本發(fā)明屬于超聲波測(cè)量技術(shù)領(lǐng)域，具體涉及一種超聲波風(fēng)速風(fēng)向測(cè)量裝置，還涉及一種基于BP神經(jīng)網(wǎng)絡(luò)算法補(bǔ)償?shù)臏y(cè)量方法。

背景技術(shù)：

隨著時(shí)代的發(fā)展,風(fēng)速風(fēng)向測(cè)量廣泛應(yīng)用于科學(xué)實(shí)驗(yàn)和工業(yè)生產(chǎn)之中，特別在氣象領(lǐng)域，高精度風(fēng)速風(fēng)向測(cè)量更是有著不可忽視的作用。目前，風(fēng)速風(fēng)向測(cè)量方法主要分為三類(lèi)，第一類(lèi)：翼狀風(fēng)速計(jì)和杯狀風(fēng)速計(jì)，但這類(lèi)測(cè)量方式受限于機(jī)械摩擦的阻力，多應(yīng)用于風(fēng)速較大的情況；第二種：熱敏風(fēng)速計(jì)，但測(cè)量方式局限于人為的干預(yù)，會(huì)嚴(yán)重影響測(cè)量結(jié)果的準(zhǔn)確性；第三種：超聲波測(cè)風(fēng)儀，它是一種高精度風(fēng)速風(fēng)向測(cè)量的儀器?，F(xiàn)有技術(shù)中，超聲波測(cè)風(fēng)儀得到越來(lái)越廣泛的應(yīng)用。

超聲波測(cè)風(fēng)方法主要有時(shí)差法、多普勒法、相關(guān)法、噪聲法、波束偏移法等，其中時(shí)差法應(yīng)用最為普遍。通過(guò)超聲波時(shí)差法實(shí)際測(cè)量風(fēng)速風(fēng)向時(shí)，因?yàn)椴煌L(fēng)速風(fēng)向、結(jié)構(gòu)參數(shù)等氣象要素條件下會(huì)形成陰影效應(yīng)，很大程度上會(huì)影響風(fēng)速、風(fēng)向測(cè)量結(jié)果的準(zhǔn)確性。傳統(tǒng)測(cè)風(fēng)儀的溫度傳感器封裝在器件內(nèi)，無(wú)法精確測(cè)量外界的冷暖氣流；在裝置上，超聲波傳感器上方位置缺少保護(hù)措施也會(huì)嚴(yán)重影響測(cè)量精度，此外，當(dāng)風(fēng)度較大時(shí)會(huì)引起超聲波傳感器的震動(dòng)，會(huì)造成收發(fā)傳感器之間固定距離發(fā)生變化；再者，超聲波測(cè)風(fēng)儀仍然廣泛地釆用傳統(tǒng)的8/16位單片機(jī)，使得測(cè)量精度偏低。

綜上所述，現(xiàn)有技術(shù)中超聲波測(cè)風(fēng)儀或超聲波測(cè)風(fēng)裝置仍存在測(cè)量結(jié)果不準(zhǔn)確問(wèn)題急需解決。

技術(shù)實(shí)現(xiàn)要素：

本發(fā)明的目的在于克服現(xiàn)有技術(shù)中的不足，提供了一種超聲波風(fēng)速風(fēng)向測(cè)量裝置及測(cè)量方法，在裝置中添加防護(hù)罩及加強(qiáng)筋使超聲波傳感器不易受外界溫度或震動(dòng)影響，并對(duì)實(shí)際測(cè)量的風(fēng)速風(fēng)向數(shù)據(jù)進(jìn)行BP神經(jīng)網(wǎng)絡(luò)修正，以提高測(cè)量精度。

為解決上述技術(shù)問(wèn)題，本發(fā)明提供了一種超聲波風(fēng)速風(fēng)向測(cè)量裝置，其特征是，包括安裝座、超聲波傳感器、溫度傳感器和設(shè)置在安裝座內(nèi)的風(fēng)速風(fēng)向測(cè)量單元，安裝座的正上方設(shè)有圓形防護(hù)罩，安裝座的四周均勻排列有四個(gè)支柱，四個(gè)支柱與安裝座的連接處設(shè)有加強(qiáng)筋，四個(gè)支柱的頂端與防護(hù)罩固接，每個(gè)支柱上固定有超聲波傳感器，四個(gè)超聲波傳感器分為兩組，分別布置于同一水平面內(nèi)正交的兩個(gè)軸線上，兩兩水平相對(duì)，溫度傳感器設(shè)置在安裝座上正對(duì)防護(hù)罩的表面，溫度傳感器的上方設(shè)有保護(hù)罩，兩組超聲波傳感器分別連接風(fēng)速風(fēng)向測(cè)量單元，溫度傳感器的輸出端連接風(fēng)速風(fēng)向測(cè)量單元，風(fēng)速風(fēng)向測(cè)量單元依據(jù)兩組超聲波傳感器之間的距離、傳輸時(shí)間以及溫度信號(hào)，獲得當(dāng)前溫度下的風(fēng)速和風(fēng)向。

