基于最小二乘支持向量机的传感器动态补偿方法

介绍和比较标准支持向量机（SVM）和最小二乘支持向量机（LS-SVM）基本原理的基础上,探讨了一种利用LS-SVM进行传感器动态误差补偿的方法,并给出了相应的过程和算法。与标准SVM补偿方法比较,该方法的优点是明显的：用等式约束代替标准SVM算法中的不等式约束,将求解二次规划问题转化为直接求解线性矩阵方程,在相同样本条件下,使得补偿器构造速度提高1～2个数量级。通过对SVM和LS-SVM传感器动态补偿的仿真分析和实验结果对比表明,在噪声条件下,LS-SVM方法的补偿误差约为SVM的40％。因此,LS-SVM补偿方法学习速度快,抗噪声干扰能力强,更适合传感器动态补偿。     

基于改进偏最小二乘的CMM动态误差混合建模分析

三坐标测量机(CMM)动态误差源错综复杂,并且相互影响,因此很难建立一个通过误差源分析误差的准确预测模型.本文以空间测量位置的三维坐标值和测量机测量时的计算机直接控制(DCC)参数,包括移动速度、逼近距离和触测速度作为CMM动态测量误差模型的原始自变量,并通过3B样条变换获得各原始自变量与动态测量误差的非线性关系函数,再利用正交投影法把解释矩阵中与因变量无关的成分扣除掉,得到新的解释矩阵后再用偏最小二乘(PLS)回归进行降维和参数估计,从而得到CMM动态测量误差模型,即基于3B样条-正交投影偏最小二乘(3BS-OPPLS)模型.这样既避免了分析错综复杂的误差源及其相互影响,又能够捕捉各自变量对动态测量误差的非线性影响,并能克服因解释变量过多而产生的多重共线性问题.实验结果表明建立的3BS-OPPLS模型的预测效果优于未经正交投影的3B样条-偏最小二乘(3BS-PLS)模型,模型的预测精度得到显著提高.     

基于最小二乘支持向量机的SOFC电特性建模

针对现有的固体氧化物燃料电池(SOFC)模型过于复杂的弊端,提出了一种基于最小二乘支持向量机(LS-SVM)的建模方法,用具有径向基函数(RBF)核函数的LS-SVM建立了SOFC电堆的非线性模型.应用仿真对建模的有效性和精度进行了检验,并与径向基函数神经网络(RBFNN)模型的辨识效果进行了比较.仿真结果证明,与RBFNN模型相比,LS-SVM模型具有较高的预测精度,这表明用LS-SVM对SOFC电堆进行建模是可行的.该LS-SVM模型的建立,对SOFC系统控制策略的研究具有一定的实用价值.     

基于最小二乘支持向量机的传感器非线性动态系统辨识

讨论了一种基于最小二乘支持向量机的非线性动态传感器系统辨识方法,并给出了相应的推导过程和学习算法.首先,将传感器的非线性动态系统分解为静态非线性子环节和动态线性子环节串联--Hammerstein模型;然后,建立类似线性的中间模型,通过该模型能将Hammerstein模型的非线性传递函数转换为等价的类线性形式;再通过LS-SVM线性回归算法求取中间模型参数;最后推导出中间模型参数与Hammerstein模型参数之间的关系,并通过该关系反演出原传感器系统的Hammerstein模型参数,实现传感器非线性动态辨识.仿真与实际传感器系统辨识的实验结果均表明该方法可行.     

基于RBF神经网络的水轮发电机组动态建模

针对水轮发电机组具有复杂动态特性和不确定性难以精确建原特点，本文提出了采用径向基函数神经网络的水轮发电机组动态建模算法，并进行了仿真实验。实验结果表明用ＲＢＦ神经网络可方便地建立复杂对象４的动态模型，而且具有较高的精确度。     

双剪切梁式力传感器的动态建模

本文介绍了一种双剪切梁式测力传感器的工作原理及对其进行动态校准的实验方法，在时域内用基于沃尔什函数的最小二乘法对系统的校准数据进行了动态建模，获取了系统的连续传递函数。并在频域内将直接由校准数据获取的幅频谱与连续传递函数的仿真幅频谱进行了对比，两者结果是令人满意的。     

相位噪声函数的非线性最小二乘曲线拟合

相位噪声是对频率源频率稳定性的表示,对其幂律谱函数进行拟合,在仿真中非常重要,首先介绍线性最小二乘曲线拟合及非线性最小二乘曲线拟合的原理,然后结合非线性最小二乘曲线拟合函数,对相位噪声幂律谱进行拟合仿真。     

电感式位移传感器动态测试系统的白化建模

本文以全系统动态测试精度理论为基础 ,对一差动互感电感式位移传感器动态测试系统进行“白化”研究 ,建立了系统的动态测试传递链函数及误差传递的“白化”模型 ,并进一步提出误差深化处理的手段———动态测试误差溯源     

