韩 剑,莫德清,汪 楠

(1.桂林电子科技大学信息科技学院, 广西 桂林 541004; 2.桂林电子科技大学 生命与环境科学学院, 广西 桂林 541004)

目前，氨氮传感器主要是利用电化学原理，通过测量电势，建立电势与氨氮浓度之间的关系式获得氨氮浓度。对于溶液中pH值和温度的影响，一般采用电化学中的能斯特方程进行计算[1]。 但是受氨氮传感器自身因素以及测量环境等影响, 传感器数据输出呈现非线性特点。 因此, 直接得到的测量数据并不可靠, 有必要对氨氮传感器测量的数据进行校正。

鉴于此,本文将改进的粒子群参数寻优算法(MPSO-SVM)引入到氨氮传感器模型中[2],以降低氨氮传感器的测量误差,建立适应性良好的补偿模型。通过取不同梯度浓度值， 分别测量约270组数据,建立支持向量回归校正模型[3],进行数据校正,本质上解决非线性回归问题。

1 支持向量机回归模型

在氨氮传感器测量过程中考虑实际测量环境复杂多样,测量结果受多种因素的影响,因此将氨氮的测量校正过程看作是求解一个多元非线性回归问题。

首先将氨氮传感器测量输入输出之间的关系抽象成模型

y=f(t,P,x1,x2,…,xi),

(1)

式中:x为传感器输入非目标参量;t和P分别表示温度值和pH值;y为传感器输出量;f为输入与输出之间的映射关系。

实际应用中,氨氮传感器得到一个实际测量值,通过数据校正过程利用其反函数来建立关系式

(t,P)=f-1(x1,x2,…,xi),

(2)

再利用支持向量机来逼近式(2)描述的非线性函数问题,以此来消除氨氮测量过程中对目标参量的影响[4]。……