進(jìn)一步的，所述風(fēng)速風(fēng)向測(cè)量單元包括超聲波驅(qū)動(dòng)接收電路、信號(hào)處理模塊、FPGA采集模塊、ARM處理器、顯示模塊、串口通信模塊和上位機(jī)，超聲波驅(qū)動(dòng)接收電路分別連接四個(gè)超聲波傳感器，用于發(fā)送驅(qū)動(dòng)信號(hào)打開(kāi)超聲波傳感器的發(fā)射或接收通道；FPGA采集模塊依次連接信號(hào)處理模塊和超聲波驅(qū)動(dòng)接收電路，信號(hào)處理模塊用于對(duì)信號(hào)進(jìn)行濾波放大處理，F(xiàn)PGA采集模塊采集兩組超聲波傳感器之間的正反向傳輸時(shí)間輸出至ARM處理器，溫度傳感器的輸出端連接ARM處理器，顯示模塊的輸入端連接ARM處理器，ARM處理器通過(guò)串口通信模塊與上位機(jī)連接。

進(jìn)一步的，所述信號(hào)處理模塊包括二階有源低通濾波器。

進(jìn)一步的，所述溫度傳感器包括溫度檢測(cè)電路和放大電路，溫度檢測(cè)電路包括熱敏電阻PT100，放大電路包括運(yùn)算放大器AD620，溫度檢測(cè)電路輸出電壓信號(hào)經(jīng)放大電路放大后輸入ARM處理器。

進(jìn)一步的，還包括電源模塊，電源模塊包括5V電壓源和降壓電路，降壓電路包括HT7133穩(wěn)壓芯片，5V電壓源經(jīng)降壓電路輸出3.3V電壓，為超聲波數(shù)據(jù)采集模塊和ARM處理器供電。

進(jìn)一步的，HT7133穩(wěn)壓芯片的輸入端與接地端之間連接有2.2μF電容，輸出端與接地端之間并聯(lián)4.7μF電容和0.1μF電容。

進(jìn)一步的，所述輸入電極和輸出電極為半圓頭型，兩者與絕緣體的連接均為螺紋連接。

相應(yīng)的，本發(fā)明還提供了一種基于以上所述超聲波風(fēng)速風(fēng)向測(cè)量裝置的測(cè)量方法，其特征是，包括以下步驟：

步驟一，采集兩組超聲波傳感器的傳輸時(shí)間以及溫度傳感器輸入的電壓信號(hào)，獲得實(shí)際測(cè)量的初始風(fēng)速、風(fēng)向和溫度數(shù)據(jù)；

步驟二，建立BP神經(jīng)網(wǎng)絡(luò)模型，以獲得的初始風(fēng)速、風(fēng)向和溫度作為輸入量，以修正后的風(fēng)速、風(fēng)向作為輸出量，以定時(shí)采樣獲得的初始風(fēng)速、風(fēng)向和溫度數(shù)據(jù)作為訓(xùn)練樣本，訓(xùn)練BP網(wǎng)絡(luò)，獲得修正后的風(fēng)速和風(fēng)向表達(dá)式；

步驟三，根據(jù)修正后的風(fēng)速和風(fēng)向表達(dá)式，由初始風(fēng)速、風(fēng)向和溫度獲得的修正后的風(fēng)速和風(fēng)向，并顯示此風(fēng)速和風(fēng)向值。

進(jìn)一步的，所述步驟一中，對(duì)訓(xùn)練樣本中的數(shù)據(jù)進(jìn)行歸一化處理，將數(shù)據(jù)映射到[-1,1]范圍內(nèi)，對(duì)每一組樣本中的每個(gè)變量都要進(jìn)行歸一化,具體算法如下：

p_n＝(p-min p)/(max p-min p)

式中，p是所采集的一組數(shù)據(jù)，minp，maxp分別是這組數(shù)據(jù)的最小值和最大值，p_n是映射后的數(shù)據(jù)。

進(jìn)一步的，BP神經(jīng)網(wǎng)絡(luò)模型中網(wǎng)絡(luò)隱含層的傳遞函數(shù)都選取正切S型函數(shù)tansig，輸出層傳遞函數(shù)選取pureline型函數(shù)。

與現(xiàn)有技術(shù)相比，本發(fā)明所達(dá)到的有益效果是：本發(fā)明裝置在安裝座的正上方設(shè)有圓形防護(hù)罩，可以完全遮蓋住超聲波傳感器，能夠有效防止惡劣環(huán)境對(duì)超聲波傳感器的影響；四個(gè)支柱與安裝座的連接處設(shè)有加強(qiáng)筋，可以防止風(fēng)速過(guò)大而引起支柱的震動(dòng)影響測(cè)量精度。溫度傳感器設(shè)置在安裝座的外面，可以精確測(cè)量外界的冷暖氣流，并且溫度傳感器的上方設(shè)有保護(hù)罩，可以保護(hù)溫度傳感器，防止易損。本發(fā)明硬件上采用ARM+FPGA的結(jié)構(gòu)，滿(mǎn)足了高速的時(shí)鐘信號(hào)的測(cè)量，同時(shí)32位的微處理器符合高速信號(hào)處理性能，這種方式可以提高對(duì)接收信號(hào)的采樣精度。本發(fā)明裝置結(jié)構(gòu)簡(jiǎn)單、成本低、方案易實(shí)現(xiàn)，具有很高實(shí)用價(jià)值，便于推廣使用。本發(fā)明方法選用BP神經(jīng)網(wǎng)絡(luò)模型，對(duì)風(fēng)速和風(fēng)向進(jìn)行修正，消除了陰影效應(yīng)引起的測(cè)量誤差，獲得更準(zhǔn)確的風(fēng)速和風(fēng)向值。

