[发明专利]一种传感器的非线性补偿方法

说明书

本发明涉及传感器软补偿技术领域，具体公开了一种传感器的非线性补偿方法，包括：选取在一定温度区间内铂电阻感应多个温度对应的电阻值值作为样本数据；采用蝙蝠算法优化支持向量机的参数以获得最优参数，采用最优参数建立最优的非线性所述支持向量机；利用最优的非线性所述支持向量机对所述样本数据进行预测。该方法应用蝙蝠算法BA‑SVM支持向量回归机建立非线性补偿模型，以实现铂电阻非线性补偿的方法，铂电阻传感器的非线性特性得到补偿，补偿后的系统可按线性特性处理，不仅提高了计算准确度,而且实时性好,大大拓展了铂热电阻测温的应用范围。

技术领域

本发明属于传感器软补偿技术领域，特别涉及一种传感器的非线性补偿方法。

背景技术

铂电阻作为温度测量传感器，具有测量范围大，稳定性好，示值复现性高和耐氧化等优点，常被用来作为国际标准温度计。是由于材料、制造工艺、封装结构等原因，以及铂电阻自身存在的非线性和不平衡电桥的非线性等多种因素的影响，会给测量带来误差。如果不解决误差问题，铂电阻高精度、高灵敏度的优势就无法体现，甚至会影响整个系统的可行性和可靠性。因此，必须对铂电阻温度传感器的校正方法进行研究以提高其测温精度，这也是使高精度智能温度测控系统正常工作的前提条件。

在微机化的智能仪器和控制系统中,常用软件代替硬件进行非线性补偿,并已得到了广泛的应用。对铂电阻进行非线性补偿的软件方法很多,常用查表法,它实际上是一种分段线化方法,它把量程分为许多区间,在每一个区间上用直线近似代替曲线,分的区间越多,测量的精度越高,但所要的存储量也越大,查表时间就会很长,因此它不适用于高精度场合，最小二乘法比较繁琐,有时会出现求解方程时遇到病态矩阵情况。

SVM支持向量机是基于统计理论的先进智能监督学习分类方法，通过寻求结构化风险最小来提高学习机泛化能力，将经验风险和置信区间最小化，其在解决小样本的高维非线性函数拟合问题时具有优势。由理论知识可知，SVM支持向量机模型中的参数C、δ与损失函数ε参数对其性能影响很大。在模型的实际使用中，这三个参数通常为经验值，难以保证在不同类型数据情况下的模型预测精度。而一旦参数选取不当，则会大大降低预测结果的精度。

发明内容

本发明的目的在于提供一种传感器的非线性补偿方法，其能够优化SVM支持向量机模型中的参数C、δ与损失函数ε参数，通过优化后的SVM支持向量机对传感器进行非线性精确补偿。

为实现上述目的，本发明提供了一种传感器的非线性补偿方法，包括：

S101，选取在一定温度区间内铂电阻感应多个温度对应的电阻值值作为样本数据；

S102，采用蝙蝠算法优化支持向量机的参数以获得最优参数，采用最优参数建立最优的非线性所述支持向量机；

S103，利用最优的非线性所述支持向量机对所述样本数据进行预测。

优选的，上述技术方案中，步骤102中具体包括：

S201，设置所述支持向量机的参数：惩罚参数C、RBF核参数δ、损失函数ε的参数范围；初始化蝙蝠群相关参数：设定初始种群个体数n、脉冲响度A₀、脉冲发射率r₀、蝙蝠脉冲发射速率增加系数γ、脉冲响度衰减系数α、蝙蝠搜索脉频率上下限f_min,f_max、最大迭代次数t_max与搜索精度ε；

S202，初始化蝙蝠的位置x_i和速度v_i；

S203，确定适应度评估函数f(x),x＝(x₁,…x_d)^T，根据所述适应度评估函数评价每个蝙蝠的适应度值以寻找当前最优解x^*；

S204，调整蝙蝠搜索脉冲频率，按公式(1)、(2)、(3)更新蝙蝠的速度与位置：