一種基於極限學習機的矽壓力傳感器溫度補償方法
2023-06-10 23:43:36 2
一種基於極限學習機的矽壓力傳感器溫度補償方法
【專利摘要】一種基於極限學習機的矽壓力傳感器溫度補償方法，將在不同溫度下所採集的數據源作為建立極限學習機溫度補償模型的樣本數據，並通過訓練樣本與測試樣本進行極限學習機的矽壓力傳感器溫度補償模型學習與驗證。本發明具有所需特徵變量少、補償速度快、精度高，且最佳隱層節點數的選取自確定優點。
【專利說明】-種基於極限學習機的矽壓力傳感器溫度補償方法
【技術領域】
[0001] 本發明屬於矽壓力傳感器【技術領域】，具體涉及一種基於極限學習機算法的矽壓力 傳感器溫度補償方法。
【背景技術】
[0002] 隨著MEMS技術的成熟，矽壓阻式傳感器由於成本低、尺寸小、精度高與易加工等 特點，在工業等領域中有著廣泛的需求與應用前景。傳感器的準確性（即精度參數）對整 個測量系統的性能起著決定性作用；但作為核心的矽壓阻膜片對溫度變化敏感，從而使傳 感器的零點和靈敏度在不同的溫度測量時產生漂移現象。因此，為了降低矽自身的溫度特 性所帶來的影響，需要採用溫度補償技術對其進行校正。目前，除了採用差動設計方案外， 常用的溫度補償方法主要有兩大類：硬體補償和軟體補償。硬體補償主要有雷射調阻，外接 電阻與電橋補償等；但硬體方法存在調試困難、精度低、通用性差等缺點，不利於工程實際 應用。軟體方法主要有最小二乘法、樣條插值擬合法、支持向量機與神經網絡等。相對硬體 方法，軟體補償技術可以較好地解決精度低與通用性差等問題，因而得到越來越多的重視。 但軟體方法中廣泛使用的二元回歸方法補償精度達不到高精度要求，且當前較為流行的支 持向量機、BP神經網絡以及徑向基網絡方法儘管其補償精度高，但存在配置參數複雜，網絡 訓練時間較長等缺陷。總之，現有的補償方法存在各自的問題，難以滿足高精度，易通用以 及工程化的需求。
【發明內容】
[0003] 為了克服上述現有技術補償的缺點，本發明的目的在於提供一種基於極限學習機 的矽壓力傳感器溫度補償方法，具有計算速度快、精度高，單參數配置的優點。
[0004] 為了實現上述目的，本發明採用的技術方案為：
[0005] -種基於極限學習機的矽壓力傳感器溫度補償方法，包括以下步驟：
[0006] 步驟1 :在要求的溫度補償範圍與壓力測量範圍內，採集壓力傳感器與溫度傳感 器輸出的壓力信號V與溫度信號T以及測量壓力P，並組成數據源；
[0007] 步驟2 :選取在不同溫度與壓力條件下的數據源作為樣本數據，對樣本數據進行 歸一化處理，並分為訓練樣本與測試樣本；配置極限學習機的輸入層、隱層、輸出層節點數 以及隱層節點的激勵函數f(x);設定溫度補償後需要達到的精度；
[0008] 步驟3 :判斷隱層節點數是否大於訓練樣本數，若前者不大於後者，則轉向步驟4， 否則結束溫度補償；
[0009] 步驟4:以訓練樣本數據作為矽壓力傳感器極限學習機溫度補償模型的輸入，進 行模型學習；
[0010] 步驟5 :以測試樣本數據對步驟5得到的極限學習機矽壓力傳感器溫度補償模型 進行驗證；
[0011] 步驟6 :判斷補償精度是否滿足要求，若滿足精度要求，則結束溫度補償，否則，增 加一個隱層節點且轉向步驟3。
[0012] 所述步驟2中對樣本選取採用等間隔原貝u ;對樣本數據的每列採用
【權利要求】
1. 一種基於極限學習機的矽壓力傳感器溫度補償方法，其特徵在於，包括以下步驟： 步驟1 :在要求的溫度補償範圍與壓力測量範圍內，採集壓力傳感器與溫度傳感器輸 出的壓力信號V與溫度信號T以及測量壓力P，並組成數據源； 步驟2:選取在不同溫度與壓力條件下的數據源作為樣本數據，對樣本數據進行歸一 化處理，並分為訓練樣本與測試樣本；配置極限學習機的輸入層、隱層、輸出層節點數以及 隱層節點的激勵函數f(x);設定溫度補償後需要達到的精度； 步驟3 :判斷隱層節點數是否大於訓練樣本數，若前者不大於後者，則轉向步驟4,否則 結束溫度補償； 步驟4 :以訓練樣本數據作為矽壓力傳感器極限學習機溫度補償模型的輸入，進行模 型學習； 步驟5 :以測試樣本數據對步驟5得到的極限學習機矽壓力傳感器溫度補償模型進行 驗證； 步驟6 :判斷補償精度是否滿足要求，若滿足精度要求，則結束溫度補償，否則，增加一 個隱層節點且轉向步驟3。
2. 根據權利要求1所述的一種基於極限學習機的矽壓力傳感器溫度補償方 法，其特徵在於：所述步驟2中對樣本選取採用等間隔原則；對樣本數據的每列採用
作歸一化處理，並按2:1樣本數比例且隨機分為訓練樣本與測試 樣本；設置極限學習機的輸入層、隱層、輸出層節點數為2、3、1，隱層節點的激勵函數
;設定溫度補償後需要達到的精度為〇. 001% FS。
3. 根據權利要求1所述的一種基於極限學習機的矽壓力傳感器溫度補償方法，其特徵 在於，所述步驟4的極限學習機溫度補償模型的學習流程包括下列步驟： 步驟4. 1 :對輸入層與隱層之間的權值向量Wi以及隱層節點閾值h進行隨機賦值，範 圍為（〇, 1)，其中i = 々為隱層節點數； 步驟4.2 :計算訓練樣本數據的隱層輸出矩陣H，其中 *其中N為訓練樣本數目，X =
LV TJ ；
步驟4.3:採用SVD(奇異值分解）算法求解Η的廣義逆矩陣 if+ ，其中SE為對S矩陣中的非0數值的倒數； 步驟4. 4 :計算隱層與輸出層之間的權值矩陣
4.根據權利要求1所述的一種基於極限學習機的矽壓力傳感器溫度補償方法，其特徵 在於：所述步驟5極限學習機溫度補償模型的驗證流程包括下列步驟：
步驟5. 1 :輸入測試樣本數據，計算極限學習機的輸出b , j =1,…，Ν' #為測試樣本數； 步驟5. 2 :將極限學習機的輸出結果進行反歸一化處理； 步驟5. 3 :將極限學習機的補償結果與測試樣本中的實際數據&進行比較，計算溫度 補償精度
其中Pspan為壓力傳感器壓力最大測量值。
【文檔編號】G01L19/04GK104122031SQ201410374528
【公開日】2014年10月29日 申請日期:2014年7月31日 優先權日:2014年7月31日
【發明者】趙玉龍, 周冠武, 李村 申請人:西安交通大學