附圖說(shuō)明

圖1是本發(fā)明超聲波風(fēng)速風(fēng)向測(cè)量裝置的結(jié)構(gòu)示意圖。

圖2是本發(fā)明超聲波風(fēng)速風(fēng)向測(cè)量裝置的原理框圖。

圖3是信號(hào)處理模塊的電路圖。

圖4是放大電路的電路圖。

圖5是電源模塊的電路圖。

圖6是本發(fā)明方法的流程圖。

圖7是超聲波傳感器發(fā)射接收信號(hào)流程圖。

圖8是FPGA采集超聲波傳輸時(shí)間的流程圖。

圖9是BP神經(jīng)網(wǎng)絡(luò)的拓?fù)浣Y(jié)構(gòu)圖。

圖10是BP神經(jīng)網(wǎng)絡(luò)訓(xùn)練流程圖。

圖11是本發(fā)明一實(shí)施例中數(shù)據(jù)樣本圖。

圖12-1是風(fēng)速為0.1m/s～3m/s時(shí)，實(shí)際測(cè)量的初始風(fēng)速、期望風(fēng)速和BP輸出的修正風(fēng)速變化圖。

圖12-2是圖12-1中實(shí)際測(cè)量的初始風(fēng)速和BP輸出的修正風(fēng)速的相對(duì)誤差圖。

圖13-1是風(fēng)速為3m/s～5m/s時(shí)，實(shí)際測(cè)量的初始風(fēng)速、期望風(fēng)速和BP輸出的修正風(fēng)速變化圖。

圖13-2是圖13-1中實(shí)際測(cè)量的初始風(fēng)速和BP輸出的修正風(fēng)速的相對(duì)誤差圖。

圖14-1是風(fēng)向?yàn)?°～45°時(shí)，實(shí)際測(cè)量的初始風(fēng)速、期望風(fēng)速和BP輸出的修正風(fēng)速變化圖。

圖14-2是圖14-1中實(shí)際測(cè)量的初始風(fēng)速和BP輸出的修正風(fēng)速的相對(duì)誤差圖。

附圖標(biāo)記：1、安裝座；2、支柱；3、超聲波傳感器；4、防護(hù)罩；5、溫度傳感器；6、保護(hù)罩；7、加強(qiáng)筋。

具體實(shí)施方式

下面結(jié)合附圖對(duì)本發(fā)明作進(jìn)一步描述。以下實(shí)施例僅用于更加清楚地說(shuō)明本發(fā)明的技術(shù)方案，而不能以此來(lái)限制本發(fā)明的保護(hù)范圍。

如圖1所示，本發(fā)明的本發(fā)明的一種超聲波風(fēng)速風(fēng)向測(cè)量裝置，包括安裝座1、超聲波傳感器3、溫度傳感器5和設(shè)置在安裝座1內(nèi)的風(fēng)速風(fēng)向測(cè)量單元，安裝座1的正上方設(shè)有圓形防護(hù)罩4，安裝座1的四周均勻排列有四個(gè)支柱2，四個(gè)支柱2與安裝座1的連接處設(shè)有加強(qiáng)筋7，將支柱2與安裝座1進(jìn)行加固處理，防止風(fēng)速過(guò)大而引起支柱2的震動(dòng)影響測(cè)量精度。四個(gè)支柱2的頂端與防護(hù)罩4固接，每個(gè)支柱2上固定有超聲波傳感器3，四個(gè)超聲波傳感器3分為兩組，分別布置于同一水平面內(nèi)正交的兩個(gè)軸線上，兩兩水平相對(duì)，防護(hù)罩4罩在支柱2的上端，可以完全遮蓋住超聲波傳感器3，能夠有效防止惡劣環(huán)境對(duì)超聲波傳感器的影響。溫度傳感器5設(shè)置在安裝座1上正對(duì)防護(hù)罩4的表面，可以精確測(cè)量外界的冷暖氣流，并且溫度傳感器5的上方設(shè)有保護(hù)罩6，可以保護(hù)溫度傳感器，防止易損。

兩組超聲波傳感器3分別連接風(fēng)速風(fēng)向測(cè)量單元，溫度傳感器5的輸出端連接風(fēng)速風(fēng)向測(cè)量單元，風(fēng)速風(fēng)向測(cè)量單元依據(jù)兩組超聲波傳感器之間的距離、傳輸時(shí)間以及溫度信號(hào)，獲得當(dāng)前溫度下的風(fēng)速和風(fēng)向。

