基于支持向量机的传感器非线性误差校正.pdfVIP

电子发烧友 电子技术论坛 第35 卷 第2 期 电 子 科 技 大 学 学 报 Vol.35 No.2 2006 年4 月 Journal of UEST of China Apr. 2006 基于支持向量机的传感器非线性误差校正 周鸣争 ，汪 军 (安徽工程科技学院计算机科学与工程系 安徽 芜湖 241000) 【摘要】提出了一种用支持向量机校正传感器非线性误差的原理和方法。该算法只依据样本就可以正确辩识传感器逆模 型特征，而不需关于逆模型函数形式的任何先验知识，并将原问题转化为一个凸二次优化问题，能够保证找到的极值解就是 全局最优解，具有较好的泛化能力。通过对电容式湿敏传感器误差校正的应用表明：该算法可取得较好的效果。 关 键 词 支持向量机; 传感器; 非线性误差; 校正 中图分类号 TP18 文献标识码 A Nonlinear Errors Correction of Sensors Based on Support Vector Machine ZHOU Ming-zheng ，WANG Jun (Dept of Comp Sci. Eng., Anhui University of Technology and Science Wuhu Anhui 241000) Abstract Principle and method of correcting nonlinear error of sensors based on the support vector machine is given. The algorithm can identify and know the contrary model characteristic of sensor correctly only according to the sample, having no use for any priori knowledge about contrary model function. It also convert original problem into protruding quadratic optimizing of question. The algorithm can ensure that extreme solution is optimal and have ability of common. In the end, through using in application of wet-capacitance sensor error correction, the algorithm can make better result. Key words support vector machine; sensors; nonlinear errors; correct 近年来，有些学者通过采用人工神经网络来解决这种非线性误差校正问题[1]，但由于神经网络算法存在 有局部极小点，泛化非线性映射的能力不强，有时较难达到测控系统精度的要求。 支持向量机(Support Vector Machine，SVM)是一种新的机器学习方法[2]，它建立在统计学习理论的基础 上，根据文献[3-4]的结构风险最小化原则，具有较好的泛化能力。对于有限样本学习问题已经表现出很多 优于已有方法的性能。同时SVM算法是一个凸二次优化问题，能够保证找到的极值解就是全局最优解，能 较好地解决小样本、非线性和高维数的问题。本文针对传感器非线性误差校正的需求，提出了一种基于支 持向量机的传感器非线性误差的校正算法。 1 校正原理及算法 众所周知，在测控系统中，通常采用传感