引言
聲表麵波(SAW)技術是一門新興熱門研究課題之一
，國內外已有溫度、壓力、加速度等傳感器的相關報道。SAW壓力傳感器借助於它無以倫比的性能，諸如：1)數字號輸出；2)高靈敏度、高分辨力
、抗幹擾能力強
；3)易於大規模集成。正是由於這些自身的優越性，它有著廣泛的應用領域。但美中不足的是SAW壓力傳感器對環境的要求比較苛刻，SAW振蕩器輸出頻率信號隨著壓力
、溫度、磁場等外界因素變化而變化，特別是溫度的影響是測量誤差的主要來源，為保證SAW壓力傳感器高準確度和高靈敏度測量，必須進行有效的溫度補償。本文將神經網絡和模糊控製技術相結合，對SAW壓力傳感器進行智能化溫度補償
，通過此方法進行的改進，使SAW壓力傳感器能更好地應用到工程領域。

溫度補償方案
在傳統的溫度補償中，例如：硬件補償和軟件補償2種方法。但存在著補償電路漂移、局部最優、精度不夠等缺點，無法滿足SAW壓力傳感器補償要求。鑒於此種情況，本文采用了神經模糊控製方法，對SAW壓力傳感器進行智能溫度補償。

shenjingmohukongzhishiyizhongyongshenjingwangluoshixiandemohukongzhidefangfa。zaixingshijiegoushangshiyongduodianwangluoshixiandemohuyingshe。ershenjingwangluodefeixianxinghekexunlianxingshuomingtakeyishixianrenheyizhongyingsheguanxi。yinci，benwenliyongshenjingwangluoduizhishidebiaodajili，tongguoxuexixunlian，shixiankongzhiguizejiji
，congershixianmohushuru-模糊輸出的映射。神經模糊控製對SAW壓力傳感器溫度-壓力補償模型見圖1。
 
在SAW壓力傳感器後麵接神經模糊控製器，把傳感溫度T作為輸入，則神經模糊控製器能直接輸出被測量。

實現控製規則的神經網絡
在zai一yi般ban情qing況kuang下xia，模mo糊hu控kong製zhi的de推tui理li功gong能neng是shi在zai隸li屬shu函han數shu不bu變bian的de條tiao件jian下xia進jin行xing的de。在zai實shi際ji運yun用yong當dang中zhong是shi隨sui時shi間jian的de改gai變bian而er改gai變bian的de。為wei了le彌mi補bu單dan一yi模mo糊hu控kong製zhi技ji術shu這zhe種zhong不bu足zu，特te采cai用yong神shen經jing網wang絡luo的de學xue習xi功gong能neng進jin行xing隸li屬shu度du的de調tiao節jie，實shi現xian自zi動dong調tiao節jie功gong能neng，以yi適shi應ying實shi際ji的de需xu要yao。本ben文wen用yong含han一yi個ge隱yin含han層ceng的de三san層ceng前qian饋kui神shen經jing網wang絡luo，模mo型xing如ru圖tu2。

其中，p為輸入矢量
，R為輸入矢量維數，S1為隱含層神經元個數，S2為輸出層神經元個數，W1為隱含層神經元權值矩陣，W2為輸出層權值矩陣，b1為隱含層神經元閥值
，b2為隱含層神經元閥值
，n1為隱含層輸入節點
，n2為輸出層節點。f1為S型函數
，f2為purelinxinghanshu。shenjingwangluosuanfashiyongyuqiankuiduocengwangluodexuexisuanfa。ruguoshuchubunengdedaoqiwangdeshuchu，zezhuanruhouxiangchuanbo。tongguowuchadehouxiangchuanbotiaozhenggecengzhijiandequanxishu。fanfushuruyangbenxulie，zhizhiquanxishubuzaigaibianweizhi，shuchuwuchazaiguidingdefanweizhinei。suanfacaiyongruxiagaijin：1)采用模擬退火法以克服局部最小；2)用奇函數作激勵函數和傳播過程中采用新誤差傳播因子完善該算法收斂性問題。