超聲波風(fēng)速風(fēng)向測(cè)量裝置的原理框圖如圖2所示，風(fēng)速風(fēng)向測(cè)量單元包括超聲波驅(qū)動(dòng)接收電路、信號(hào)處理模塊、FPGA采集模塊、ARM處理器、顯示模塊、串口通信模塊和上位機(jī)，超聲波驅(qū)動(dòng)接收電路分別連接四個(gè)超聲波傳感器，用于發(fā)送驅(qū)動(dòng)信號(hào)打開(kāi)超聲波傳感器的發(fā)射或接收通道，F(xiàn)PGA采集模塊依次連接信號(hào)處理模塊和超聲波驅(qū)動(dòng)接收電路，溫度傳感器的輸出端連接ARM處理器，顯示模塊的輸入端連接ARM處理器，ARM處理器通過(guò)串口通信模塊與上位機(jī)連接，F(xiàn)PGA采集模塊采集兩組超聲波傳感器之間的正反向傳輸時(shí)間輸出至ARM處理器，ARM處理器接收兩組超聲波傳感器之間的正反向傳輸時(shí)間和溫度信號(hào)，根據(jù)兩組超聲波傳感器之間的正反向傳輸時(shí)間和距離獲得實(shí)際測(cè)量的初始風(fēng)速、風(fēng)向，將計(jì)算出的風(fēng)速、風(fēng)向和溫度數(shù)據(jù)通過(guò)串口上傳至上位機(jī)中，在上位機(jī)中對(duì)初始風(fēng)速、風(fēng)向和溫度建立BP神經(jīng)網(wǎng)絡(luò)進(jìn)行修正獲得風(fēng)速和風(fēng)向的修正公式，將公式傳回ARM處理器中由初始風(fēng)速、風(fēng)向和溫度計(jì)算得到修正后的風(fēng)速、風(fēng)向數(shù)值，ARM處理器將最終計(jì)算得到的風(fēng)速、風(fēng)向數(shù)值上傳到上位機(jī)中進(jìn)行存儲(chǔ)，并傳送到顯示模塊中顯示。串口通信模塊采用RS232通信方式。

其中ARM處理器可采用現(xiàn)有技術(shù)中STM32F103ZET6芯片，ARM架構(gòu)，32位處理器，處理能力強(qiáng)，功耗低，且自帶AD轉(zhuǎn)換接口；FPGA采集模塊采用現(xiàn)有技術(shù)中EP2C8Q208C8芯片，內(nèi)部采用高精度有源晶振，能夠完成輸出精準(zhǔn)脈沖信號(hào)和精準(zhǔn)的計(jì)時(shí)功能，與ARM處理器通過(guò)SPI或FSMC進(jìn)行數(shù)據(jù)傳輸；硬件上采用ARM+FPGA的結(jié)構(gòu)，滿(mǎn)足了高速的時(shí)鐘信號(hào)的測(cè)量，同時(shí)32位的微處理器符合高速信號(hào)處理性能，這種方式可以提高對(duì)接收信號(hào)的采樣精度。顯示模塊可以采用現(xiàn)有技術(shù)中常用的顯示屏，設(shè)置在安裝座的側(cè)壁上，方便用戶(hù)查看當(dāng)前溫度、風(fēng)速和風(fēng)向。

超聲波驅(qū)動(dòng)接收電路接受FPGA采集模塊的控制指令，發(fā)送驅(qū)動(dòng)信號(hào)打開(kāi)或關(guān)閉超聲波傳感器的發(fā)射或接收通道。

信號(hào)處理模塊包括二階有源低通濾波器，其電路圖參考圖3，包括運(yùn)算放大器、電阻R1、電阻R2、電容C1、電容C2和電阻R3。超聲波傳感器接收的信號(hào)經(jīng)信號(hào)處理模塊進(jìn)行濾波和放大處理，調(diào)整為完整的方形波，能夠提高信號(hào)的識(shí)別度。運(yùn)算放大器采用MAX4416芯片，能夠保證信號(hào)的不失真性，而且轉(zhuǎn)換速率快。

溫度傳感器包括溫度檢測(cè)電路和放大電路，溫度檢測(cè)電路包括熱敏電阻Pt100，放大電路包括運(yùn)算放大器AD620，溫度檢測(cè)電路輸出電壓信號(hào)經(jīng)放大電路放大后輸入ARM處理器。溫度檢測(cè)電路中包括一個(gè)恒流源電路使得通過(guò)Pt100的電流恒定不變，這時(shí)當(dāng)溫度變化時(shí)Pt100的阻值發(fā)生變化，電壓也就能發(fā)生相應(yīng)的線性變化，只要通過(guò)對(duì)Pt100兩端的電壓進(jìn)行采集就能測(cè)得外界環(huán)境的溫度。溫度檢測(cè)電路輸出的電壓信號(hào)經(jīng)放大電路進(jìn)行濾波和放大，放大電路的原理圖參考圖4，AD620運(yùn)算放大器具有良好的放大能力，AD620的增益接口RG之間連接電阻R5，通過(guò)電阻R5的阻值來(lái)調(diào)整增益，增益范圍比較寬，可達(dá)到1000倍。AD620運(yùn)算放大器的電壓范圍比較寬，正電壓范圍為2.3V～18V，負(fù)電壓范圍為-18V～-2.3V，利于電路的匹配。AD620輸出的模擬電壓信號(hào)輸入ARM處理器的AD轉(zhuǎn)換接口進(jìn)行模數(shù)轉(zhuǎn)換，ARM處理器根據(jù)電壓信號(hào)的數(shù)值和Pt100電阻的溫度阻值特性，可以得到當(dāng)前的溫度。

