CN112729591B - 一种基于低带宽光电探测器的激光吸收光谱温度测量方法 - Google Patents

Abstract

本发明提出一种基于低带宽光电探测器的激光吸收光谱温度测量系统与方法，属于可调谐二极管激光吸收光谱技术领域，用于均匀温度场的快速测量，该方法利用神经网络可对任意函数进行逼近的优点，通过构建低带宽光电探测器测量信息与高带宽光电探测器测量、解算获得的光谱吸收面积之间的神经网络，完成训练后，仅通过低带宽光电探测器即可实现温度的快速测量。该方法降低了对探测器、数据采集装置的要求，并且具有较低计算复杂度，解算过程利于硬件实现，具有高实时性、高抗噪声能力、低资源占用等优势，在温度测量领域有较好的应用前景。

Description

一种基于低带宽光电探测器的激光吸收光谱温度测量方法

(一)技术领域

本发明提出一种基于低带宽光电探测器的激光吸收光谱温度测量方法，属于可调谐二极管激光吸收光谱技术领域，该方法用于激光吸收光谱法对均匀温度场的快速测量。

(二)背景技术

非接触式温度测量技术被广泛应用于工业生产、科学研究、国防军事等领域，实现温度的精确监测对于优化燃烧器设计、提高燃烧效率、降低燃烧过程污染排放等方面具有重要的意义，而非接触式测量技术具有测温上限高、不破坏流场等优点，较传统接触式测量技术具有更广的应用前景；为了实现温度场非接触式精确监测，科研人员提出了一系列测量方法，以光学测量方法为主，主要包括自发拉曼散射法、相干反斯托克斯拉曼散射法、激光诱导荧光法、激光吸收光谱法等。

自发拉曼散射法利用拉曼效应，即激光从光源出射后照射被测区域，被照射的分子的振动能级和转动能级发生变化，从初始态跃迁到中间态，并最后跃迁到终态并发射出光子，发射光子与光源频率不同，发生的频移称为拉曼频移。2014年，张振荣等人发表于《强激光与粒子束》26卷08期93-96页(High Power Laser and Particle Beams)的论文《煤油燃烧场主要组分浓度测量》(Measurement of major species concentration inkerosene combustion)中，对不同燃烧条件下的煤油燃烧场进行了诊断,获得了贫油条件下煤油燃烧场主要组分(N₂,O₂,H₂O,CO₂等)的拉曼光谱,计算了组分摩尔分数及其随燃烧时间的变化规律。然而由于自发拉曼散射信号较弱，需要设计复杂的微弱信号探测系统，导致成本较高，且信号抗干扰能力较差；相干反斯托克斯拉曼散射法同样基于拉曼效应，由于其属于高阶极化效应，散射光方向性较好，因此信号强度较高，不易受到环境扰动的影响，抗干扰能力相较自发拉曼散射较强。1974年，Begley等人发表在《应用物理快报》第25卷7期387-390页(Applied Physics Letters)的论文《相干反斯托克斯拉曼光谱》(Coherentanti-Stokes Raman spectroscopy)中，证明了对于低浓度，由于与强溶剂拉曼模式或三阶背景信号的相干混合，密度平方信号的相关性变为线性。然而目前该技术利用到了皮秒激光器、纳秒激光器等高性能激光器，带来较为高昂的造价，限制了其应用前景；激光诱导荧光法利用特定频率的光源激发基团或特定分子，该基团或分子由基态跃迁至激发态，并最终跃迁到终态并发射光子，称为激光诱导荧光。2012年，Worth N A等人发表于《燃烧与火焰》第159卷3期1109-1126页(Combust and Flame)的论文《带有声强迫和不带声强迫的两个相互作用湍流预混火焰的摄影OH-PLIF测量》(Cinematographic OH-PLIF Measurementsof Two Interacting Turbulent Premixed Flames with and without AcousticForcing)中，验证了与单个轴对称火焰相比，射流合并的发生和相邻火焰之间的大规模相互作用导致驱动热声响应的物理机制有所不同。激光诱导荧光需要利用高灵敏度面阵探测器进行探测，因此该技术同样造价昂贵，并且在压力较高时还可能出现猝熄效应影响测量；激光吸收光谱法基于比尔-朗伯特定律，始于二十世纪七十年代科研人员利用可调谐二极管激光器对激光吸收光谱开展的测量，激光吸收光谱法是通过测量光源透射被测区域之后的光强衰减获取被测组分温度信息，相较上述其他方法，其原理简单，信号处理难度小，光强较强，对探测装置性能要求相对较低，光源较为廉价，光学结构简单，具有良好的工程适应性，同时，具有精度高、实时性好等优点。1973年，K.G.P.Sulzmann等人发表在《燃烧与火焰》第20卷2期177-191页(Combust and Flame)的论文《使用可调谐激光器的线心吸收和导数光谱估计燃烧中间体和产物的可能检测极限》(Estimates of possible detectionlimits for combustion intermediates and products with line-center absorptionand derivative spectroscopy using tunable lasers)中，通过激光吸收光谱法测量了多种燃烧中间体和产物的可能检测极限。

