[发明专利]基于头脑风暴优化算法的非线性传感器校正方法

权利要求书

1.基于头脑风暴优化算法的非线性传感器校正方法，其特征在于，过程如下：

建立非线性传感器校正数学模型；

设定非线性传感器校正数学模型的校正容量约束；

设定非线性传感器校正数学模型的适应度函数；

利用非线性传感器校正数学模型、校正容量约束和适应度函数通过头脑风暴优化算法对非线性传感器进行校正；

所述非线性传感器校正数学模型为：

z(y_i)＝a₀+a₁y_i+a₂y_i²+a₃y_i³+...+a_jy_i^j+...+a_ny_iⁿ

其中，y_i为非线性传感器校正数学模型的输入；z(y_i)为非线性传感器校正数学模型的校正输出值；i为非线性传感器测试点数；n的数值由要求的准确度决定；a₀、a₁、a₂…a_n为待定常数，由所有的待定常数形成待定常数组{a₀、a₁、a₂…a_n}；

所述校正容量约束设定为：

a_jmin≤a_j≤a_jmax

其中，a_j为待定常数，a_jmin与a_jmax分别为待定常数a_j的最大值与最小值；

所述适应度函数为：

其中，y_i为非线性传感器测试点i的输出值，z(y_i)为根据建立的非线性传感器校正数学模型计算的传感器值，m为待定常数组的个数；

利用非线性传感器校正数学模型、校正容量约束和适应度函数通过头脑风暴优化算法对非线性传感器进行校正的过程包括如下步骤：

步骤1，设定头脑风暴优化算法的待定常数组最大的个数、计算精度和最大迭代次数；

步骤2，根据校正容量约束产生待定常数：

步骤3，根据适应度函数计算各个传感器测试点的适应度值；

步骤4，根据适应度函数对迭代过程中已产生的待定常数组进行排序聚类，每个类中选择适应度值最大的作为聚类中心；

步骤5，如果在排序聚类过程中产生待定常数组个数达到最大值，则转至步骤6，否则转至步骤2；

步骤6，如果在排序聚类过程中达到最大迭代次数，则停止排序聚类，计算每个待定常数组的适应度，输出适应度最大的待定常数组；

否则转至步骤2，重复步骤2～步骤5；

所述步骤2中，根据下式产生待定常数：

a_j＝rand(x)*(a_jmax-a_jmin)+a_jmin

其中，rand(x)为[0，1]的随机数，a_j为待定常数，a_jmin与a_jmax分别为待定常数的最大值与最小值；

所述步骤2的具体过程如下：

步骤1)，随机产生一个[0，1]的数值；

步骤2)，如果步骤1)随机产生的数值比预设值p₂小，则进行以下步骤；

步骤2.1)，随机选择一个类；

步骤2.2)，随机产生一个0到1间的数值；

步骤2.3)，如果步骤2.2)随机产生的数值比预设值p₃小，则生成临时待定常数组A，将生成的临时待定常数组A与步骤2.1)选择的类的聚类中心合并，产生新的待定常数组L；

如果步骤1)随机产生的数值不小于预设值p₃，则生成临时待定常数组B，随机取步骤2.1)选择的类中的一个待定常数组C，将待定常数组C和临时待定常数组B合并，产生新的待定常数组L；

如果步骤1)随机产生的数值不小于预设值p₂，则进行以下步骤；

步骤2.4)，随机选择两个类；

步骤2.5)，随机产生一个[0，1]的数值；

步骤2.6)，如果步骤2.5)随机产生的数值小于预设值p₃，将步骤2.4)选取的两个类的聚类中心合并后产生新的待定常数组L；

如果步骤2.5)随机产生的数值不小于p₃，分别从步骤2.4)选取的两个类中各随机选择一个待定常数组，将选择的两个待定常数组合并产生新的待定常数组L。