[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

说明书

技术领域

本发明涉及一种智能传感器迟滞误差补偿方法，特别涉及一种基于马氏核FCM算法的谐振式智能传感器迟滞误差补偿技术，可以自适应的调整误差补偿网络参数。

背景技术

谐振式智能传感器作为一种常用传感器，具有精度高，性能稳定，抗干扰能力强等特点。但是由于材料特性等导致的非线性误差一直是影响谐振式智能传感器精度的一大障碍。这其中一个重要组成部分就是迟滞误差。现有的迟滞误差处理方法一般采用最小二乘法：即通过多项式拟合非线性迟滞曲线，使下式最小

E²=∑[F(x_i)-Yi_]²

完成对迟滞误差的补偿。上述方法虽然计算量小，计算速度高，但是由于最小二乘法算法的局限性，算法精度并不高。或者依赖于某种迟滞模型，如Preisach模型或JA模型，，Bouce-Wen模型等进行运算，如下式是Preisach模型的迟滞误差计算公式

通过上式对迟滞曲线进行描述（参见图1）可见，其中α为当前迟滞环最大值，β为当前迟滞环最小值，u(t)为当前输入，μ(α，β，u(t))，v(α)为相应迟滞环的权值函数，或1，由上述公式可以看出采用利用迟滞模型对误差进行补偿，如果要求满足系统输出精度，比将引入过多的参数，从而导致运算复杂，系统存储规模大，实时性差等特点，并且参数的确定也要求大量实验。

对于高精度谐振式智能传感器，对传感器输出精度及传感器实时性都具有很高的要求，从上述两种算法中可以看出，在不增加现有硬件系统成本的条件下，现有算法难以在运算速度和算法实时性中取得很好的平衡，若要求同时满足精度和运算速度的要求，只有增加硬件系统处理速度，带来整个智能传感器系统成本的提升。

发明内容

本发明的目的在于克服上述现有技术的缺点，提供一种基于马氏核FCM算法的谐振式智能传感器迟滞误差补偿方法。具有网络规模小，参数少，计算速度快，精度高，可扩展性强的优点。该算法对各输入量在高维空间内非正交展开的方法，尤其适合对智能传感器进行误差补偿。

为实现上述目的，本发明采用以下技术方案：

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，（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。

作为本发明的优选实施例，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；

作为本发明的优选实施例，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）得到的距离r计算隶属度μ_ik：