压力传感器的支持向量机非线性回归建模*

2012-12-07强生杰孔令刚

传感器与微系统 2012年4期

关键词：模型

强生杰，孔令刚

(1.兰州交通大学光电技术与智能控制教育部重点实验室，甘肃兰州730070;2.兰州交通大学国家绿色镀膜技术与装备工程技术研究中心，甘肃兰州730070)

0 引言

在数据采集与测控系统中，由于压力传感器具有结构简单、灵敏度高、动态响应特性好、抗过载能力强等一系列优点，得到了广泛的应用。但压力传感器对温度等环境参数较为敏感，这些因素在实际环境中总是相互关联的，给测量结果带来了误差，严重影响了传感器的线性度，致使其准确度大大下降。为了提高传感器的性能，必须对其进行校正。但各种干扰因素对测量结果的影响很难用简单的函数表达式来描述，因此，建立传感器的输出特性校正模型并求解模型往往比较繁琐。

支持向量机(support vector machine，SVM)是20世纪90年代中期提出的一种机器学习算法，它建立在统计学习理论的基础上［1，2］。传统的学习算法(如神经网络)采用的是经验风险最小化(ERM)准则，容易出现过拟合或者欠拟合现象。SVM以结构风险最小化(SRM)为准则［3］，对于有限样本学习问题已经表现出很多优于已有方法的性能。同时SVM算法是一个凸二次优化问题，能够保证找到的极值解就是全局最优解，能较好地解决小样本、非线性和高维数的问题。本文针对传感器非线性误差校正的需求，提出了一种压力传感器的SVM非线性回归模型。