传统可调谐激光吸收光谱法主要包括直接吸收法和波长调制法两大类。直接吸收光谱法(Direct Absorption Spectroscopy,DAS)的原理是利用控制器产生扫频信号，调制激光器输出调谐激光，使激光输出的光谱范围覆盖吸收谱线。1993年，M.P.Arroyo等人发表于《应用光学》第32卷30期6104-6116页(Applied Optics)的论文《使用可调式InGaAsP二极管激光器对水蒸气浓度、温度和线型参数的吸收测量》(Absorption measurements ofwater-vapor concentration,temperature,and line-shape parameters using atunable InGaAsP diode laser)中，利用DFB激光器实现了80Hz、1cm^-1线宽扫描，并对H₂O浓度进行了测量。2015年，Liu等人发表在《光学快报》第23卷17期22494-22511页(OpticsExpress)的论文《基于扇束TDLAS的快速温度浓度成像断层图像传感器的发展》(Development of a fan-beam TDLAS-based tomographic sensor for rapid imagingof temperature and gas concentration)中，结合直接吸收法与层析成像原理，设计了多角度传感器，实现了直接吸收法二维测量。然而，基于直接吸收法的激光吸收光谱法也有一些固有缺点，如：测量光强信号受到环境温度升高、环境压力变化、气体密度不均导致光线偏折效应等因素影响，会导致线形发生形变，进而导致基线拟合精度下降，积分吸收率解算不准等一系列问题，从而影响测量精度；在大多数场合下，要想利用直接吸收法得到较高精度的温度测量结果，必须得到较高精度的测量光强信号，无疑加大了对探测装置的要求，测量成本也随之上升。波长调制法(Wavelength Modulation Spectroscopy,WMS)是另一类激光吸收光谱技术，其基本原理是通过正弦信号对光源进行调制，通过分析光源高频调制分量的强度信息获得吸收信息，进而获得温度数据。1981年，Reid J等人发表在《应用物理B-光物理与激光化学》第26卷3期203-210页(Applied Physics BPhotophysics and LaserChemistry)的论文《可调二极管激光器的二次谐波检测—实验和理论的比较》(Second-Harmonic Detection with Tunable Diode Lasers—Comparison of Experiment andTheory)中，提出了激光二次谐波分析理论并开展了实验验证。1998年，Daniel B.Oh等人发表与《应用光学》第37卷12期2499-2501页(Applied Optics)的论文《使用波长调制光谱和二极管激光器同时检测多种气体的调频多路复用》(Frequency Modulation Multiplexingfor Simultaneous Detection of Multiple Gases by Use of Wavelength ModulationSpectroscopy with Diode Lasers)中，利用调频多路复用，实现了利用波长调制法对多组分进行测量。2018年，Chuanliang Li等人发表在《应用光谱学》第72卷9期1380-1387页(Applied Spectroscopy)的论文《使用波长平均值为1.578μm的信号平均技术进行波长调制同时测量CO和CO₂》(Simultaneous Measurements of CO and CO₂ EmployingWavelength Modulation Spectroscopy Using a Signal Averaging Technique at1.578μm)中，利用波长调制法结合气体增强腔，实现了对痕量气体CO及CO₂的测量。波长调制法有利于降低环境噪声、电路噪声、标准距效应带来的扰动，具有较强的抗干扰能力；然而，该方法信号处理方法较为复杂，需要进行数据标定，同时对探测器带宽要求较高，仅适用于测量对象浓度较低的场合。