進(jìn)一步的，還包括電源模塊，電源模塊包括5V電壓源和降壓電路，降壓電路包括HT7133穩(wěn)壓芯片，其電路圖參考圖5，5V電壓源經(jīng)降壓電路輸出3.3V電壓，為FPGA采集模塊和ARM處理器供電。HT7133穩(wěn)壓芯片的輸入端與接地端之間連接有2.2μF電容，消除5V電壓源供電不穩(wěn)而引起的信號(hào)干擾，輸出端與接地端之間并聯(lián)4.7μF電容和0.1μF電容，起到了濾除3.3V輸出電源和地之間干擾信號(hào)的作用。

相應(yīng)的，基于以上超聲波風(fēng)速風(fēng)向測(cè)量裝置的測(cè)量方法，如圖6所示，其特征是，包括以下步驟：

步驟一，采集兩組超聲波傳感器的傳輸時(shí)間以及溫度傳感器輸入的電壓信號(hào)，獲得實(shí)際測(cè)量的初始風(fēng)速、風(fēng)向和溫度數(shù)據(jù)；

采集工作過(guò)程為，令四個(gè)超聲波傳感器分別為位于西方位的超聲波傳感器一，位于東方位的超聲波傳感器三，位于南方位的超聲波傳感器二和位于北方位的超聲波傳感器四，超聲波傳感器三和一為一組，位于東西方位，設(shè)為x軸，超聲波傳感器四和二為一組，位于南北方位，設(shè)為y軸，F(xiàn)PGA采集傳輸時(shí)間的具體過(guò)程參見(jiàn)圖8，F(xiàn)PGA采集模塊采用有源晶振，輸出頻率為50HZ的脈沖信號(hào)，控制超聲波驅(qū)動(dòng)接收電路，先打開(kāi)東西方向的超聲波傳感器一的發(fā)射通道、超聲波傳感器三的接收通道，輸出第一個(gè)脈沖至超聲波傳感器一時(shí)，開(kāi)啟定時(shí)器T1，直至超聲波傳感器三接收到信號(hào)時(shí)，定時(shí)器T1停止計(jì)時(shí)，F(xiàn)PGA采集模塊測(cè)得超聲波傳輸時(shí)間t₁₃，關(guān)閉當(dāng)前的收發(fā)通道，此采集過(guò)程參見(jiàn)圖7；然后打開(kāi)超聲波傳感器三的發(fā)送通道、超聲波傳感器一的接收通道，測(cè)得超聲波傳輸時(shí)間t₃₁，F(xiàn)PGA采集模塊將采集的傳輸時(shí)間t₁₃和t₃₁采用中斷請(qǐng)求方式發(fā)送至ARM處理器，ARM處理器根據(jù)已知的超聲波傳感器一和三之間的距離，可計(jì)算得x軸方向的風(fēng)速，同理，南北方向的超聲波傳感器二和四重復(fù)測(cè)量過(guò)程，測(cè)得傳輸時(shí)間t₂₄和t₄₂，ARM處理器可計(jì)算得y軸方向的風(fēng)速，在計(jì)算x軸方向和y軸方向風(fēng)速的矢量和得到實(shí)際測(cè)量的初始風(fēng)速，設(shè)x軸正方向?yàn)?°，根據(jù)x軸方向風(fēng)速與風(fēng)速的關(guān)系可得此刻的初始風(fēng)向。溫度傳感器測(cè)得外界的溫度電壓信號(hào)發(fā)送至ARM處理器，ARM處理器根據(jù)熱敏電阻的溫度阻值特性獲得當(dāng)前的溫度，ARM處理器將當(dāng)前的溫度、初始的風(fēng)速和風(fēng)向數(shù)據(jù)通過(guò)串口上傳至上位機(jī)中。

步驟二，建立BP神經(jīng)網(wǎng)絡(luò)，以獲得的初始風(fēng)速、風(fēng)向和溫度作為輸入量，以修正后的風(fēng)速、風(fēng)向作為輸出量，以定時(shí)采樣獲得的初始風(fēng)速、風(fēng)向和溫度數(shù)據(jù)作為訓(xùn)練樣本，訓(xùn)練BP網(wǎng)絡(luò)，獲得修正后的風(fēng)速和風(fēng)向表達(dá)式；

BP網(wǎng)絡(luò)能學(xué)習(xí)和存貯大量的輸入-輸出模式映射關(guān)系，使用最速下降法的學(xué)習(xí)規(guī)則，通過(guò)反向傳播來(lái)不斷調(diào)整網(wǎng)絡(luò)的權(quán)值和閾值，從而使網(wǎng)絡(luò)的誤差平方和最小。將測(cè)得的風(fēng)速V、風(fēng)向和溫度T作為輸入量的參數(shù)；以更精確的風(fēng)速V和作為輸出；由此可以修正不同溫度、風(fēng)速、風(fēng)向下得到的修正后的風(fēng)速和風(fēng)向。

上位機(jī)在一定采集頻率下從ARM處理器中獲取采集到的風(fēng)速、風(fēng)向和溫度數(shù)據(jù)作為測(cè)試樣本，由于輸入數(shù)據(jù)的單位不一樣，有些數(shù)據(jù)的范圍可能特別大，導(dǎo)致神經(jīng)網(wǎng)絡(luò)收斂慢、訓(xùn)練時(shí)間長(zhǎng)，為加快訓(xùn)練網(wǎng)絡(luò)時(shí)的收斂性，有必要對(duì)樣本數(shù)據(jù)進(jìn)行歸一化處理，對(duì)訓(xùn)練樣本中的數(shù)據(jù)進(jìn)行歸一化處理，將數(shù)據(jù)映射到[-1,1]范圍內(nèi)，對(duì)每一組樣本中的每個(gè)變量(風(fēng)速、風(fēng)向和溫度)都要進(jìn)行歸一化,具體算法如下：

p_n＝(p-min p)/(max p-min p)

