通过控制系统来控制制冷系统和制电；测试板4通过多路模拟开关切换将31颗温度传感器TMP117的测量数据发送到下位机5[0055]其中参考温度传感器选用TMP117，TMP117是一款高精度数字温度传感器，具有[0056]其中待测温度传感器室温下精度为±3℃,而在-25℃至+125℃的范围内精度为±[0057]模拟开关ADG732和模拟开关RS2251XTSS16用于控制参考温度传感器和待测温度定的地址，将32路输入(S1-S32)之一连接至公共输出D；ADG732的关键参数为：工作电压[0062]上位机1在PC端使用Labview软件来搭建测试结果分析和显示页面；上位机1向下[0063]下位机5接收到指令后会读取温度传感器的电压并训练Lstm神经网络，根据训练[0064]下位机5接收到SBUF的数据指令，根据下表1和表2所示的SBUF的数据指令来改变经过Lstm神经网络转换的温度数据放在同一个数组里；当上位机1串口通讯发送数据过来000100010110001101011[0074]在实验过程中，采用均方根误差(RootmeanSquareError，RSE)用作训练好的T29,i30,i31,i]25,i26,i27,i28,i29,i30,i31,i]作为训练好的Lstm神经网络的c8,i9,iT16,i20,i22,i23,i24,i]作为训练好的Lstm神经网络的预测输出[0083]将待测温度传感器的定标温度与相同位置待测温度传感器对应的Lstm神经网络[0085]上位机1的单点位/多点位切换模块根据需要，选择单点文件，进行数据读取，将待测温度传感器所测数据进行非线性拟合，将参考温度传感器佳拟合模型的Y值以及残差均显示出来。图7中非线性拟合的曲线为：y3＝0.000028x2+[0098]本实施例的实验结果显示：测试系统可以在-40℃~125℃时工作条件下实时显示