基于遗传支持向量机算法的压力变送器温度补偿方法

罗元成，张 进

(1.重庆工程职业技术学院 信息工程学院， 重庆 400050；(2.重庆川仪自动化股份有限公司 技术中心， 重庆 401121)

【信息科学与控制工程】

基于遗传支持向量机算法的压力变送器温度补偿方法

罗元成1，张 进2

(1.重庆工程职业技术学院 信息工程学院， 重庆 400050；(2.重庆川仪自动化股份有限公司 技术中心， 重庆 401121)

由于膜电式压力变送器的测量数据会随着温度的变化而发生温度漂移，针对该问题，提出了遗传(GA)算法和支持向量机(SVM)算法相结合的方法对压力变送器的输出数据进行补偿处理，通过遗传算法优化SVM参数C、δ2，然后利用SVM的函数拟合建立补偿模型；通过分析工程实验结果，该方法在全局收敛性、非线性目标函数逼近能力等方面效果显著，在压力传感器温度补偿处理上具有较高的实用性。

遗传(GA)算法；压力变送器；函数拟合；温度漂移

在自动化过程仪表领域内，膜电式压力变送器是应用十分广泛的一种变送器[1]，它的作用是把获取的压力信号转换为可以实际输出的D/A数字信号。在实际工程应用中，由于受到温度等外界因素的影响，会产生温度漂移的现象；因此，为了减小温度变化对于测量数据的误差影响，应该使用合理有效的算法来提高输出精度。

目前，应用较为广泛的温补算法有：三阶样条插入法[2]、RBF神经网络算法和最小二乘算法等。这些算法虽然有很好的函数逼近效果，但是其面对输入变量为非线性集合时，存在算法较为复杂、拟合精度不高、收敛速度较慢、容易陷入局部极小等缺点。

本研究结合遗传算法具有全局优化能力的特点，使其对支持向量机的参数C、δ2进行非线性回归处理，然后建立起SVM的线性回归函数温度补偿模型[3]，来对压力变送器的输出数据进行温度补偿。支持向量机与遗传算法融合在一起，可以大大提高其全局的搜索能力[4]，更好地实现对压力传感器的温度补偿。

1 支持向量机回归模型

支持向量机(SVM)的基本思路是假设数据的样本集合为(xi,yi)(其中，i=1,2,…,n；实际输出集合为yi，待优化输入集xi∈RN)，然后将输入空间集合xi通过一个非线性映射φ映射到一个更高维的特征向量空间F，在这个特征空间F中得到支持向量机的线性回归函数[5-6]

y=[ω⊗φ(x)]+b

(1)

式中：ω为权值向量；“⊗”表示内积；φ(x)为非线性变换；b为阈值。

根据数理统计学理论，建立参数ω、b的最小化的线性回归函数为

(2)

(3)

(4)

通过计算上述过程，可以得到支持向量机回归函数[8]

(5)

式中：K(x,xi)=φ(x)·φ(xi)为核函数；本研究采用的是较为常用的径向基核函数[9]为

2 遗传算法优化支持向量机参数

遗传算法的步骤是初始化编码生成待优化的参数集合，通过计算个体之间的适应度函数值，并保留适应度大的个体，进行变异[10]和交叉[10]操作，反复进行遗传迭代直到达到算法终止条件。遗传算法在应用于参数优化问题时，算法实现较为简单，并且不易陷入局部最小化。

影响支持向量机(SVM)逼近拟合效果主要有2个因素：惩罚系数C、核函数参数δ2；因此，可以通过遗传算法来优化SVM参数C、δ2，使用遗传算法优化SVM参数流程如图1所示。

图1 GA-SVM算法流程

1) 遗传算法种群初始化编码

参数C、δ2的优化区间为(1～200)和(0.01～100)，参数C、δ2采用二进制编码的长度分别为10、12(假设参数C、δ2的初始化随机值为155、60；表示为二进制码：0010011011、000000111100)，将这个随机的22位二进制编码设置为初始的染色体。

