压力传感器的支持向量机非线性回归建模.pdf

《压力传感器的支持向量机非线性回归建模.pdf》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、50传感器与微系统(TransducerandMicrosystemTechnologies)2012年第31卷第4期压力传感器的支持向量机非线性回归建模强生杰，孔令刚，。(1．兰州交通大学光电技术与智能控制教育部重点实验室，甘肃兰州730070；2．兰州交通大学国家绿色镀膜技术与装备工程技术研究中心，甘肃兰州730070)摘要：压力传感器的输出特性易受到环境因素，尤其是温度变化的影响。针对该问题，提出了利用支持向量机(SVM)对压力传感器输出特性进行非线性补偿的校正模型。校正模型利用SVM的回归算法来逼近非线

2、性函数的特点，通过建立压力传感器输出特性与其实际电压值之间非线性映射关系的校正模型来实现压力传感器的校正。实例表明：该方法能有效地减少温度变化对传感器输出的影响，且校正后的压力传感器具有更高的测量精度和温度稳定性。关键词：压力传感器；支持向量机；非线性回归中图分类号：TP212．9文献标识码：A文章编号：1000-9787(2012)04-0050-03An0nlinearregressionmodel0fpressuresensorbased0nSVMQIANGSheng-jie，KONGLing—gang’

3、。(1．KeyLaboratoryofOpto-electronicsTechnologyandIntelligentControlofMinistryofEducation，LanzhouJiaoTongUniversity，Lanzhou730070，China；2．NationalGreenCoatingTechnologyandEquipmentEngineeringTechnologyResearchCenter，LanzhouJiaoTongUniversity，Lanzhou730070，Chin

4、a)Abstract：Theoutputcharacteristicsofpressuresensoraffectedbyenvironmentalfactors，especiallytemperaturechanges．Inordertosolvethisproblem，anonlinearregressionmodelispresentedbasedonsupportvectormachine(SVM)．TheapproximateabilityoftheSVMtononlinearfunctionisut

5、ilizedtobuildthenonlinearregressioncorrectionmode1．Anonlinearmappingrelationbetweensensoroutputandtheactualvoltagevaluesisestablishedtoachievethecorrectionofpressuresensor．Theexperimentalresultsshowthatthemodelcandecreasethecorectionofthetemperaturechangesef

6、fectively，whileboththemeasurementprecisionandtemperaturestabilityareimproved．．Keywords：pressuresensor；supportvectormachine(SVM)；nonlinearregression0引言理论的基础上。传统的学习算法(如神经网络)采用的在数据采集与测控系统中，由于压力传感器具有结构是经验风险最小化(ERM)准则，容易出现过拟合或者欠拟简单、灵敏度高、动态响应特性好、抗过载能力强等一系列合现象。SVM以

7、结构风险最小化(SRM)为准则，对于有优点，得到了广泛的应用。但压力传感器对温度等环境参限样本学习问题已经表现出很多优于已有方法的性能。同数较为敏感，这些因素在实际环境中总是相互关联的，给测时SVM算法是一个凸二次优化问题，能够保证找到的极值量结果带来了误差，严重影响了传感器的线性度，致使其准解就是全局最优解，能较好地解决小样本、非线性和高维数确度大大下降。为了提高传感器的性能，必须对其进行校的问题。本文针对传感器非线性误差校正的需求，提出了正。但各种干扰因素对测量结果的影响很难用简单的函数一种压力传感器的SV

8、M非线性回归模型。表达式来描述，因此，建立传感器的输出特性校正模型并求1SVM校正传感器原理解模型往往比较繁琐。1．1校正原理支持向量机(supportvectormachine，SVM)是2O世纪设压力传感器的数学模型为90年代中期提出的一种机器学习算法，它建立在统计学习l，_，(X，T)．(1)收稿日期：2011-09--09基金项目：甘肃省科技重大专项基金资助项目(1002GKD