基于遺傳支持向量機算法的壓力變送器溫度補償方法

羅元成，張 進

(1.重慶工程職業技術學院 信息工程學院， 重慶 400050；(2.重慶川儀自動化股份有限公司 技術中心， 重慶 401121)

【信息科學與控制工程】

基于遺傳支持向量機算法的壓力變送器溫度補償方法

羅元成1，張 進2

(1.重慶工程職業技術學院 信息工程學院， 重慶 400050；(2.重慶川儀自動化股份有限公司 技術中心， 重慶 401121)

由于膜電式壓力變送器的測量數據會隨著溫度的變化而發生溫度漂移，針對該問題，提出了遺傳(GA)算法和支持向量機(SVM)算法相結合的方法對壓力變送器的輸出數據進行補償處理，通過遺傳算法優化SVM參數C、δ2，然后利用SVM的函數擬合建立補償模型；通過分析工程實驗結果，該方法在全局收斂性、非線性目標函數逼近能力等方面效果顯著，在壓力傳感器溫度補償處理上具有較高的實用性。

遺傳(GA)算法；壓力變送器；函數擬合；溫度漂移

在自動化過程儀表領域內，膜電式壓力變送器是應用十分廣泛的一種變送器[1]，它的作用是把獲取的壓力信號轉換為可以實際輸出的D/A數字信號。在實際工程應用中，由于受到溫度等外界因素的影響，會產生溫度漂移的現象；因此，為了減小溫度變化對于測量數據的誤差影響，應該使用合理有效的算法來提高輸出精度。

目前，應用較為廣泛的溫補算法有：三階樣條插入法[2]、RBF神經網絡算法和最小二乘算法等。這些算法雖然有很好的函數逼近效果，但是其面對輸入變量為非線性集合時，存在算法較為復雜、擬合精度不高、收斂速度較慢、容易陷入局部極小等缺點。

本研究結合遺傳算法具有全局優化能力的特點，使其對支持向量機的參數C、δ2進行非線性回歸處理，然后建立起SVM的線性回歸函數溫度補償模型[3]，來對壓力變送器的輸出數據進行溫度補償。支持向量機與遺傳算法融合在一起，可以大大提高其全局的搜索能力[4]，更好地實現對壓力傳感器的溫度補償。

1 支持向量機回歸模型

支持向量機(SVM)的基本思路是假設數據的樣本集合為(xi,yi)(其中，i=1,2,…,n；實際輸出集合為yi，待優化輸入集xi∈RN)，然后將輸入空間集合xi通過一個非線性映射φ映射到一個更高維的特征向量空間F，在這個特征空間F中得到支持向量機的線性回歸函數[5-6]

y=[ω?φ(x)]+b

(1)

式中：ω為權值向量；“?”表示內積；φ(x)為非線性變換；b為閾值。

根據數理統計學理論，建立參數ω、b的最小化的線性回歸函數為

(2)

(3)

(4)

通過計算上述過程，可以得到支持向量機回歸函數[8]

(5)

式中：K(x,xi)=φ(x)·φ(xi)為核函數；本研究采用的是較為常用的徑向基核函數[9]為

2 遺傳算法優化支持向量機參數

遺傳算法的步驟是初始化編碼生成待優化的參數集合，通過計算個體之間的適應度函數值，并保留適應度大的個體，進行變異[10]和交叉[10]操作，反復進行遺傳迭代直到達到算法終止條件。遺傳算法在應用于參數優化問題時，算法實現較為簡單，并且不易陷入局部最小化。

影響支持向量機(SVM)逼近擬合效果主要有2個因素：懲罰系數C、核函數參數δ2；因此，可以通過遺傳算法來優化SVM參數C、δ2，使用遺傳算法優化SVM參數流程如圖1所示。

圖1 GA-SVM算法流程

1) 遺傳算法種群初始化編碼

參數C、δ2的優化區間為(1～200)和(0.01～100)，參數C、δ2采用二進制編碼的長度分別為10、12(假設參數C、δ2的初始化隨機值為155、60；表示為二進制碼：0010011011、000000111100)，將這個隨機的22位二進制編碼設置為初始的染色體。

2) 適應度函數[11]

支持向量機(SVM)的擬合效果的好壞取決于選擇適當的適應度函數，本算法選取適應度函數為均方誤差方程[12]

(6)

式中：Mi和Ni分別表示樣本的輸入值和實際輸出值；n為測試樣本的個數。

3) 復制、交叉、變異

4) 終止條件判斷

如果在設定的最大迭代次數之前，適應度函數值達到了設置的最大極值并收斂于此，滿足遺傳算法的終止條件，即停止遺傳操作。

3 數據標定與結果分析

實驗仿真一共選取5個溫度補償點作為標定基點： -25℃、5℃、25℃、75℃、90℃， 在壓力標定點的滿量程百分比為1、0.75、0.5、0.4、0.3、0.2、0.1、0.05和0；然后選取GA-SVM初始化參數為：繁殖種群規模為20，最大迭代次數為30次，交叉概率為0.85，變異概率為0.35，停止迭代條件為eMSE≤0.98。