基于上述背景，本文发明一种基于低带宽光电探测器的激光吸收光谱温度测量方法。在直接吸收光谱法的基础上采用了一个低带宽光电探测器及一个高带宽光电探测器，其中高带宽光电探测器用于结合传统直接吸收光谱法获得光谱吸收面积，作为神经网络训练所需的期望输出，低带宽光电探测器用于利用其低带宽特性获取低通光强信号，作为神经网络训练所需输入。构建低带宽光电探测器测量得到的可调谐激光吸收光谱数据信息与高带宽光电探测器测量、解算获得的光谱积分吸收面积之间的神经网络，通过神经网络训练之后，仅利用低带宽光电探测器即可获得测温结果。本方法降低了对探测、数据采集装置的要求，并且极大减少计算复杂度，解算过程利于硬件实现，具有高实时性、高抗噪声能力、低资源占用等优势。

(三)发明内容

本发明针对基于激光吸收光谱法的均匀温度场温度测量，提出一种基于低带宽光电探测器的激光吸收光谱温度测量方法，利用神经网络可对任意函数进行逼近的优点，通过在低带宽光电探测器获得的光强信号与传统直接吸收光谱法获得的吸收面积之间构建神经网络，完成神经网络训练后，实现利用低带宽光电探测器对均匀温度场的温度测量，从而降低对硬件条件的要求，实现低成本、速度快的激光吸收光谱温度测量。

实现装置包括：激光光源、激光分束器、准直镜、低带宽光电探测器、高带宽光电探测器、数据采集模块。

本发明的技术方案是：激光光源经过激光分束器后分为两路，分别进入两个准直镜，两个准直镜置于被测区域一端，低带宽光电探测器与高带宽光电探测器置于被测区域另一端，低带宽光电探测器与高带宽光电探测器的输出信号被数据采集模块采集；对于高带宽光电探测器得到的透射光强信号，采用传统直接吸收光谱法计算光谱吸收面积，提供神经网络训练所需的目标值，低带宽光电探测器获取光强的低通滤波信号，作为神经网络训练所需的输入，构建低带宽光电探测器测量得到的透射光强信号与利用高带宽光电探测器测量信号解算获得的光谱吸收面积之间的神经网络；完成神经网络的训练后，仅利用低带宽光电探测器得到的透射光强信号，即可得到高精度的积分吸收面积计算结果，进而可得到更准确的温度测量结果。

具体实施步骤如下：

步骤一：控制激光光源产生中心波长分别为υ₁、υ₂的两束可调谐光谱扫描激光，利用激光分束器将激光分束之后同时穿过一定温度被测区域；

步骤二：通过高带宽光电探测器测得两个波长对水蒸气浓度的透射光强数据，分别记为I_1H及I_2H，通过低带宽光电探测器测得两个波长对水蒸气浓度的透射光强数据，分别记为I_1L及I_2L；

步骤三：对于高带宽光电探测器测得的两个波长对水蒸气浓度的透射光强数据I_1H及I_2H，利用直接吸收法计算得到被测区域水蒸气浓度的双波长光谱吸收面积，分别记为S₁及S₂；

步骤四：改变温度，重复步骤一至步骤三获得不同温度条件下通过低带宽光电探测器测得的两个波长对水蒸气浓度的透射光强数据I_1L及I_2L与利用高带宽光电探测器测得的两个波长对水蒸气浓度的透射光强数据I_1H及I_2H解算出的双波长光谱吸收面积S₁及S₂；

步骤五：利用上述样本数据训练低带宽光电探测器测量得到的透射光强信号I_1L及I_2L与利用高带宽光电探测器测量信号解算获得的光谱吸收面积S₁及S₂之间的神经网络；首先，将神经网络结构定义为三层，即输入层、隐藏层、输出层，输入层的神经元数量设置为I_1L或I_2L向量的长度，隐藏层神经元数量初始设置为输入层神经元数量的三倍，再根据训练的结果进行调整，输出层神经元个数设置为1，分别对应S₁或S₂，并为神经网络随机分配节点权值及阈值，表示为：

其中，W_q1和β_q1分别为输入层到隐藏层的权值及阈值，W_q2和β_q2分别为隐藏层到输出层的权值及阈值，m₀、m₁及m₂分别为输入层、隐藏层、输出层的节点数目，q为不同中心波长对应网络的序号，并在隐藏层输出设置sigmoid激活函数g₁(x)，表示为：