2) 适应度函数[11]

支持向量机(SVM)的拟合效果的好坏取决于选择适当的适应度函数，本算法选取适应度函数为均方误差方程[12]

(6)

式中：Mi和Ni分别表示样本的输入值和实际输出值；n为测试样本的个数。

3) 复制、交叉、变异

4) 终止条件判断

如果在设定的最大迭代次数之前，适应度函数值达到了设置的最大极值并收敛于此，满足遗传算法的终止条件，即停止遗传操作。

3 数据标定与结果分析

实验仿真一共选取5个温度补偿点作为标定基点： -25℃、5℃、25℃、75℃、90℃， 在压力标定点的满量程百分比为1、0.75、0.5、0.4、0.3、0.2、0.1、0.05和0；然后选取GA-SVM初始化参数为：繁殖种群规模为20，最大迭代次数为30次，交叉概率为0.85，变异概率为0.35，停止迭代条件为eMSE≤0.98。

使用GA-SVM算法以后得到的最终参数为：C=67.432，δ2=2.598，SVM回归函数系数(ai-a*i)为[-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]，线性回归函数常数项b=-6.486 0。表1、表2是变送器在温度补偿点下的压力标定、温度标定的采样数据，表3为在实验温度25℃下GA-SVM算法补偿后压力输出值。

通过表3实验结果可以看出：经过遗传算法处理后，迭代到第25次时，适应度函数eMSE达到了0.978 7，传感器实际输出误差在±1.00%的范围之内，图2、图3分别为惩罚因子C、核函数参数δ2随遗传迭代次数的变化曲线。

图4为在实验温度25℃下，压力变送器的理论标定值与实际输出值之间的拟合曲线对比图。

表1 压力标定采样数据

表2 温度标定采样数据

表3 实验温度25℃测试及误差分析

图2 惩罚因子C随迭代次数收敛曲线

图3 核函数参数δ2随迭代次数收敛曲线

图4 GA-SVM算法压力输出值拟合曲线

4 结论

针对压力变送器随着温度变化输出结果发生漂移的现象，提出了一种遗传算法与支持向量机相融合的补偿方法，实验结果表明该算法明显降低了温度变化而引起压力变送器输出结果的误差，克服了在迭代时容易陷入局部最小的缺点，提高了变送器压力输出的稳定性和可靠性，获得了很好的补偿效果，在实际工程中有很好的应用价值。

[1] 芦明霞，李昂.光纤光栅的概述及其应用[J].科技信息.2009(8):276.

[2] 徐士良.数值分析与算法[M].北京：机械工业出版社,2007.

[3] 朱雪凌，李强，基于遗传算法的风电场最优接入容量问题研究[J].电力系统保护与控制，2010,38(9):55-60.

[4] 祝海龙，张海军.基于小波变换和支持向量机的人脸检测系统[J].西安交通大学学报，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.基于遗传算法的回归型支持向量机参数选择法[J].计算机工程与应用，2008,44(7):23-26.

[7] 邓乃扬.数据挖掘中新方法—支持向量机[M].北京：科学出版社，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] 徐科军.基于静动态分离的MAF传感器动态非线性建模[J].仪器仪表学报，2009,30(2):280-286.

[10]周鸣争，汪军.基于支持向量机的传感器非线性误差校正[J].电子科技大学学报，2006,35(2):242-245.

[11]唐浩，屈梁生.基于支持向量机的发动机故障诊断[J].西安交通大学学报，2007,41(9):1124-1126.

[12]乔立岩，马云形.基于遗传算法和支持向量机的特征子集选择方法[J].电子测量与仪器学报，2006,20(1):1-5.

(责任编辑 杨继森)

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

重庆市经委技术创新专项“科里奥利力质量流量计传感器开发”(cstc2014yykfB70006)

罗元成(1982—)，男，实验师，主要从事计算机网络工程研究。

10.11809/scbgxb2015.08.029

罗元成，张进.基于遗传支持向量机算法的压力变送器温度补偿方法[J].四川兵工学报，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