[发明专利]基于马氏核FCM算法的谐振式智能传感器迟滞误差补偿方法

权利要求书

1.一种基于马氏核FCM算法的谐振式智能传感器迟滞误差补偿方法，其特征在于：包括以下步骤：

（1）对谐振式传感器的输入输出数据进行采集，构成输入输出训练数据集；

（2）初始化网络：根据数据集数量和补偿精度、补偿速度选择网络参数，包括网络中心节点数，并对马氏矩阵赋初值；

（3）将输入向量投影到马氏空间送入网络进行模糊聚类直至相邻两次的聚类相同；

（4）通过完成聚类的数据进行输出层权值计算，计算输出误差，若不满足精度要求，则返回步骤（2），对马氏矩阵进行调整，重复以上步骤，直到满足终止精度要求，循环停止，最后进行网络输出权值计算。

2.如权利要求1所述基于马氏核FCM算法的谐振式智能传感器迟滞误差补偿方法，其特征在于，步骤（1）中的数据集中至少包含加载区间内的极大值及极小值。

3.如权利要求1所述基于马氏核FCM算法的谐振式智能传感器迟滞误差补偿方法，其特征在于，步骤（3）中聚类按照以下步骤进行：

3.1）将步骤（1）中的数据集送入网络中；

3.2）按照如下公式，计算马氏核的中心点初值C对数据集x的马氏距离r：

||x-c||M=(x-c)TMTM(x-c),]]>

其中，M为马氏矩阵，T为矩阵转置符号；

3.3）根据步骤3.2）得到的马氏距离r计算隶属度μ_ik：

μik=1Σj=1K(||xk-ci||||xk-cj||)2m-1,]]>

其中，j为核函数编号，即第j个核函数，K为核函数个数，m为模糊聚类参数；

3.4）根据隶属度对马氏核中心进行调整：

ci=Σi=1N(uik)mxi/Σi=1N(uik)m,]]>

其中，c_i为马氏核的中心点值，N为训练数据集中的数据个数；

3.5）判断聚类是否完成，若没有完成，重复步骤3.1）至3.4），直至聚类完成。