The invention discloses a pressure sensor temperature compensation method of FOA optimal SOM based on RBF, which comprises the following steps: (1) the pressure calibration data collected and normalized experiment were randomly divided into training data and test data, the training data to establish the basic model of RBF network, RBF network to determine the number of hidden layer nodes by using the iterative error convergence speed and accuracy stability; (2) and the number of hidden layer nodes to establish adaptive SOM network RBF network center value obtained by test data; (3) using FOA on RBF network expansion parameters are optimized by the optimization of RBF network and the test data input output compensation network.
【技术实现步骤摘要】
一种基于FOA优化的SOM-RBF的压力传感器温度补偿方法
本专利技术涉及压力传感器温度补偿方法,尤其涉及一种基于FOA优化的SOM-RBF的压力传感器温度补偿方法。
技术介绍
压力传感器中,硅压阻式压力传感器使用最为广泛,发展最为成熟。它利用半导体材料的压阻效应来进行压力测量,体积小、灵敏度高。工程应用中由于硅材料和封装介质受温度的影响,导致传感器的实际输出发生漂移,传感器温度补偿问题是提高传感器性能的一个关键环节。压力传感器主要有两种温度补偿方法:硬件补偿和软件补偿。硬件补偿方法存在调试困难、精度低、成本高、通用性差等缺点,不利于工程应用。利用数字信号处理技术的软件补偿能够克服以上缺点。影响压力传感器温度特性的因素很多,表现为复杂的非线性,传统的线性软件补偿无法满足智能传感器的高精度要求。神经网络具有优秀的非线性系统建模和逼近能力,可实现自适应和自学习,广泛用于非线性系统的回归和拟合、并行处理和优化计算,非常适合应用于解决传感器的温度补偿问题。BP神经网络可用于传感器温度补偿,利用误差反向传播原理,可达到一定输出精度,但网络相对复杂,随机参数较多。
技术实现思路
本专利技术的目的在于克服上述现有技术的缺点和不足,提供一种基于FOA优化的SOM-RBF的压力传感器温度补偿方法。具有较好的补偿精度,一定的鲁棒性和泛化能力。本专利技术通过下述技术方案实现:一种基于FOA优化的SOM-RBF的压力传感器温度补偿方法,包括步骤:步骤(1):将压力标定实验采集得到的样本数据归一化并随机分为训练数据和测试数据,以训练数据建立基本RBF网络模型,利用迭代误差收敛速度和精度 ...
【技术保护点】
一种基于FOA优化的SOM‑RBF的压力传感器温度补偿方法,其特征在于:包括步骤:(1)将压力标定实验采集得到的样本数据归一化并随机分为训练数据和测试数据,以训练数据建立基本RBF网络模型,利用迭代误差收敛速度和精度稳定性确定RBF网络隐含层节点数;(2)利用测试数据和隐含层节点数建立自适应SOM网络得到RBF网络中心值;(3)采用FOA对RBF网络扩展参数进行寻优得到完整的优化RBF网络,最后将测试数据输入网络得到补偿输出。
【技术特征摘要】
1.一种基于FOA优化的SOM-RBF的压力传感器温度补偿方法,其特征在于:包括步骤:(1)将压力标定实验采集得到的样本数据归一化并随机分为训练数据和测试数据,以训练数据建立基本RBF网络模型,利用迭代误差收敛速度和精度稳定性确定RBF网络隐含层节点数;(2)利用测试数据和隐含层节点数建立自适应SOM网络得到RBF网络中心值;(3)采用FOA对RBF网络扩展参数进行寻优得到完整的优化RBF网络,最后将测试数据输入网络得到补偿输出。2.根据权利要求1所述基于FOA优化的SOM-RBF的压力传感器温度补偿方法,其特征在于:步骤(1)具体包括:11)建立RBF网络确定隐含层节点数:若输入向量Xm=[x1,x2,…,xm]T为m列向量,隐含层具有n个隐含节点,则第i个隐含节点的输出为Φ(||Xm-Xi||),Xi=[xi1,xi2,…,xim]T为基函数的中心;输出层包含若干线性单元,每个线性单元与所有隐含节点相连,ωij为第i个隐含层到第j个输出层的权值,网络的最终输出是隐含节点输出的线性加权和;设实际输出为Yk=[yk1,yk2,…,ykm]T,则当训练样本为Xk时,网络的第J个输出神经元的输出为:基函数选用高斯函数,则:其中σ为网络扩展值;随机初始化网络参数,取输出最大相对误差和均方差作为评价标准,并给出目标值;隐含层节点数从最小值开始向最大值迭代,记录误差变化并根据目标值确定节点数。3.根据权利要求1所述基于FOA优化的SOM-RBF的压力传感器温度补偿方法,其特征在于:步骤(2)具体包括:21)构造SOM网络确定网络中心值:SOM采用拓扑学习,不仅更新获胜神经元的权值,每个神经元拓扑结构内临近的神经元权值也会得到更新,使其不仅可学习输入样本的分布,还能识别输入样本的拓扑结构;22)SOM网络的训练步骤为:1)数据处理及参数初始化:选取训练输入数据每个数据为m维向量x=[x1,x2,…,xm],并做归一化处理;随机初始化网络权...
【专利技术属性】
技术研发人员:李开林,杨松,胡国清,李冀,周永宏,邹崇,
申请(专利权)人:华南理工大学,
类型:发明
国别省市:广东,44
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。