式中，p是所采集的一組數(shù)據(jù)，min p，max p分別是這組數(shù)據(jù)的最小值和最大值，p_n是歸一化后的數(shù)據(jù)。

根據(jù)歸一化后的測(cè)試樣本中輸入量和輸出量的映射對(duì)應(yīng)關(guān)系，建立三層拓?fù)浣Y(jié)構(gòu)的BP神經(jīng)網(wǎng)絡(luò)，具體如下：

設(shè)定BP神經(jīng)網(wǎng)絡(luò)的輸入層神經(jīng)元為3個(gè)，輸出層神經(jīng)元為1個(gè)，隱含層神經(jīng)元為n個(gè)；BP神經(jīng)網(wǎng)絡(luò)的模型結(jié)構(gòu)圖參見(jiàn)圖9，其中網(wǎng)絡(luò)隱含層的傳遞函數(shù)都選取正切S型函數(shù)tansig，輸出層傳遞函數(shù)選取pureline型函數(shù)；隱含層第i個(gè)節(jié)點(diǎn)到輸入層第j個(gè)節(jié)點(diǎn)之間的權(quán)值為w_i,j，輸出層的第k個(gè)節(jié)點(diǎn)到隱含層第i個(gè)節(jié)點(diǎn)之間的權(quán)值為w_k,i，隱含層的第i個(gè)節(jié)點(diǎn)的閾值為θ_i,輸出層的第k個(gè)節(jié)點(diǎn)的閾值為a_k。j為輸入層節(jié)點(diǎn)數(shù)，j＝1,2,3；i為隱含層節(jié)點(diǎn)數(shù)，i＝1,2,…,n；k為輸出層節(jié)點(diǎn)數(shù),k＝1。

Tansig型函數(shù)定義為：

式中，y_i是第i個(gè)隱含層節(jié)點(diǎn)的輸出，P_j為風(fēng)速、風(fēng)向和溫度構(gòu)成的矩陣；

Pureline型函數(shù)是純線性函數(shù)，其中，自變量為隱含層節(jié)點(diǎn)的輸出，因變量是輸出層節(jié)點(diǎn)的輸出；

對(duì)BP神經(jīng)網(wǎng)絡(luò)修正模型中的權(quán)值和閾值進(jìn)行隨機(jī)初始化，使BP神經(jīng)網(wǎng)絡(luò)修正模型具有最基本的修正條件；權(quán)值和閾值分別是w_i,j和w_k,i、θ_i和a_k的總稱(chēng)；BP神經(jīng)網(wǎng)絡(luò)的計(jì)算過(guò)程參見(jiàn)圖10，在向前計(jì)算過(guò)程中，輸入量從輸入層經(jīng)隱含層逐層計(jì)算，并傳向輸出層，若輸出層不能得到期望的輸出，就會(huì)轉(zhuǎn)向誤差反向傳播過(guò)程，誤差信號(hào)沿原路的連接通路返回，逐次調(diào)整網(wǎng)絡(luò)各層的權(quán)值和閾值，直到使得網(wǎng)絡(luò)誤差最小或者達(dá)到期望的要求為止。此過(guò)程屬于現(xiàn)有技術(shù)，在此不多贅述。

由完成訓(xùn)練學(xué)習(xí)的BP神經(jīng)網(wǎng)絡(luò)修正模型，得到修正輸出量即更高精度的風(fēng)速和風(fēng)向，并將其計(jì)算公式以及模型最終權(quán)值W和閾值θ傳輸至所述微處理器中；修正后的風(fēng)速V和風(fēng)向公式如下：

式中，W_1i、W_2i、W_3i和W'_1i、W'_2i、W'_3i分別為風(fēng)速V、風(fēng)向和溫度T對(duì)應(yīng)的由隱含層到輸入層的權(quán)值；W_k1為輸出層到隱含層的權(quán)值；θ_i為隱含層閥值，a_k為輸出層閥值。

步驟三，根據(jù)修正后的風(fēng)速和風(fēng)向表達(dá)式，由實(shí)際測(cè)量的初始風(fēng)速、風(fēng)速和溫度獲得的修正后的風(fēng)速和風(fēng)向，并顯示此風(fēng)速和風(fēng)向值。

上位機(jī)中經(jīng)過(guò)訓(xùn)練BP神經(jīng)網(wǎng)絡(luò)，得到修正后風(fēng)速和風(fēng)向的表達(dá)式，將權(quán)值和閾值傳回ARM處理器，ARM微處理器將計(jì)算測(cè)量的初始風(fēng)速、風(fēng)向和溫度進(jìn)行歸一化處理，代入修正后的風(fēng)速和風(fēng)向表達(dá)式，得到修正后的歸一化后的風(fēng)速和風(fēng)向數(shù)值，在對(duì)此數(shù)值進(jìn)行反歸一化處理得到實(shí)際的風(fēng)速和風(fēng)向數(shù)值，ARM處理器將此風(fēng)速和風(fēng)向數(shù)值上傳至上位機(jī)中保存，同時(shí)發(fā)送至顯示屏中進(jìn)行顯示。

