[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

说明书

本发明涉及一种非线性传感器的校正优化算法，具体涉及基于头脑风暴优化算法的非线性传感器校正方法，通过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，并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；通过本发明的矫正方法能够通过对局部最优解进行对比得到全局最优解，能够高精度、高速度的计算出校正待定常数组。

技术领域

本发明涉及一种非线性传感器的校正优化算法，具体涉及基于头脑风暴优化算法的非线性传感器校正方法。

背景技术

传感器的输入与输出理想情况下是线性关系，但由于环境以及传感器本身等因素影响，很多传感器的输出与输入之间出现非线性关系。为了解决上述问题，通常采用硬件补偿和软件补偿两种方法，但是由于硬件补偿成本较大，故软件补偿较受欢迎。目前主要的软件补偿方法有最小二乘法、函数校正法、BP神经网络法、遗传算法和粒子群算法，其中最小二乘法、函数校正法和BP神经网络法容易陷入局部最优，而遗传算法和粒子群算法在高精度计算过程中耗时更长。因此提出一种更优的非线性传感器校正方法。

发明内容

本发明的目的在于克服上述存在的问题，设计一种基于头脑风暴优化算法的非线性传感器校正方法，通过本发明对非线性传感器校正时具有精度高、速度快的特点。

本发明的目的是通过下述技术方案来实现的。

基于头脑风暴优化算法的非线性传感器校正方法，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_j min≤a_j≤a_j max

其中，a_j为待定常数，a_j min与a_j max分别为待定常数a_j的最大值与最小值，由实验所得。

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。