[发明专利]一种基于双支持向量机的传感器测量方法

权利要求书

1.一种基于双支持向量机的传感器测量方法，其特征是：利用传感器标定数据建立数据样本，应用支持向量机分别构建传感器逆模型和误差模型，具体步骤如下：

步骤1：对传感器在工况环境下进行标定，得到n个传感器输出输入数据(y_i，x_i)，其中：y_i 与x_i分别为传感器输出值与输入值(i=1，2，…，n)；并将其分为训练样本集S1与测试样本集S2两部分；

步骤2：由训练样本集S1建立一个基于支持向量机的传感器逆模型，传感器逆模型的参数由智能优化算法及测试样本集S2误差最小的准则进行选择与优化；

步骤3：由传感器输出y_i与传感器逆模型输出误差e_i数据 (y_i，e_i)建立数据样本(i=1，2，…，n)，并将其分为训练样本集S3与测试样本集S4两部分；

步骤4：由训练样本集S3构建一个基于支持向量机的误差模型，误差模型的参数由智能优化算法及测试样本集S4误差最小的准则进行选择与优化；

步骤5：在实际测量时，将传感器逆模型的输出值x*与误差模型的输出值e*相减，其差值z＝x*-e*作为被测量的真值。

2.根据权利要求1所述的一种基于双支持向量机的传感器测量方法，特征在于：传感器逆模型由训练样本集S1构建，其模型参数采用量子粒子群优化算法及测试样本集S2的圴方根误差RMSE与最大绝对误差MAE同时最小的准则进行优化；

RMSE与MAE的表达式分别为：

                       (1)                                    

                                (2)                              

其中，为模型输出值，为模型期望输出值，n为测试样本集的样本数。

3.根据权利要求1所述的一种基于双支持向量机的传感器测量方法，特征在于：误差模型由训练样本集S3构建，其模型参数采用量子粒子群优化算法及测试样本集S4的圴方根误差RMSE与最大绝对误差MAE同时最小的准则进行优化；

RMSE与MAE的表达式分别为：

                       (1)                                    

                                (2)                              

其中，为模型输出值，为模型期望输出值，n为测试样本集的样本数。