[发明专利]一种采用多传感器降低测量误差的方法

说明书

技术领域

本发明涉及传感器信息处理领域，具体是一种采用多传感器降低测量误差的方法。

背景技术

传感器在工业、农业、国防、科学技术等众多领域得到了广泛的应用，已成为现代信息社会的基础。由于传感器敏感元件本身特性、应用环境、使用时间等众多因素的影响，使得传感器的输出与输入呈一种复杂的非线性关系，从而在实际工程应用中采用单一传感器进行测量会带来一定的测量误差。

由于每一个传感器都具有其独特的信息特征，不同的传感器尽管各自有其优缺点，但它们之间不是相互排斥，而是相互联系和相互补充的。采用多个传感器进行测量可综合应用多个传感器的冗余信息，把局部不完整信息和相关信息加以综合与互补，充分利用每个传感器所包含的有用信息，完整和精确地反映被测系统的本质特性，获得被测对象的一致性认识，从而比采用单一传感器更具优越性。

支持向量机(support vector machine，SVM)是建立在统计学习理论的VC维理论和结构风险最小化(SRM)基础之上的新型学习方法，具有完备的理论基础与学习性能，有效地解决了小样本、非线性、高维数和局部极小点等问题，具有较好的泛化性能，且运用核函数巧妙地解决了维数问题，尤其适合多传感器系统中多维信息的融合处理，得到比采用单一传感器精度更高的测量结果。随着科学技术的发展，各行各业对传感器测量精度的要求越来越高，实现传感高精度测量具有重要意义。

发明内容

本发明要解决的技术问题是克服采用单一传感器测量带来的测量误差，提供一种采用多传感器降低测量误差的方法，在小样本建模的情况下，实现被测量的高精度测量。

本发明是以如下技术方案实现的：一种采用多传感器降低测量误差的方法，采用多个传感器构成的传感器系统以及基于支持向量机的多输入单输出传感器系统逆模型，具体步骤如下：

(1)针对一个被测量，选择能够对其进行测量的多个传感器，并对多个传感器分别建立相应的测量电路，构成一个由多个传感器构成的多传感器系统；

(2) 对多个传感器在使用范围内同时进行标定，分别得到n个传感器输出输入数据；

(3) 对步骤2中得到的输出输入数据对进行归一化处理，形成数据样本(y_i，x_i)，其中：                                                为传感器系统的输出归一化值，式中的y1_i，y2_i，…，ym_i为m个传感器的输出归一化值；x_i为传感器系统的输入归一化值；m为传感器的数量；i=1,2,…,n；并将n 个数据样本(y_i，x_i)分为训练样本集S1与测试样本集S2两个部分；

(4) 由训练样本集S1构建一个基于支持向量机的多输入单输出传感器系统逆模型，其逆模型的参数采用智能优化算法及测试样本集S2误差最小的准则进行选择与优化；

 (5) 在实际测量时，用多个传感器对被测量同时进行测量，将多个传感器的输出结果输入到基于支持向量机的多输入单输出传感器系统逆模型，把传感器系统逆模型的输出值进行反归一化后作为被测量的真值。

其进一步是：传感器系统是由能够对被测量进行测量的不同特性或不同原理的多个传感器所组成，并对多个传感器分别建立相应的测量电路。

基于支持向量机的多输入单输出传感器系统逆模型由训练样本集S1建立，其模型参数由量子粒子群优化及测试样本集S2的均方根误差RMSE与最大绝对误差MAE同时最小的准则进行选择与优化。

RMSE与MAE的表达式分别为：

                               (1)

                                       (2)

其中，为逆模型输出值，为逆模型期望输出值，n为测试样本集的数。