基于超声波与红外线技术的测距系统的研究与应用

张磊， 周建全， 鞠文杰， 路军， 杨伟进

(1.国网山东省电力公司济宁供电公司，山东 济宁 272000； 2.国网山东省电力公司，山东 济南 250001；3.国网山东综合能源服务有限公司，山东 济南 250001)

0 引 言

随着我国经济的发展和科学技术的不断进步，测距定位技术日新月异，测距精度也愈来愈高。用超声红外相结合的方法进行测距还是很普遍的，因此提高超声红外测距技术的性能及精度有很高的研究价值[1]。本文通过发射红外线来确定计时器开始计时的时间，利用超声波在空气中的已知传播速度，再乘以超声波在发射端发射到接收端接收的时间差，计算出距离。无论是在室内还是在室外测距，温度都是影响测量精度的一个重要因素，尤其室外的环境非常复杂，进行作业时不确定会遇到什么样的天气，而不同温度下超声速度具有一定的差距，采用超声波进行测距时必须要考虑温度问题。为提高超声红外测距技术的精确度，本文引入基于BP神经网络的温度补偿算法来提高超声速度的准确度。

1 测距系统总体结构

超声红外测距系统的硬件结构主要包括AVR单片机、红外线收发器、超声波收发器、主控模块、通信模块、温度检测模块以及云服务器等模块。主控模块嵌入在小型平板或计算机中，工作人员通过主控模块向单片机发送测距命令，使得系统开始工作，单片机与主控模块之间的通信通过RS485实现。温度传感器DS18B20检测当前温度，并将其上传给主控模块，主控模块通过BP神经训练得到超声速度值，和单片机测得的时间进行计算，得出所测的距离。得到的数据可以在主控模块上显示出来，也可以上传到云服务器通过手机进行查看。红外线和超声波的发射接收方式选用直射式，载波频率为38 kHz，采用超声红外复合测距可以发挥两者的优势，避免劣势。超声测距，当距离较近时会有测量盲区，导致误差比较大[2-3]，而红外线进行近距离测距时则没有这种缺点，因此采用超声红外的方式进行复合测距。系统整体结构如图1所示。

图1 系统整体结构

测距模块的工作原理是设单片机测得超声波传播时间为t，由于该时间是信号发送与反射回来的总时间，也就是所测距时间的两倍[4]，设超声波在空气中的传播速度为c，因此测得距离为S=c×t/2。由于超声波在空气中传播时，传播速度受到环境温度等方面的影响，因此传播速度误差会影响测量结果的精确性。本文提出了基于BP神经网络的温度补偿算法对温度进行补偿,得到更加精确的超声波速度。

2 温度补偿算法

2.1 温度检测模块

为了对温度进行采集和处理并获得较精确的温度值，采用DS18B20温度传感器设计温度补偿电路，进行温度采集，它的测温范围是-55 ℃～+125 ℃，并且在-10 ℃～+85 ℃范围内精度为±0.5 ℃[5]。

2.2 BP神经网络

图2 多层感知器网络结构

2.3 网络建模

(1)

式中:EP为一组输入和输出的代价函数；E为P组拟合误差的代价函数。

(2)

(3)

式中：α为学习率，α>0；η为动量项因子，0≤η<1。

(3) 最后计算全局误差E是否满足预设精度要求:若满足则结束算法的训练；若不满足，选取另一组训练样本进行下一组的训练学习，直到误差达到训练要求为止。

3 基于BP神经网络的温度补偿

3.1 BP网络的建立及训练

基于BP神经网络的温度补偿算法，将温度环境(T)作为输入，并进行归一化处理,超声波速度作为输出。进行训练时，输入层到隐藏层的初始学习速率为0.05，隐藏层到输出层的初始学习速率为0.3，动量因子为0.8，通过式(3)调整权值。学习函数为purelin,训练函数为traindm,参数设置如下：最小目标误差goal=l×10-3;最大训练次数为100，最大失败次数为5；预设精度为0.000 1。

3.2 训练结果

本文共采集了29对数据进行训练，如表1所示。

表1 不同温度下超声波速度对应表

通过以上数据对网络进行训练，输出曲线如图3所示。对网络训练完成后，通过数据进行测试，效果图如图4所示，中间横的虚线是没有经过网络训练的不同温度下的超声波的速度，而斜着的实线是经过神经网络训练之后的不同温度下的超声波速度，并对其进行连续化测试,得到温度与超声波速度之间的相互对应情况，从图4可以看出其差距是非常大的。图5显示的是误差曲线，从图5可以看出随着迭代次数的增加，误差是逐渐降低的，并逐渐趋于平稳。

图3 网络训练曲线

图4 网络补偿后效果图

图5 误差曲线效果图

4 软件设计

本文采用模块化形式进行C语言编程，将系统主要分成系统主程序，红外线发送和超声波接收子程序，红外线接收和超声波发送子程序，以及温度检测与补偿子程序等模块。系统流程如图6所示。系统主程序完成的工作主要是系统的初始化，包括串口初始化、定时器初始化，调用各个子程序，完成通信功能[7-8]。根据红外超声的收发指令，由定时器1和定时器2计算出红外线和超声波从发送到接收所经历的时间[9]。温度传感器DS18B20完成温度检测功能。计算机通过BP神经网络算法对各温度下的超声波速度进行训练补偿，得出较为精确的超声波速度，根据距离公式得出此时所测得的距离。

图6 系统流程图

5 结束语

外部环境温度的变化严重影响了测距的精度，将BP神经网络用于对温度传感器所测温度的补偿，很好地提高了超声波的测速精度。试验表明，温度补偿后的超声波速度和未经过温度补偿的超声波速度相比，训练速度快，而且改进的BP神经网络避免了陷入局部极小值点，具有全局性，达到了更高的测量精度，使得测距更加精确。