基于递归神经网络的传感器非线性动态建模

根据动态校准实验结果建立传感器的动态数学模型,以研究传感器的动态性能,是动态测试的一个重要内容。讨论了递归神经网络模型在传感器动态建模中的应用,给出了递归神经网络模型的结构及相应的训练算法。由于其反馈特征,使得递归神经网络模型能获取系统的动态响应。该方法特别适用于传感器非线性动态建模,而且避免了传感器模型阶次的选择的困难。试验结果表明,应用递归神经网络对传感器进行动态建模是一种行之有效的方法。     

基于液压自然爆膜的压力传感器动态标定方法

介绍了一个基于液压自然爆膜的压力传感器动态校准系统,研究了标定实验数据的处理方法,分析了该系统标定结果的重复性。试验结果表明该标定系统重复性好,可以满足0～30MPa,0～50kHz压力传感器动态标定的要求。     

基于参数估计的动态称重新方法

提出了一种新的动态称重法。首先导出了二阶称重系统的自回归滑动平均模型(ARMA);借助这一模型和递推最小二乘法(RLS),可以由极短的称重阶跃响应估计出模型参数和被称质量。数字仿真研究表明:在称重信号含有输入端白噪声污染的情况下,这一方法具有良好的准确度。     

最小二乘参数估计若干问题的讨论

讨论了最小二乘估计中应注意的几个问题,指出了最小二乘估计的一些新的研究和应用方向。     

装载机载重测量的支持向量机软测量建模方法

在阐述支持向量机(SVM)和最小二乘支持向量机(LS-SVM)的原理和算法并对两者的特点进行比较后,为装载机载重测量建立了基于LS-SVM的软测量模型,并从核函数选择以及核参数确定两方面阐述了LS-SVM软测量建模的过程,最后与RBF函数网络以及BP网络的软测量建模结果进行对比.仿真分析结果表明,LS-SVM同时兼顾了精度和泛化能力两方面的性能,其最大泛化误差仅为6.863 8×10-6,是适合装载机载重软测量的建模方法.     

基于模型参考和微粒群算法优化的传感器动态补偿方法

提出了一种基于微粒群（PSO）算法优化的传感器动态误差补偿器的设计方法。无需事先已知系统的动态特性,可根据传感器以及参考模型对输入激励响应的实测数据,通过PSO算法的优化学习得到补偿器的参数。传感器的输出经过补偿器后,能够克服由传感器动态特性引起的测量误差。最后,通过实验验证了该方法的有效性。     

改进遗传算法结合FLANN在加速度传感器动态建模中的应用

对遗传算法（CA）的交叉和变异操作进行改进，提出利用改进遗传算法（ICA）和函数连接型人工神经网络（FLANN）相结合实现加速度传感器的动态建模的新方法。该方法利用加速度传感器的动态标定数据，采用IGA和FLANN相结合搜索和优化动态模型参数。文中介绍动态建模原理以及算法，给出用IGA和FLANN相结合建立的加速度传感器动态数学模型。结果表明：上面提出的动态建模方法既保留了CA的全局搜索能力和FLANN结构简单的特点，又具有网络训练速度快、实时性好、建模精度高等优点，在动态测试领域具有重要应用价值。     

最小二乘法原理及其处理方法的探讨

本文通过对最小二乘法测量方程与残余误差方程进行描述,说明了最小二乘法的原理,明确了其在数据处理和误差计算方面的适用范围,在工程实际和实验技术中具有重要作用。     

传感器动态非线性分析及在动态建模中的应用

利用非线性系统的Volterra级数展开方法,并针对实际传感器中二次非线性影响较大的情况,利用一维和二维频谱分析方法,着重研究了二次非线性对传感器动态测试及动态建模的影响,最后针对具体传感器给出了应用实例。     

基于最小二乘法的数字图像网点补偿方法研究

目的网点大小在印刷传递过程中会不断发生变化,在数字图像中表现更为严重,为此研究控制网点扩大的方法以提高印刷品质量。方法测量喷墨打印机黑白模式下输出单色黑色靶的网点面积率,在Matlab软件平台下以最小二乘法为原理拟合实际与理想网点面积率获取网点扩大曲线,然后根据网点补偿原理推测本应输入网点值并得到网点补偿曲线,最后通过补偿曲线针对网点进行修正。结果通过测量补偿前后输出色靶,结果表明网点扩大得到了有效控制,补偿前平均网点面积扩大率为9.1%,补偿后平均网点面积扩大率为0.4%。结论观察修正后色靶,图像亮度明显提升,阶调再现性得到了提高,该方法可有效提高数字图像的输出质量。     

基于最小二乘估计的多站交会方法

在多台电视经纬仪组成的测量网络中,为了提高目标的捕获、跟踪能力,减少交会模型切换带来的引导数据的波动,提出一种基于最小二乘估计的多站交会方法.该方法根据电视经纬仪实时跟踪被测目标时的几何关系,利用电视经纬仪的站点位置和实时获得的目标测角信息,对于每台电视经纬仪都构造两个垂直相交于其测量方向线的平面,再用最小二乘原理估计被测目标的空间坐标.在两台电视经纬仪实时交会时,异面交会法是该方法的特例,于是证明该方法是有效的.仿真试验结果表明,与异面交会法相比,此方法产生的引导数据平滑、无波动,二者的定位误差均小于0.18 m,能满足电视经纬仪多站交会定位的要求.