基于遺傳支持向量機的E+E傳感器非線性校正
E+E傳感器是測試系統中的重要部件,其性能的好壞及輸出信號的可靠性對整個測試系統的質量起著至關重要的作用。在實際的應用中,E+E傳感器容易受到許多環境因素的影響,如溫度、磁場、噪聲、電源波動等,從而降低了整個系統的測量精度,造成系統穩定性差等問題。

基于遺傳支持向量機的E+E傳感器非線性校正           因此,為了改善E+E傳感器的性能,進而提高整個測試系統度和擴大測量范圍,對E+E傳感器進行非線性校正具有非常重要的意義。針對E+E傳感器非線性校正中現有的幾種方法的不足和支持向量機參數難確定的問題,結合遺傳算法全局搜索能力強的特點,提出一種遺傳算法和支持向量機相結合的方法,建立E+E傳感器非線性校正的支持向量機模型,并闡述遺傳算法對支持向量機進行參數優化的實現過程。在實現過程中,應用Matlab語言編制訓練程序對CYJ-101型壓力E+E傳感器進行非線性校正并驗證遺傳支持向量機方法的可行性。同時,分別與支持向量機方法和BP神經網絡法校正的結果進行對比分析,驗證該方法的*性。實驗結果表明:和支持向量機方法校正的結果相比,遺傳支持向量機方法能更好地解決支持向量機及其核函數參數的選取問題,實現參數的*搭配;BP神經網絡法使得E+E傳感器的zui大相對波動由初始的22.2%降低到1.12%,而遺傳支持向量機方法使其降低到0.04%,顯著改善E+E傳感器的性能,取得較好的效果。設計壓力E+E傳感器系統的硬件和軟件部分,并將遺傳支持向量機方法用于E+E傳感器非線性校正及補償的軟件部分,使得該方法在實際應用中得以實現。