在输出层设置ReLu激活函数g₂(x)，表示为：

则隐藏层输出为：

输出层输出为：

设置误差函数为：

其中，I_qi ^k为低带宽光电探测器测得的两个波长对水蒸气浓度的透射光强数据I_1L或I_2L的第k组(k＝1,2,3,…,N)样本，S_qk为高带宽光电探测器测得的两个波长对水蒸气浓度的透射光强数据I_1H或I_2H解算出的双波长光谱吸收面积S₁或S₂的第k组(k＝1,2,3,…,N)样本；然后，把通过低带宽光电探测器测得的两个波长对水蒸气浓度的透射光强数据I_1L及I_2L作为神经网络的输入，把高带宽光电探测器测得的两个波长对水蒸气浓度的透射光强数据I_1H及I_2H解算出的双波长光谱吸收面积S₁及S₂作为神经网络的输出目标值；最后，将得到的足量样本数据随机分成三组，其中70％将用于训练，15％将用于验证网络是否正在泛化，并在过拟合前停止训练，15％将独立的用于网络泛化性的测试，判断测试数据的误差是否小于给定值，如果不小于给定值，则修改网络参数，重新训练，如果小于该值则完成神经网络训练，并保存网络模型；

步骤六：在未知温度条件下，仅利用低带宽光电探测器测得的两个波长对水蒸气浓度的透射光强数据，将其代入训练好的神经网络，获得双波长光谱吸收面积，利用双线法解算得到被测温度，实现利用低带宽光电探测器对均匀温度场的温度测量。

本发明的优点在于：1.完成神经网络训练后，仅需要低带宽探测器即可实现温度测量，并可应用于实际测量，降低了对探测器、数据采集装置的要求；2.算法简单，易于实现；3.节约硬件资源，减少解算时间，可用于实时数据处理。

(四)附图说明

图1是本发明涉及的一种基于低带宽光电探测器的激光吸收光谱温度测量方法实施的结构示意图。

附图标示

101、激光光源 102、激光分束器 103、准直镜 104、低带宽光电探测器

105、高带宽光电探测器 106、数据采集模块

图2是本发明涉及的一种基于低带宽光电探测器的激光吸收光谱温度测量方法的实施流程图。

图3是神经网络解算温度结果与实际温度对照图。

(五)具体实施方式

下面结合具体实施实例对本发明做进一步说明。

本实例针对实际燃烧均匀温度场的工况以及水蒸气分子对激光光谱的吸收情况进行数值仿真，选定常用的中心波长分别为7185cm^-1、7444cm^-1的两束可调谐光谱扫描激光为被吸收激光，数值仿真300K-700K的均匀温度分布场，每个温度点设置0.01至0.09步长为0.02的五个浓度值(气体摩尔百分比)模拟真实工况，气压为一个标准大气压，利用HITRAN数据库数值计算两束激光穿过被测区域之后得到透射光强I_1H及I_2H，利用直接吸收法对透射光强I_1H及I_2H基线拟合得到被测区域水蒸气浓度的双波长光谱吸收面积S₁及S₂，利用常用的8阶巴特沃斯低通滤波器以截止频率为1KHz分别对透射光强I_1H及I_2H进行低通滤波得到低通光强信号I_1L及I_2L，最后利用低通光强信号I_1L及I_2L和双波长光谱吸收面积S₁及S₂完成神经网络的训练，流程图如图2所示，具体包括以下步骤：

步骤一：产生中心波长分别为7185cm^-1、7444cm^-1的两束可调谐光谱扫描激光并穿过均匀温度场。本发明涉及的一种基于低带宽光电探测器的激光吸收光谱温度测量方法实施的结构如图1所示，控制激光光源(101)产生中心波数分别为7185cm^-1、7444cm^-1的两束可调谐光谱扫描激光，通过激光分束器(102)后分为两路，通过两个准直镜(103)出射，穿过被测区域后分别进入低带宽光电探测器(104)和高带宽光电探测器(105)，两个探测器的输出信号通过数据采集模块(106)进行采集。

步骤二：得到激光穿过被测区域之后的透射光强数据。利用HITRAN数据库数值计算中心波长分别为7185cm^-1、7444cm^-1的两束可调谐光谱扫描激光被设置的均匀温度场吸收后得到的高带宽透射光强信号I_1H及I_2H，将该高带宽光强信号通过截止频率为1KHz的8阶巴特沃斯低通滤波器之后得到低通光强信号I_1L及I_2L，设置步长为5K，多次计算得到300K至700K五个不同浓度工况下的400组透射光强数据。