使用GA-SVM算法以后得到的最終參數為：C=67.432，δ2=2.598，SVM回歸函數系數(ai-a*i)為[-5.322 1, 2.435 6, 5.325 6, -11.239 0, 6.003 2, 6.432 5, 7.009 6, 32.321, 20.930 4, 15.567 3, 32.091 2, -10.738 9, -32.392 0, 4.564 5, -0.129 0]，線性回歸函數常數項b=-6.486 0。表1、表2是變送器在溫度補償點下的壓力標定、溫度標定的采樣數據，表3為在實驗溫度25℃下GA-SVM算法補償后壓力輸出值。

通過表3實驗結果可以看出：經過遺傳算法處理后，迭代到第25次時，適應度函數eMSE達到了0.978 7，傳感器實際輸出誤差在±1.00%的范圍之內，圖2、圖3分別為懲罰因子C、核函數參數δ2隨遺傳迭代次數的變化曲線。

圖4為在實驗溫度25℃下，壓力變送器的理論標定值與實際輸出值之間的擬合曲線對比圖。

表1 壓力標定采樣數據

表2 溫度標定采樣數據

表3 實驗溫度25℃測試及誤差分析

圖2 懲罰因子C隨迭代次數收斂曲線

圖3 核函數參數δ2隨迭代次數收斂曲線

圖4 GA-SVM算法壓力輸出值擬合曲線

4 結論

針對壓力變送器隨著溫度變化輸出結果發生漂移的現象，提出了一種遺傳算法與支持向量機相融合的補償方法，實驗結果表明該算法明顯降低了溫度變化而引起壓力變送器輸出結果的誤差，克服了在迭代時容易陷入局部最小的缺點，提高了變送器壓力輸出的穩定性和可靠性，獲得了很好的補償效果，在實際工程中有很好的應用價值。

[1] 蘆明霞，李昂.光纖光柵的概述及其應用[J].科技信息.2009(8):276.

[2] 徐士良.數值分析與算法[M].北京：機械工業出版社,2007.

[3] 朱雪凌，李強，基于遺傳算法的風電場最優接入容量問題研究[J].電力系統保護與控制，2010,38(9):55-60.

[4] 祝海龍，張海軍.基于小波變換和支持向量機的人臉檢測系統[J].西安交通大學學報，2002,36(9):946-950.

[5] HANDL J.An cvolutionary appoarch to multiobjcctivc clustcring[J].IEEE Transactions on Evolutionary Computation,2007,11(1):56-60.

[6] 李良敏，王生昌.基于遺傳算法的回歸型支持向量機參數選擇法[J].計算機工程與應用，2008,44(7):23-26.

[7] 鄧乃揚.數據挖掘中新方法—支持向量機[M].北京：科學出版社，2004.

[8] Pramanik C,Saha H.Temperature Compensation of Piezoresistative Micro-Machined Porous Silicon Pressure Sensor by ANN[J].Micorelectronics Reliability,2006(46):343-351.

[9] 徐科軍.基于靜動態分離的MAF傳感器動態非線性建模[J].儀器儀表學報，2009,30(2):280-286.

[10]周鳴爭，汪軍.基于支持向量機的傳感器非線性誤差校正[J].電子科技大學學報，2006,35(2):242-245.

[11]唐浩，屈梁生.基于支持向量機的發動機故障診斷[J].西安交通大學學報，2007,41(9):1124-1126.

[12]喬立巖，馬云形.基于遺傳算法和支持向量機的特征子集選擇方法[J].電子測量與儀器學報，2006,20(1):1-5.

(責任編輯 楊繼森)

Method Based on Genetic with Support Vector Machine of Pressure Transmitter Compensation

LUO Yuan-cheng1, ZHANG Jin2

(1.College of Information Engineering, Chongqing Vocational Institute of Engineering, Chongqing 400050, China; 2. Technique Center, Chongqing Chuanyi Automation Co., LTD., Chongqing 401121, China)

Because that the grating measuring data isolation pressure transmitter occur temperature drift and zero drift due to temperature change, this paper combined genetic algorithm(GA) with support vector machine (SVM) method of algorithm for compensating treatment of the output data of pressure transmitter, which got the parametersCandδ2with the SVM though genetic method optimize, and then got the model of the SVM function fitting. Through the analysis of engineering experiments, the proposed method has significantly affect in approximation ability and other aspects of the nonlinear target function and global convergence function and has much practicability in temperature compensation of pressure sensor.

algorithm with Genetic (GA); pressure transmitter; function fitting; temperature drift

2015-03-02

重慶市經委技術創新專項“科里奧利力質量流量計傳感器開發”(cstc2014yykfB70006)

羅元成(1982—)，男，實驗師，主要從事計算機網絡工程研究。

10.11809/scbgxb2015.08.029

羅元成，張進.基于遺傳支持向量機算法的壓力變送器溫度補償方法[J].四川兵工學報，2015(8):115-118.

format:LUO Yuan-cheng, ZHANG Jin.Method Based on Genetic with Support Vector Machine of Pressure Transmitter Compensation[J].Journal of Sichuan Ordnance,2015(8):115-118.

TP181

A

1006-0707(2015)08-0115-04