下面結(jié)合實(shí)例對(duì)本發(fā)明進(jìn)一步說(shuō)明：

樣本的選?。簻囟冗x取范圍為-50℃到50℃，風(fēng)速選取范圍為0.1m/s-30m/s，風(fēng)向選取范圍為0°-45°。當(dāng)溫度選為-50℃時(shí)，風(fēng)速以0.1m/s開(kāi)始每隔10次遞增0.5m/s；風(fēng)向以0°每隔5°進(jìn)行遞增，循環(huán)13次。溫度每隔130次遞增10℃，從-50℃遞增至50℃。上述的風(fēng)速和風(fēng)向?yàn)槠谕L(fēng)速和期望風(fēng)向。利用超聲波風(fēng)速風(fēng)向測(cè)量裝置進(jìn)行同步測(cè)量，并分別記錄實(shí)際測(cè)量的初始風(fēng)速、風(fēng)向和溫度數(shù)據(jù)，具體測(cè)的數(shù)據(jù)樣本參見(jiàn)圖11。

將實(shí)際測(cè)得的初始風(fēng)速、風(fēng)向角度和溫度作為測(cè)量樣本的輸入，將期望風(fēng)速作為輸出。當(dāng)風(fēng)速為0.1m/s～3m/s時(shí)，選取隱含層n＝24,誤差精度為0.0000001。BP訓(xùn)練得到相應(yīng)的權(quán)值和閾值如下所示：

當(dāng)風(fēng)速為0.1m/s～3m/s時(shí)，實(shí)際測(cè)量的初始風(fēng)速、期望風(fēng)速和BP神經(jīng)網(wǎng)絡(luò)輸出的修正風(fēng)速之間的關(guān)系如圖12-1所示，其中橫坐標(biāo)代表數(shù)據(jù)樣本個(gè)數(shù)，縱坐標(biāo)代表風(fēng)速值，圓點(diǎn)代表BP神經(jīng)網(wǎng)絡(luò)輸出的修正風(fēng)速，星號(hào)代表期望風(fēng)速，菱形代表實(shí)際測(cè)量的初始風(fēng)速，從左至右，每一列代表溫度分別為-50℃～50℃下三種風(fēng)速的結(jié)果。從圖中可以明顯看出，圓點(diǎn)和星號(hào)基本重合，菱形受溫度和陰影效應(yīng)的影響而呈斜線分布。實(shí)際測(cè)量的初始風(fēng)速分別與期望風(fēng)速、BP神經(jīng)網(wǎng)絡(luò)的修正風(fēng)速相差較遠(yuǎn)，而B(niǎo)P神經(jīng)網(wǎng)絡(luò)的修正風(fēng)速值與期望風(fēng)速高度接近，由此可見(jiàn)，BP網(wǎng)絡(luò)修正算法具有有效的修正作用，能有效的消除陰影效應(yīng)的影響。以期望風(fēng)速為標(biāo)準(zhǔn)值，實(shí)際測(cè)量的初始風(fēng)速的相對(duì)誤差和BP神經(jīng)網(wǎng)絡(luò)修正風(fēng)速的相對(duì)誤差如圖12-2所示，其中橫坐標(biāo)代表數(shù)據(jù)樣本個(gè)數(shù)，縱坐標(biāo)代表風(fēng)速的相對(duì)誤差，圓點(diǎn)代表BP神經(jīng)網(wǎng)絡(luò)輸出的修正風(fēng)速的相對(duì)誤差，星號(hào)代表實(shí)際測(cè)量的初始風(fēng)速的相對(duì)誤差。從圖中明顯的看出，BP神經(jīng)網(wǎng)絡(luò)修正風(fēng)速的相對(duì)誤差較小，基本小于4％，而實(shí)際測(cè)量的初始風(fēng)速的相對(duì)誤差較大，基本上在5％～35％之間，由此可見(jiàn)，當(dāng)風(fēng)速為0.1m/s～3m/s時(shí)，BP神經(jīng)網(wǎng)絡(luò)修正算法可以有效的提高風(fēng)速的測(cè)量精度。

當(dāng)風(fēng)速為5m/s～30m/s時(shí)，選取隱含層n＝28,誤差精度為0.000001。訓(xùn)練得到相應(yīng)的權(quán)值和閾值如下所示：

