043
基于MATLAB遗传算法工具箱的铂电阻温度传感器的非线性校正样本
(样本只提供该系统的基本情况介绍,若需要完整的设计和论文,建议您购买本系统,凡是购买本站系统的,本站均根据您的要求,把系统上的开发信息,题目等修改成符合您的要求)
本系统开发工具：单片机/汇编
本设计包含内容：源代码+毕业论文+开题报告+答辩稿
论文大概：
摘 要
常用传感器的输出都是非线性的,因此大多数仪表都有非线性校正环节。非线性校正可以通过模拟电路实现,电路形式很多；但随着智能化仪表的发展,现在更多的情况是采用软件算法来实现非线性校正。
铂电阻因其测量准确度高、测温范围宽、易标定、稳定性和互换性好等优点而成为工业上广泛应用的测温元件。但像其它热电测温元件一样,铂电阻的热电阻与温度的关系存在非线性,特别是在高温区．因此要实现高精度测温必须对铂电阻的非线性进行校正。现在常用的铂电阻非线性校正法可分两类。一类是“硬”校正法,即从测量电路来进行校正补偿的方法。其不足在于影响电路的因素太多,实际调试时零点、满度、线性之间极易相互牵连影响．另一类是“软”校正法,即利用微处理器,由测出的铂电阻值的数字量,根据事先按最小二乘法拟合的或用神经网络计算的多项式公式算出温度值,以及基于温度函数进行迭代计算等．对高精度测量,“软”校正法因其本身与电路因素无关而优于“硬”校正法．目前软校正计算法的主要不足在于它们都不是最优算法。对神经网络或最小二乘法拟合优化,其最高阶次不便于按测量允许的算法误差预先适当确定。迭代法则需根据前后两次计算的结果来决定迭代是否停止,因此运算量不定且计算步骤多。对有限精度计算,不适当的提高多项式阶次使运算量和复杂度加大,难以达到提高精度的目的。因此这里提出根据铂电阻经验函数,使用遗传算法分段拟合实现非线性校正方法.
遗传算法是具有全局寻优特点的一种新型最优化方法．针对铂电阻传感器经验公式的非线性问题使用遗传算法对其进行了优化研究．简要地介绍了遗传算法的基本原理和运算规则,具体地描述了使用遗传算法实现铂电阻传感器系数拟合的步骤和程序．作为一种有效的优化手段,能够完成优化软件具有的功能,具有一定的工程应用价值．
关键词：遗传算法；非线性；MATLAB；铂电阻传感器．
1.1 Abstract
The commonly used sensor output all is non-linear,
therefore the majority measuring appliances all have the gamma
correction link.The gamma correction may through the analogous
circuit realization, the electric circuit form be very many; But
along with the intellectualized measuring appliance development, now
more situations is uses the software algorithm to realize the gamma
correction.
Because the platinum resistance its
survey accuracy high, the temperature measurement scope width, easy
to demarcate, the stability and the interchangeability good and so
on the merits becomes in the industry the widespread application
temperature element.But other thermoelectricity temperature element
is likely same, platinum resistance thermal resistance and
temperature relational existence non-linearity, specially in high
temperature area. Therefore must realize the high accuracy
temperature measurement to have to carry on the adjustment to the
platinum resistance non-linearity.Now the commonly used platinum
resistance non-linear method of corrections may be divided two
kinds.One kind is “hard”; the method of corrections, namely carries
on the adjustment compensation from the metering circuit the
method.Its insufficiency lies in affects the electric circuit the
factor too to be many, when actual debugging between the zero,
fullness, the linearity are extremely easy to implicate the
influence mutually. Another kind is “soft”; the method of
corrections, namely uses the microprocessor, by platinum resistance
value digital quantity which determines, according to presses the
least squares method fitting beforehand or figures out the
temperature value with the neural network computation multinomial
formula, as well as carries on the iterative computation based on
the temperature function and so on. Because to the high-accuracy
survey, “soft”; the method of corrections its itself and circuit
factor has nothing to do with surpasses “hardly” the method of
corrections. At present the soft adjustment computation method main
lies in them all is not the optimal algorithm insufficient. Or the
least squares method fitting optimizes to the neural network, its
highest order is not advantageous for according to the survey
permission algorithm error suitably determined in advance.Around the
iterative principle must act according to the result which two times
calculates to decide iterates whether stops, therefore the operand
does not decide also the computation step are many.To the limited
precision computation, not suitable enhances the multinomial order
to cause the operand and the order of complexity enlarge, achieved
with difficulty increases the precision the goal.Therefore here
proposes the basis platinum resistance experience function, use
genetic algorithm partition fitting realization gamma correction
method.
The genetic algorithm has the overall situation
optimization characteristic one new optimized method. Has conducted
the optimized research in view of the platinum resistance transducer
empirical formula non-linear problem use genetic algorithm to it.
Introduced briefly the genetic algorithm basic principle and the
operational rule, specifically described the use genetic algorithm
realization platinum resistance transducer coefficient fitting step
and the procedure. As one effective optimized method, can complete
optimizes the function which the software has, has certain project
application value.
Key words: Genetic Algorithm; Non-linearity; MATLAB; Platinum
resistance transducer.