步骤三：获取训练神经网络需要的数据样本。对高带宽光强信号I_1H及I_2H进行基线拟合计算得到被测区域水蒸气浓度的双波长光谱吸收面积，即S₁及S₂，则得到400组包含低通光强信号I_1L、I_2L与双波长光谱吸收面积S₁、S₂的样本数据。

步骤四：训练神经网络。设置两个三层神经网络，对应中心波数为7185cm^-1的网络的输入层节点数设置为低通光强信号I_1L对应向量长度49，隐藏层节点数设置为150，输出层节点数为1，对应中心波数为7185cm^-1的激光的光谱吸收面积S₁，对应中心波数为7444cm^-1的网络的输入层节点数设置为低通光强信号I_2L对应向量长度19，隐藏层节点数设置为60，输出层节点数为1，对应中心波数为7444cm^-1的激光的光谱吸收面积S₂，分别为两个网络随机设置节点权值及阈值，其中对应中心波数为7185cm^-1的网络的节点权值及阈值表示为：

对应中心波数为7444cm^-1的网络的节点权值及阈值表示为:

其中，W₁₁、W₂₁和β₁₁、β₂₁分别为输入层到隐藏层的权值及阈值，W₁₂、W₂₂和β₁₂、β₂₂分别为隐藏层到输出层的权值及阈值；并在隐藏层输出设置sigmoid激活函数g₁(x)，表示为：

在输出层设置ReLu激活函数g₂(x)，表示为：

则中心波数为7185cm^-1的网络隐藏层输出为：

输出层输出为：

误差为：

则中心波数为7444cm^-1的网络隐藏层输出为：

输出层输出为：

误差为：

其中，I_1i ^k和I_2i ^k分别为低通光强信号I_1L和I_2L的第k组(k＝1,2,3,…,400)样本，S_1k和S_2k分别为两个波长的光谱吸收面积S₁和S₂的第k组(k＝1,2,3,…,400)样本；将得到的400组样本数据随机分成三组，其中70％将用于训练，Bayesian Regularization算法对于小数据集性能更好，因此采用Bayesian Regularization算法调整权值，15％将用于验证网络是否正在泛化，并在过拟合前停止训练，达到对目标函数的逼近，15％将独立的用于网络泛化性的测试，判断测试数据的误差是否小于给定值，如果不小于给定值，则修改网络参数，重新训练，如果小于该值则完成神经网络训练，并保存网络模型。

步骤五：实现利用低带宽光电探测器进行温度测量。数值仿真模拟八个不同的温度点，相邻温度点间温度差为50K，每个温度点对应5组不同的浓度条件，利用HITRAN数据库数值计算中心波数分别为7185cm^-1、7444cm^-1的两束可调谐光谱扫描激光穿过被测区域之后得到透射光强，并将其分别通过截止频率为1KHz的8阶巴特沃斯低通滤波器得到低通透射光强信号以模拟低带宽光电探测器探测的透射光强信号，代入训练好的神经网络，得到神经网络预测的双波长吸收面积，利用双线法得到温度测量结果，通过神经网络进行预测吸收面积得到的温度结果与实际温度对照结果如附图3所示，平均相对误差为0.42％，因此通过神经网络进行预测吸收面积得到的温度结果精度较高，即利用低带宽光电探测器进行温度测量效果较好。

以上对本发明及实施方式的描述，并不局限于此，附图中所示仅是本发明的实施方式之一，在不脱离本发明创造宗旨的情况下，不经创造地设计出与该技术方案类似的结构或实施例，均属本发明保护范围。

Claims (3)

1.一种基于低带宽光电探测器的激光吸收光谱温度测量方法，实现装置包括激光光源、激光分束器、准直镜、低带宽光电探测器、高带宽光电探测器、数据采集模块，其特征在于，激光光源经过激光分束器后分为两路，分别进入两个准直镜，两个准直镜置于被测区域一端，低带宽光电探测器与高带宽光电探测器置于被测区域另一端，低带宽光电探测器与高带宽光电探测器的输出信号被数据采集模块采集；对于高带宽光电探测器得到的透射光强信号，采用传统直接吸收光谱法计算光谱吸收面积，提供神经网络训练所需的目标值，低带宽光电探测器获取光强的低通滤波信号，作为神经网络训练所需的输入，构建低带宽光电探测器测量得到的透射光强信号与利用高带宽光电探测器测量信号解算获得的光谱吸收面积之间的神经网络；完成神经网络的训练后，仅利用低带宽光电探测器得到的透射光强信号，即可得到高精度的积分吸收面积计算结果，进而可得到更准确的温度测量结果。

