基于支持向量机的传感器的非线性校正

基于支持向量机的传感器的非线性校正

ID:38131986

大小:1.20 MB

页数:3页

时间:2019-05-29

基于支持向量机的传感器的非线性校正_第1页
基于支持向量机的传感器的非线性校正_第2页
基于支持向量机的传感器的非线性校正_第3页
资源描述:

《基于支持向量机的传感器的非线性校正》由会员上传分享,免费在线阅读,更多相关内容在行业资料-天天文库

1、计算机测量与控制.2011.19(1)智能仪表与传感器ComputerMeasurement&Control243文章编号:16714598(2011)01024303中图分类号:TP302文献标识码:A基于支持向量机的传感器的非线性校正彭继慎,于精哲,夏乃钦(辽宁工程技术大学电气与控制工程学院,辽宁葫芦岛125105)摘要:铜热电阻的非线性影响到它的测温准确度和测温范围,针对这个问题提出了采用支持向量机(SVM),建立了铜热电阻传感器的逆模型进行非线性校正,并且与以往采用的BP网络和最

2、小二乘校正方法进行了比较;结果表明,采用支持向量机的非线性校正方法的最大误差为00287%左右,与BP人工神经网络取得的结果(最大误差为00523%左右)和最小二乘法取得的结果(最大误差为00865%左右)相比,精度高于以上2种校正方法;同时,SVM方法有较好的泛化能力,在很大程度上提高了传感器的线性度,并且补偿曲线更顺滑,预测性更强,它为铜热电阻传感器的非线性动态补偿提供了一种新方法。关键词:铜热电阻传感器;支持向量机;非线性校正ApproachestoNon-linearityCompensation

3、ofCopperResistorBasedonNeuralNetworkinTemperatureMeasurementPengJishen,YuJingzhe,XiaNaigin(FacultyofElectricalandControlEngineering,LiaoningTechnicalUniversity,Huludao125105,China)Abstract:Thecopperthermalresistancesnonlinearityaffectsitsmeasurementaccuracyan

4、dtemperaturemeasurementrange,inordertoresolvethisproblem,supportvectormachinehasbeenappliedtothedevelopmentofthenonlinearcalibrationinversemodelofcopperthermalresistancesensor,thismethodiscomparedwithsomecommonlyusedcalibrationmethods,suchasBPneuralnetworkandLe

5、astsquaremethod.TheresultofexperimentshowsthatthemaximumerrorofthenonlinearcalibrationmethodbasedonSVMisabout00287%.IthashigherprecisionthanthemethodsbasedonBP(themaximumerrorisabout00523%)andLS(themaximumerrorisabout00865%).Atthesametime,SVMcorrectionmod

6、eloffersgoodgeneralizationcapability.Itimprovesthelinearityofthesensorandthecompensationcurveissmoother,morepredictable.Itprovidesanewmethodforthenonlinearcalibrationofcopperthermalresistancesensor.Keywords:copperthermalresistancesensor;supportvectormachine(SVM

7、);nonlinearcalibration0引言等ANN先天问题。由于有限样本学习能力强于很多现有方法的性能,SVM可以较好地解决小样本、非线性、高维数及局在瓦斯爆炸事故处理和救护过程中时常发生再次爆炸,致部极小点等问题。SVM通过结构风险最小化原理来提高泛化使救护人员伤亡。因此有必要研制一种便携式矿用本安型二次能力,同时还具有建模速度快和校正耗时小等优点。因此,本测爆仪,该仪器可连续监测并自动记录工矿作业环境空气中甲文将SVM算法引入铜热电偶的非线性校正中。但是其核参数烷、一氧化碳、氧气、二氧化碳及温度等参数,

8、从而预测煤矿的选取常常并不尽如人意,本文不利用粒子群算法收敛速度井下有无再次爆炸的危险。由于温度影响爆炸三角形的确定,快、较少的参数需要调节和容易实现等特点,采用粒子群算法而且各传感器的测量结果都需要根据温度进行补偿,因此要对搜取SVM核参数最优值。矿井内温度进行准确地测量,所以选用具有高精度、高灵敏度、性能稳定的铜热电阻传感器。但由于铜热电阻

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。