目
录
1 绪论…………………………………………………………………………………5
1.1 传感器非线性校正原理………………………………………………………5
1.2 传统方法………………………………………………………………………5
1.3 新方法…………………………………………………………………………6
2
遗传算法简介………………………………………………………………………7
2.1
遗传算法的基本概念…………………………………………………………7
2.2
遗传算法的原理………………………………………………………………9
2.3
遗传算法的步骤和意义……………………………………………………11
2.4
遗传算法的特点……………………………………………………………12
2.5
遗传算法的应用关键………………………………………………………13
3
MATLAB遗传算法工具箱简介……………………………………………………14
4
基于遗传算法的铂电阻非线形校正……………………………………………16
4.1
铂电阻………………………………………………………………………16
4.2
遗传算法在MATLAB中的实现………………………………………………17
4.3
0℃~100℃间参数拟合………………………………………………………18
4.4
100℃~200℃间参数拟合……………………………………………………20
4.5
仿真分析……………………………………………………………………22
5
总结与体会…………………………………………………………………………23
6
致谢…………………………………………………………………………………24
参考文献………………………………………………………………………………24
附录1：Pt100
型铂热电阻分度表
附录2：遗传算法程序m文件
1 绪 论
常用传感器的输出都是非线性的,因此大多数仪表都有非线性校正环节。非线性校正可以通过模拟电路实现,电路形式很多；但随着智能化仪表的发展,现在更多的情况是采用软件算法来实现非线性校正。
1.1
传感器非线性校正原理
传感器感受到物理量θ给出电信号输出v,v与θ之间有函数关系见式(1)。函数的形式可能已知也可能未知。软件非线性校正的任务是根据测得的v求出θ。方法有两种,一是按式(1)的反函数求出θ,见式(2)；
二是直接按式(1)用数值计算方法求得θ。
实际使用中既有使用函数解析式的,也有使用表格形式的。确定函数和反函数的方法首要的是按传感器的物理特征法,其次是经验法。在找不到合适的函数形式时,可以采用下述方法。
1.2
传统方法
传统软件非线性校正方法主要有：反函数法、查表法、分段内插法、样条函数内插法和曲线拟合法。
反函数法是直接求出分度函数反函数的解析式,计算该函数求θ。一般只有函数很简单时(如：二次函数)反函数法才有实用意义。一般只对热电阻的部分温区采用这种方法。
查表法是将θ,v关系表储存在某种只读寄存器中,使用时通过查表求得θ。为了节省只读寄存器空间,许多人开发了不同的表格压缩方法；为了节省时间人们开发了一些快速查表方法。
分段内插法是将传感器的θ,v关系曲线分成若干段,每段内使用线性或二次曲线内插。为了在指定精度条件下使分段数最少,或在指定分段数条件下实现的误差最小,人们开发了一些优化分段方法。对温度传感器,国内市场上有专用的
优化软件销售。
样条函数内插也是一种分段内插法,只是在分段点上它不仅要求函数连续,还要求函数的一阶导数也连续,因此往往采用三次曲线做样条函数。
曲线拟合法是用最小二乘法来确定拟合函数的系数。当温度范围比较宽时,即使用曲线拟合法也是要分段的。虽然多项式是最常用的拟合函数,但也常用其它函数形式。
1.3
新方法
近10年国内外发表了许多用新方法对传感器进行线性化校正的文章,主要方法有：遗传算法、神经网络方法和支持向量机方法。新方法主要用于传感器的特性函数未知时建立实用的函数或反函数关系。本本文根据铂电阻经验函数,使用遗传算法分段拟合实现非线性校正方法。
利用遗传算法的思想来确定模型函数的系数。主要步骤是：
1)取得一组试验数据θ。：v。,θ2：v：⋯θ：v
。
2)建立模型函数,常常采用多项式形式作为反函数 ,
(v)模型,同时给每一个系数确定数值范围。
3)建立目标函数,常常选误差的平方和最小
做评估标准,见式(3)。
4)确定编码方案,常采用二进制编码形式。通过编码形成的编码串将待处理数据表示成遗传空间的基因型结构数据；遗传算法通过对编码串的运算求解模型函数系数的最佳值。
5)生成初始群体,
随机产生M个初始串群体。
6)转化适应值函数,适应值函数用于判别群体中个体的好坏。适应值函数F(x(i,k))通过对目标函数作简单变换得到,i是群体中的个体序号,k是遗传的代数。
7)繁殖,繁殖是为了从当前群体中选取作为遗传父本的优良个体,按式(4)计算每个个体的繁殖概率,依此概率进行繁殖操作。
8)杂交,在上一代的父本中,随机选取它们的编码串位(或片段)进行交换,产生新的个体。操作时要选择适当的杂交概率。
9)变异,对上一代的父本中个体,随机选取它们的编码串位求反(0／1变换),产生新的个体。变异操作的概率一般选得较小。1
01反复进行繁殖、杂交和变异三种遗传操作,直到满足事先选定的终止条件。由于遗传算法不利用模型函数的梯度信息,因此不会陷于局部最优,它的优点是寻求全局最优解。但由此产生的是无法判断模型函数的收敛性。应用遗传算法时可以找一些商品化的工具软件,MATLAB的遗传算法工具是一个不错的选择。
2 遗传算法简介
生物的进化是一个奇妙的优化过程,它通过选择淘汰,突然变异,基因遗传等规律产生适应环境变化的优良物种。遗传算法是根据生物进化思想而启发得出的一种全局优化算法。
遗传算法的概念最早是由Bagley
J.D在1967年提出的；而开始遗传算法的理论和方法的系统性研究的是1975年,这一开创性工作是由Michigan大学的J.H.Holland所实行。当时,其主要目的是说明自然和人工系统的自适应过程。
遗传算法简称GA(Genetic
Algorithm),在本质上是一种不依赖具体问题的直接搜索方法。遗传算法在模式识别、神经网络、图像处理、机器学习、工业优化控制、自适应控制、生物科学、社会科学等方面都得到应用。在人工智能研究中,现在人们认为“遗传算法、自适应系统、细胞自动机、混沌理论与人工智能一样,都是对今后十年的计算技术有重大影响的关键技术”。