基于LS-SVM辨識(shí)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(guó)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(lái)可分兩類：一類是公式法，即以實(shí)驗(yàn)數(shù)據(jù)為基礎(chǔ)，用最小二乘等系統(tǒng)辨識(shí)方法求取擬合曲線參數(shù)，建立校正曲線的解析表達(dá)式;另一類是表格法，以查表為手段，通過(guò)分段線性化來(lái)逼近傳感器的非線性特性曲線。

　　近些年來(lái)，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(guò)學(xué)習(xí)問(wèn)題，易影響網(wǎng)絡(luò)的泛化能力，因此，對(duì)樣本的數(shù)量和質(zhì)量依賴強(qiáng);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(dá)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(jī)(least squares support vector machine，LS-SVM)的回歸算法/辨識(shí)傳感器非線性逆模型的新方法，最后，通過(guò)鉑銠30-鉑銠6熱電偶(B型)非線性校正實(shí)例，驗(yàn)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(hào)的范圍。y信號(hào)可經(jīng)過(guò)電子設(shè)備進(jìn)行測(cè)量，但通常是根據(jù)測(cè)得的y信號(hào)求得未知的變量x，即表示為x=f-1(y)。但在實(shí)際應(yīng)用過(guò)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(bǔ)償傳感系統(tǒng)的非線性特性，可使其輸出y，通過(guò)一個(gè)補(bǔ)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(bǔ)償后的輸出，它與輸入信號(hào)x呈線性關(guān)系，并使得補(bǔ)償后的傳感器具有理想特性。很明顯，函數(shù)g(