System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及蠕变测量及补偿,尤其涉及一种基于实时数据拟合的电阻应变式传感器蠕变补偿方法。
技术介绍
1、影响电阻应变式传感器精度的主要原因之一是传感器的蠕变指标。这种传感器蠕变是由弹性体产生的正蠕变、应变片和应变胶负蠕变综合影响而形成的。现阶段一般采取对传感器蠕变特性进行提前测量并标定的方法对电阻应变式传感器的蠕变特性进行补偿。
2、但这种方法需要准确的找到电阻应变式传感器从快速加载阶段或快速卸载阶段到传感器蠕变阶段的拐点,才能较为准确的对蠕变曲线进行测量并在此基础上对传感器的精度进行补偿,但在实际情况下该拐点很难准确的找到。
技术实现思路
1、本专利技术为解决上述问题,提供一种基于实时数据拟合的电阻应变式传感器蠕变补偿方法,通过引入种群优化算法,避开拐点的寻找,实现对任意加载量或卸载量的对应蠕变进行实时补偿。
2、本专利技术提供的基于实时数据拟合的电阻应变式传感器蠕变补偿方法,具体包括以下步骤:
3、基于实时数据拟合的电阻应变式传感器蠕变补偿方法,其特征在于,具体包括以下步骤:
4、s1、运行电阻应变式传感器一段时间,并以固定的时间间隔对电阻应变式传感器的输出进行采样,得到实际输出组,并根据式(1)得到在快速加载情况下的拟合公式(2),以及快速卸载情况下的拟合公式(3):
5、
6、其中,参数b、参数a和参数k均表示寻优参数,参数t表示蠕变时间,参数表示电阻应变式传感器的输出数据所对应的时间参数,参数表示寻
7、s2、初始化种群优化算法,生成多组参数b、参数a、参数k以及参数,并根据电阻应变式传感器的工作状态将参数b、参数a、参数k以及参数以相同的运行时间及时间间隔,代入拟合公式(2)或拟合公式(3)中,得到多组理论输出组,且理论输出组的组数与四个参数的组数一致;
8、s3、分别计算每组理论输出组与实际输出组的rmse,选取rmse中的最小值对应的理论输出组所对应的参数b、参数a、参数k以及参数作为最优解,并保存最优解;
9、s4、以最优解为参考,根据种群优化算法中的更新原则对参数b、参数a、参数k以及参数进行更新,并重复步骤s3;当操作次数达到设定重复次数,或同一方差值保持规定次数不变时,停止操作;
10、s5、将最终的参数b作为电阻应变式传感器在未蠕变前的原值,实现对电阻应变式传感器进行实时蠕变补偿。
11、进一步的,当采用布谷鸟优化算法种群优化算法时,在执行步骤s2~s4时,进行如下计算过程进行寻优和迭代计算:
12、a1、根据步骤s1中电阻应变式传感器的输出及式(1),设定最大迭代次数n、种群规模q、搜索空间维度、搜索上下界,生成初始参数集、、以及;
13、a2、将初始参数集以步骤s2的方式代入拟合公式(2)或拟合公式(3)中,得到多组理论输出组;分别计算每一组理论输出组与实际输出组的rmse,选取rmse中的最小值,将最小rmse对应的理论输出组设定为最优输出组;
14、a3、以最优输出组对应的最优参数、、以及为参考,基于布谷鸟优化算法中的莱维飞行机制对第i次迭代的参数集、、以及进行更新,;
15、a4、由当前参数集、、以及下得到当前理论输出组,重新计算实际输出组与每一组当前理论输出组的rmse,选出并更新理论输出组中的最优输出组对应的最优参数、、以及;
16、a5、若达到迭代次数达到最大迭代次数n或满足指定搜索精度时,输出全局最优参数、、以及,否则循环步骤a3~a4。
17、进一步的,当采用粒子群算法种群优化算法时,在执行步骤s2~s4时,进行如下计算过程进行寻优和迭代计算:
18、b1、设定最大迭代次数n,初始更新速度组以及初始参数集、、以及;
19、b2、将初始参数集代入拟合公式(2)或拟合公式(3)中,并生成多组理论输出组;分别计算每一组理论输出组与实际输出组的rmse,选取rmse中的最小值,将最小rmse对应的理论输出组设定为最优输出组,每一组理论输出组设定为本组最优输出;
20、b3、以最优输出组对应的最优参数、、以及,本组最优输出对应的本组最优参数、、以及为基准,利用粒子群算法更新参数集、、,,以及更新速度组;
21、b4、由当前参数集、、以及下得到当前理论输出组,重新计算实际输出组与每一组当前理论输出组的rmse,选出并更新理论输出组中的最优输出值对应的最优参数、、以及;比较每组理论输出组对应的rmse与本组最优输出对应的rmse,选择较小的rmse对应的理论输出组更新为本组最优输出;
22、b5、若达到迭代次数达到最大迭代次数n或满足指定搜索精度时,输出全局最优参数、、以及,否则循环步骤b3~b4。
23、与现有技术相比,本专利技术能够取得如下有益效果:
24、本专利技术提供了一种新的传感器蠕变补偿方法,在避开现有方法中很难找到的拐点,通过引入种群优化算法,将传统的基于电阻应变式传感器蠕变特性曲线提前标定的问题,转变为对参数进行的寻优问题,保证蠕变补偿效果的同时,将低计算难度,实现对任意加载量或卸载量的对应蠕变进行实时补偿。
本文档来自技高网...【技术保护点】
1.一种基于实时数据拟合的电阻应变式传感器蠕变补偿方法,其特征在于,具体包括以下步骤:
2.根据权利要求1所述的基于实时数据拟合的电阻应变式传感器蠕变补偿方法,其特征在于,当采用布谷鸟优化算法所述种群优化算法时,在执行所述步骤S2~S4时,进行如下计算过程进行寻优和迭代计算:
3.根据权利要求1所述的基于实时数据拟合的电阻应变式传感器蠕变补偿方法,其特征在于,当采用粒子群算法所述种群优化算法时,在执行所述步骤S2~S4时,进行如下计算过程进行寻优和迭代计算:
【技术特征摘要】
1.一种基于实时数据拟合的电阻应变式传感器蠕变补偿方法,其特征在于,具体包括以下步骤:
2.根据权利要求1所述的基于实时数据拟合的电阻应变式传感器蠕变补偿方法,其特征在于,当采用布谷鸟优化算法所述种群优化算法时,在执行所述步骤s2~...
【专利技术属性】
技术研发人员:李德全,王栋,代应笠,
申请(专利权)人:中国科学院长春光学精密机械与物理研究所,
类型:发明
国别省市:
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。