鑒於BPshenjingwangluoxunlianguochengxuyaoduisuoyouquanzhihefazhijinxingxiuzheng
，shiyizhongquanjubijinshenjingwangluo，danxunliansudujiaoman，bushiyongshishixingjiaoqiangchanghe，gucaiqulejububijinwangluo——徑向基網絡。算法訓練關係式如下：

節點輸出為

式中a1為節點輸出；b為神經元閥值；Wij為接點連接權值；f為傳遞函數。

權值修正

式中z為新學習因子；h為動量因子；Ej為計算誤差。

誤差計算

式中tPI為i節點期望輸出值；aPI為i節點計算輸出值。

由於神經網絡的神經元個數不確定性，經大量數據的實驗驗證，本文選取輸入層有2個神經元
，隱含層有4個神經元。輸出層隻有1個神經元。采用隻有1個(ge)隱(yin)含(han)層(ceng)的(de)三(san)層(ceng)網(wang)絡(luo)對(dui)控(kong)製(zhi)基(ji)進(jin)行(xing)學(xue)習(xi)記(ji)憶(yi)。把(ba)每(mei)條(tiao)控(kong)製(zhi)規(gui)則(ze)作(zuo)為(wei)神(shen)經(jing)網(wang)絡(luo)的(de)樣(yang)本(ben)進(jin)行(xing)訓(xun)練(lian)學(xue)習(xi)，從(cong)而(er)能(neng)實(shi)現(xian)這(zhe)個(ge)規(gui)則(ze)基(ji)的(de)神(shen)經(jing)網(wang)絡(luo)權(quan)係(xi)數(shu)。

基於神經網絡在推理方麵不足
，故借助於模糊控製強大的推理功能，提取有效的條件語句
，進而加快網絡的訓練速度。選取偏差E和偏差變化率△E作為輸入和控製量U作為輸出。偏差E和偏差變化率△E的模糊量分別為大(L)，中(M)，小(S)，創立描述條件推理表格如表1。

橫行元素表示E的模糊量，豎行表示△E的模糊量，兩者交叉為控製量U的模糊量。根據表中數據，可知共有3×3種推理語句

，采用推理法將條件語句表簡化得出以下4條語句：

將產生貢獻的語句選出

，可能存在的個數為20，21，…，2n。這樣，減少了冗餘的推理語句，有利於網絡訓練速度的快速進行。

仿真與應用
現在礦井下事故頻繁發生
，用AE聲發射預測瓦斯突發是非接觸測量一種趨勢
，由於環境條件限製
，用SAW壓ya力li傳chuan感gan器qi作zuo為wei接jie收shou聲sheng發fa射she信xin號hao的de傳chuan感gan器qi，就jiu必bi須xu保bao證zheng測ce量liang信xin號hao的de高gao準zhun確que性xing和he智zhi能neng性xing特te點dian，而er用yong神shen經jing模mo糊hu控kong製zhi對dui溫wen度du進jin行xing了le智zhi能neng補bu償chang，加jia上shang先xian進jin的de封feng裝zhuang技ji術shu，可ke使shiSAW在實際的瓦斯預測測量中發揮巨大作用。通過實驗驗證，此種方法可行。在MATLAB6.0環

境下進行神經網絡的訓練和仿真，通過神經網絡工具箱，編製相應的仿真訓練程序，實現仿真過程。在仿真時，隨機選取幾組頻率-溫度作為輸入，最後，進行標定壓力值和仿真結果的比較。仿真數據結果如表2。

實際中，溫度變化對SAW壓力傳感器的性能影響非常明顯，通過神經網絡的訓練，訓練的頻率和誤差在規定範圍內，其最大誤差僅為1%，BP算法的仿真結果和實際測量值吻合。

結論
本文提出采用神經迷糊控製技術對SAW壓力傳感器進行有效的溫度補償
，使SAWyalichuanganqizaishijideyingyongzhongnenggengjiazhunquediduibeiceduixiangjinxingyaliceliang，bingqie，caiyongshenjingwangluogouchengkongzhiqi
，xinxichulicaiyongmohuliangdejinsituili，jiangshenjingwangluojishuhemokongzhijishuxiangjiehe，shixianSAW壓力傳感器溫度補償的智能化，為SAW壓力傳感器實際應用奠定了基礎。