基于LS-SVM辨識的溫度傳感器非線性校正研究
引 言
在傳感器非線性校正領(lǐng)域,國內(nèi)外許多學(xué)者提出多種方法,并得到廣泛應(yīng)用,傳統(tǒng)方法歸納起來可分兩類:一類是公式法,即以實驗數(shù)據(jù)為基礎(chǔ),用最小二乘等系統(tǒng)辨識方法求取擬合曲線參數(shù),建立校正曲線的解析表達式;另一類是表格法,以查表為手段,通過分段線性化來逼近傳感器的非線性特性曲線。
近些年來,隨著神經(jīng)網(wǎng)絡(luò)的發(fā)展,又有不少學(xué)者利用神經(jīng)網(wǎng)絡(luò)的非線性回歸能力,擬合傳感器輸出與輸入的非線性關(guān)系,建立傳感器傳輸特性的逆模型,從而使傳感器亦即神經(jīng)網(wǎng)絡(luò)構(gòu)成的系統(tǒng)線性化。但是,該方法也存在一定的局限性,主要表現(xiàn)在:1)神經(jīng)網(wǎng)絡(luò)存在局部極小和過學(xué)習(xí)問題,易影響網(wǎng)絡(luò)的泛化能力,因此,對樣本的數(shù)量和質(zhì)量依賴強;2)網(wǎng)絡(luò)訓(xùn)練結(jié)果與網(wǎng)絡(luò)初值、樣本次序等有關(guān),所建逆模型不具備唯一性;3)一般不能給出非線性校正環(huán)節(jié)(逆模型)的數(shù)學(xué)解析表達式。
本文在前人研究的基礎(chǔ)上,將現(xiàn)代方法與傳統(tǒng)方法相結(jié)合,提出一種利用最小二乘支持向量機(least squares support vector machine,LS-SVM)的回歸算法/辨識傳感器非線性逆模型的新方法,最后,通過鉑銠30-鉑銠6熱電偶(B型)非線性校正實例,驗證了上述結(jié)論。
1 傳感器非線性校正原理
大多數(shù)傳感系統(tǒng)都可用y=f(x),x∈(ξa,ξb)表示,其中,y表示傳感系統(tǒng)的輸出,x表示傳感系統(tǒng)的輸入,ξa,ξb為輸入信號的范圍。y信號可經(jīng)過電子設(shè)備進行測量,但通常是根據(jù)測得的y信號求得未知的變量x,即表示為x=f-1(y)。但在實際應(yīng)用過程中,絕大多數(shù)傳感器傳遞函數(shù)為非線性函數(shù)。
為了消除或補償傳感系統(tǒng)的非線性特性,可使其輸出y,通過一個補償環(huán)節(jié),如圖1所示。該模型的特性函數(shù)為u=g(y),其中,u為非線性補償后的輸出,它與輸入信號x呈線性關(guān)系,并使得補償后的傳感器具有理想特性。很明顯,函數(shù)g(
評論