基于LS-SVM辨識的溫度傳感器非線性校正研究

　　引 言

　　在傳感器非線性校正領域，國內(nèi)外許多學者提出多種方法，并得到廣泛應用，傳統(tǒng)方法歸納起來可分兩類：一類是公式法，即以實驗數(shù)據(jù)為基礎，用最小二乘等系統(tǒng)辨識方法求取擬合曲線參數(shù)，建立校正曲線的解析表達式;另一類是表格法，以查表為手段，通過分段線性化來逼近傳感器的非線性特性曲線。

　　近些年來，隨著神經(jīng)網(wǎng)絡的發(fā)展，又有不少學者利用神經(jīng)網(wǎng)絡的非線性回歸能力，擬合傳感器輸出與輸入的非線性關系，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)絡構成的系統(tǒng)線性化。但是，該方法也存在一定的局限性，主要表現(xiàn)在：1)神經(jīng)網(wǎng)絡存在局部極小和過學習問題，易影響網(wǎng)絡的泛化能力，因此，對樣本的數(shù)量和質量依賴強;2)網(wǎng)絡訓練結果與網(wǎng)絡初值、樣本次序等有關，所建逆模型不具備唯一性;3)一般不能給出非線性校正環(huán)節(jié)(逆模型)的數(shù)學解析表達式。

　　本文在前人研究的基礎上，將現(xiàn)代方法與傳統(tǒng)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/辨識傳感器非線性逆模型的新方法，最后，通過鉑銠30-鉑銠6熱電偶(B型)非線性校正實例，驗證了上述結論。

　　1 傳感器非線性校正原理

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

　　為了消除或補償傳感系統(tǒng)的非線性特性，可使其輸出y，通過一個補償環(huán)節(jié)，如圖1所示。該模型的特性函數(shù)為u=g(y)，其中，u為非線性補償后的輸出，它與輸入信號x呈線性關系，并使得補償后的傳感器具有理想特性。很明顯，函數(shù)g(