當(dāng)風(fēng)速為5m/s～30m/s時(shí)，實(shí)際測(cè)量的初始風(fēng)速、期望風(fēng)速和BP神經(jīng)網(wǎng)絡(luò)輸出的修正風(fēng)速之間的關(guān)系如圖13-1所示，其中橫坐標(biāo)代表數(shù)據(jù)樣本個(gè)數(shù)，縱坐標(biāo)代表風(fēng)速值，圓點(diǎn)代表BP神經(jīng)網(wǎng)絡(luò)輸出的修正風(fēng)速，星號(hào)代表期望風(fēng)速，菱形代表實(shí)際測(cè)量的初始風(fēng)速，從左至右，每一列代表溫度分別為-50℃～50℃下三種風(fēng)速的結(jié)果。從圖中可以明顯的看出，圓點(diǎn)和星號(hào)高度重合，菱形受溫度和陰影效應(yīng)的影響呈斜線分布。實(shí)際測(cè)量的初始風(fēng)速分別與期望風(fēng)速、BP神經(jīng)網(wǎng)絡(luò)的修正風(fēng)速相差較遠(yuǎn)，而B(niǎo)P神經(jīng)網(wǎng)絡(luò)的修正風(fēng)速與期望風(fēng)速高度接近，由此可見(jiàn)，BP神經(jīng)網(wǎng)絡(luò)修正算法具有有效的修正作用，能有效的消除陰影效應(yīng)的影響。以期望風(fēng)速為標(biāo)準(zhǔn)值，實(shí)際測(cè)量的初始風(fēng)速的相對(duì)誤差和BP神經(jīng)網(wǎng)絡(luò)修正風(fēng)速的相對(duì)誤差如圖13-2所示，其中橫坐標(biāo)代表數(shù)據(jù)樣本個(gè)數(shù)，縱坐標(biāo)代表風(fēng)速的相對(duì)誤差，圓點(diǎn)代表BP神經(jīng)網(wǎng)絡(luò)輸出的修正風(fēng)速的相對(duì)誤差，星號(hào)代表實(shí)際測(cè)量的初始風(fēng)速的相對(duì)誤差。從圖中明顯的看出，BP神經(jīng)網(wǎng)絡(luò)修正風(fēng)速的相對(duì)誤差較小，基本小于1％，而實(shí)際測(cè)量的初始風(fēng)速的相對(duì)誤差較大，基本上在5％～35％之間，由此可見(jiàn)，當(dāng)風(fēng)速為5m/s～30m/s時(shí)，BP神經(jīng)網(wǎng)絡(luò)修正算法也可以有效的提高風(fēng)速的測(cè)量精度。圖12-2與圖13-2相比較，風(fēng)速值大于5m/s時(shí)，BP神經(jīng)網(wǎng)絡(luò)修正風(fēng)速的相對(duì)誤差更小。

將實(shí)際測(cè)得的初始風(fēng)速、風(fēng)向角度和溫度作為測(cè)量樣本的輸入，分別將期望風(fēng)向作為輸出。當(dāng)風(fēng)向?yàn)?°～45°時(shí)，選取隱含層n＝26,誤差精度為0.0000001，

當(dāng)風(fēng)向?yàn)?°～45°時(shí)，實(shí)際測(cè)量的初始風(fēng)向、期望風(fēng)向和BP神經(jīng)網(wǎng)絡(luò)輸出的修正風(fēng)向之間的關(guān)系如圖14-1所示，其中橫坐標(biāo)代表數(shù)據(jù)樣本個(gè)數(shù)，縱坐標(biāo)代表風(fēng)向值，圓點(diǎn)代表BP神經(jīng)網(wǎng)絡(luò)輸出的修正風(fēng)向，叉號(hào)代表期望風(fēng)向，菱形代表實(shí)際測(cè)量的初始風(fēng)向，從圖中可以看出，圓點(diǎn)和叉號(hào)高度重合，菱形受溫度和陰影效應(yīng)的影響略有分散。實(shí)際測(cè)量的初始風(fēng)向分別與期望風(fēng)向、BP神經(jīng)網(wǎng)絡(luò)的修正風(fēng)向之間略有差距，而B(niǎo)P神經(jīng)網(wǎng)絡(luò)修正風(fēng)向和期望風(fēng)向之間高度接近，由此可見(jiàn)，BP神經(jīng)網(wǎng)絡(luò)修正算法能有效的消除陰影效應(yīng)對(duì)風(fēng)向的影響。以期望風(fēng)速為標(biāo)準(zhǔn)值，實(shí)際測(cè)量的初始風(fēng)向的相對(duì)誤差和BP神經(jīng)網(wǎng)絡(luò)修正風(fēng)向的相對(duì)誤差如圖14-2所示，其中橫坐標(biāo)代表數(shù)據(jù)樣本個(gè)數(shù)，縱坐標(biāo)代表風(fēng)向的相對(duì)誤差，圓點(diǎn)代表BP神經(jīng)網(wǎng)絡(luò)輸出的修正風(fēng)向的相對(duì)誤差，叉號(hào)代表實(shí)際測(cè)量的初始風(fēng)向的相對(duì)誤差。從圖中明顯的看出，BP神經(jīng)網(wǎng)絡(luò)修正風(fēng)向的相對(duì)誤差較小，基本小于1％，而實(shí)際測(cè)量的初始風(fēng)向的相對(duì)誤差較大，基本上在1％～35％之間，由此可見(jiàn)，BP神經(jīng)網(wǎng)絡(luò)修正算法可以有效的提高風(fēng)向的測(cè)量精度。

將所得權(quán)值和閾值以及計(jì)算公式存入微控制器中，可以修正出更為精確的風(fēng)速和風(fēng)向。

以上所述僅是本發(fā)明的優(yōu)選實(shí)施方式，應(yīng)當(dāng)指出，對(duì)于本技術(shù)領(lǐng)域的普通技術(shù)人員來(lái)說(shuō)，在不脫離本發(fā)明技術(shù)原理的前提下，還可以做出若干改進(jìn)和變型，這些改進(jìn)和變型也應(yīng)視為本發(fā)明的保護(hù)范圍。