2）训练样本、测试样本文件制作：温度范围选为0~200C，根据镍铬-镍硅热电偶(K型)分度表，选择温度为1，3，5，7……197，199，200℃对应的热电势为输入样本，相对应的温度作为输出样本，这样制作的样本作为训练样本，共101组；然后选择温度0，5，10，15……195，200C对应的热电势作为输入样本，相对应的温度作为输出样本，这样制作的样本作为测试样本，共41组。

3.3 BP网络学习流程图

　　BP网络的学习流程如图2所示。

                              图3 BP网络训练过程及算法流程

3.4 神经网络训练仪介绍

　　本文神经网络训练仪，进行热电偶的非线性校正。图4为BP神经网络训练仪面板，这个训练仪采用虚拟仪器编程语言CVI进行编写。

                             图4 BP神经网络训练仪面板

 　　BP网络训练仪的面板上具有以下几个模块：

模块1－训练样本文件路径：

　　①．输入样本文件路径”：在该文本框中输入训练样本的输入样本文件的路径。
　　②.“输出样本文件路径”：在该文本框中输入训练样本的期望输出样本文件的路径。

模块2－测试样本文件路径：

　　③.“输入样本文件路径”：在该文本框中输入测试样本中输入样本文件的路径。
　　④.“输出样本文件路径”：在该文本框中输入测试样本中期望输出样本文件的路径。

模块3－网络结构：

　　⑤.“隐层节点数”：设置BP网络隐层神经元数量；
　　⑥.“隐层响应函数”：选择BP网络隐层神经元的响应函数；
　　⑦.“输出层响应函数”：选择BP网络输出层神经元的响应函数；

模块4－训练条件：

3.5 BP网络训练