2.根据权利要求1所述的一种基于低带宽光电探测器的激光吸收光谱温度测量方法，其特征在于实施过程中主要包含以下步骤：

步骤一：控制激光光源产生中心波长分别为υ₁、υ₂的两束可调谐光谱扫描激光，利用激光分束器将激光分束之后同时穿过一定温度被测区域；

步骤二：通过高带宽光电探测器测得两个波长对水蒸气浓度的透射光强数据，分别记为I_1H及I_2H，通过低带宽光电探测器测得两个波长对水蒸气浓度的透射光强数据，分别记为I_1L及I_2L；

步骤三：对于高带宽光电探测器测得的两个波长对水蒸气浓度的透射光强数据I_1H及I_2H，利用直接吸收法计算得到被测区域水蒸气浓度的双波长光谱吸收面积，分别记为S₁及S₂；

步骤四：改变温度，重复步骤一至步骤三获得不同温度条件下通过低带宽光电探测器测得的两个波长对水蒸气浓度的透射光强数据I_1L及I_2L与利用高带宽光电探测器测得的两个波长对水蒸气浓度的透射光强数据I_1H及I_2H解算出的双波长光谱吸收面积S₁及S₂；

步骤五：利用上述样本数据训练低带宽光电探测器测量得到的透射光强信号I_1L及I_2L与利用高带宽光电探测器测量信号解算获得的光谱吸收面积S₁及S₂之间的神经网络；

步骤六：在未知温度条件下，仅利用低带宽光电探测器测得的两个波长对水蒸气浓度的透射光强数据，将其代入训练好的神经网络，获得双波长光谱吸收面积，利用双线法解算得到被测温度，实现利用低带宽光电探测器对均匀温度场的温度测量。

3.根据权利要求1所述的一种基于低带宽光电探测器的激光吸收光谱温度测量方法，其特征在于神经网络按照如下步骤训练：

首先，将神经网络结构定义为三层，即输入层、隐藏层、输出层，输入层的神经元数量设置为I_1L或I_2L向量的长度，隐藏层神经元数量初始设置为输入层神经元数量的三倍，再根据训练的结果进行调整，输出层神经元个数设置为1，分别对应S₁或S₂，并为神经网络随机分配节点权值及阈值，表示为：

其中，W_q1和β_q1分别为输入层到隐藏层的权值及阈值，W_q2和β_q2分别为隐藏层到输出层的权值及阈值，m₀、m₁及m₂分别为输入层、隐藏层、输出层的节点数目，q为不同中心波长对应网络的序号，并在隐藏层输出设置sigmoid激活函数g₁(x)，表示为：

在输出层设置ReLu激活函数g₂(x)，表示为：

则隐藏层输出为：

输出层输出为：

设置误差函数为：

其中，I_qi ^k为低带宽光电探测器测得的两个波长对水蒸气浓度的透射光强数据I_1L或I_2L的第k组(k＝1,2,3,…,N)样本，S_qk为高带宽光电探测器测得的两个波长对水蒸气浓度的透射光强数据I_1H或I_2H解算出的双波长光谱吸收面积S₁或S₂的第k组(k＝1,2,3,…,N)样本；

然后，把通过低带宽光电探测器测得的两个波长对水蒸气浓度的透射光强数据I_1L及I_2L作为神经网络的输入，把高带宽光电探测器测得的两个波长对水蒸气浓度的透射光强数据I_1H及I_2H解算出的双波长光谱吸收面积S₁及S₂作为神经网络的输出目标值；

最后，将得到的足量样本数据随机分成三组，其中70％将用于训练，15％将用于验证网络是否正在泛化，并在过拟合前停止训练，15％将独立的用于网络泛化性的测试，判断测试数据的误差是否小于给定值，如果不小于给定值，则修改网络参数，重新训练，如果小于该值则完成神经网络训练，并保存网络模型。

Images