基于LS-SVM辨識的溫度傳感器非線(xiàn)性校正研究

　　引 言

　　在傳感器非線(xiàn)性校正領(lǐng)域，國內外許多學(xué)者提出多種方法，并得到廣泛應用，傳統方法歸納起來(lái)可分兩類(lèi)：一類(lèi)是公式法，即以實(shí)驗數據為基礎，用最小二乘等系統辨識方法求取擬合曲線(xiàn)參數，建立校正曲線(xiàn)的解析表達式;另一類(lèi)是表格法，以查表為手段，通過(guò)分段線(xiàn)性化來(lái)逼近傳感器的非線(xiàn)性特性曲線(xiàn)。

　　近些年來(lái)，隨著(zhù)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(xiàn)性回歸能力，擬合傳感器輸出與輸入的非線(xiàn)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 )構成的系統線(xiàn)性化。但是，該方法也存在一定的局限性，主要表現在：1)神經(jīng)網(wǎng)絡(luò )存在局部極小和過(guò)學(xué)習問(wèn)題，易影響網(wǎng)絡(luò )的泛化能力，因此，對樣本的數量和質(zhì)量依賴(lài)強;2)網(wǎng)絡(luò )訓練結果與網(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(xiàn)性校正環(huán)節(逆模型)的數學(xué)解析表達式。

　　本文在前人研究的基礎上，將現代方法與傳統方法相結合，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(xiàn)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(xiàn)性校正實(shí)例，驗證了上述結論。

　　1 傳感器非線(xiàn)性校正原理

　　大多數傳感系統都可用y=f(x)，x∈(ξa，ξb)表示，其中，y表示傳感系統的輸出，x表示傳感系統的輸入，ξa，ξb為輸入信號的范圍。y信號可經(jīng)過(guò)電子設備進(jìn)行測量，但通常是根據測得的y信號求得未知的變量x，即表示為x=f-1(y)。但在實(shí)際應用過(guò)程中，絕大多數傳感器傳遞函數為非線(xiàn)性函數。

　　為了消除或補償傳感系統的非線(xiàn)性特性，可使其輸出y，通過(guò)一個(gè)補償環(huán)節，如圖1所示。該模型的特性函數為u=g(y)，其中，u為非線(xiàn)性補償后的輸出，它與輸入信號x呈線(xiàn)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g(