CN110568153A - 一种基于自适应阶数调节非线性模型的温湿度非线性补偿方法 - Google Patents
一种基于自适应阶数调节非线性模型的温湿度非线性补偿方法 Download PDFInfo
- Publication number
- CN110568153A CN110568153A CN201910772045.3A CN201910772045A CN110568153A CN 110568153 A CN110568153 A CN 110568153A CN 201910772045 A CN201910772045 A CN 201910772045A CN 110568153 A CN110568153 A CN 110568153A
- Authority
- CN
- China
- Prior art keywords
- nonlinear
- temperature
- humidity
- order
- real
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
- G01N33/24—Earth materials
- G01N33/246—Earth materials for water content
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Theoretical Computer Science (AREA)
- Chemical & Material Sciences (AREA)
- Health & Medical Sciences (AREA)
- Data Mining & Analysis (AREA)
- Mathematical Physics (AREA)
- Mathematical Optimization (AREA)
- Remote Sensing (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Analysis (AREA)
- Environmental & Geological Engineering (AREA)
- General Life Sciences & Earth Sciences (AREA)
- Geology (AREA)
- Databases & Information Systems (AREA)
- Computational Mathematics (AREA)
- Algebra (AREA)
- Food Science & Technology (AREA)
- Medicinal Chemistry (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Investigating Or Analyzing Materials By The Use Of Electric Means (AREA)
Abstract
本发明涉及一种基于自适应阶数调节非线性模型的温湿度非线性补偿方法,包括步骤:1)在固定阶数的非线性补偿模型基础上增加自适应阶数调整和反馈模块;2)对自适应阶数调节非线性模型进行建模与系数估计;3)对增加的自适应阶数调整和反馈模块进行测量后,计算并比较各阶数非线性补偿模型的误差,选择测量误差最小的非线性方程进行修正,获得最优校正非线性阶数。本发明的有益效果是:实验结果表明,本文提出的一种自适应阶数的非线性补偿算法,其自适应阶数非线性补偿水分传感器的测量精度得到了显著提高。这种自适应非线性阶数非线性补偿技术,将其与温湿度集成传感器相结合,大大提高了传感器测量湿度的精度。
Description
技术领域
本发明涉及农业生产中的温湿度测量领域,尤其是涉及一种基于自适应阶数调节非线性模型的温湿度非线性补偿方法。
背景技术
温度和湿度传感器已成功地应用于许多行业,包括农业、食品、制药、采矿和建筑业,可以测量过程检验和控制应用中的瞬时含水量。在农业生产中,应用传感器来测量湿度很重要。然而,温度对大多数传感器的精度影响很大,且影响是非线性的。为保障湿度传感性能,使湿度测量值更精确,必须要对温度的影响进行校准,即需要对测量结果进行非线性补偿处理。
传统的测量方法是通过大量严格的测量来校准的,大量的测量结果被放置在查找表(LUT)中;在每次测量时,根据检测到的湿度和温度的两个坐标,在查找表(LUT)中找到相应的真实湿度;这种标定方法精度高,但在实际测量过程中,测量温度变化较大,需要复杂的查找表(LUT)来满足要求;此查找表(LUT)不能在内存有限的微控制器中实现,该方法简单有效,但其补偿精度与复杂度之间存在着不可调和的矛盾。建立非线性补偿数学模型的方法可以精确地补偿温度引起的非线性效应。构造补偿非线性响应的数学模型可以克服这些传统传感器的缺点。然而,现有的补偿方法使用非线性固定阶数的数学模型,不能覆盖传感器在不同使用环境下的精确测量,很难获得最佳的补偿效果。针对不同传感器,一个固定顺序的补偿模型不能最小化测量误差。
综上所述,提出一种基于自适应阶数调节非线性模型的温湿度非线性补偿方法,就显得尤为重要。
发明内容
本发明的目的是克服现有技术中的不足,提供一种基于自适应阶数调节非线性模型的温湿度非线性补偿方法。
本发明介绍了一种基于自适应阶数调节非线性模型的温湿度传感器非线性补偿技术,设计了一种自适应算法来自动寻找最优阶数,并将其应用于非线性数学模型中,以补偿温度效应,提高湿度测量精度。
这种基于自适应阶数调节非线性模型的温湿度非线性补偿方法,具体包括如下步骤:
步骤1:在固定阶数的非线性补偿模型基础上增加自适应阶数调整和反馈模块;包括:可调阶数的温度补偿非线性模型、可调阶数的线性模型和可调阶数的系数估计;
步骤2:对自适应阶数调节非线性模型进行建模与系数估计;自适应阶数调节非线性模型建模包括三组数据:传感器内部检测到的湿度、传感器内部检测到的温度和真实湿度;
步骤3:对增加的自适应阶数调整和反馈模块进行测量后,计算并比较各阶数非线性补偿模型的误差,选择测量误差最小的非线性方程进行修正,获得最优校正非线性阶数。
作为优选,所述步骤2具体包括如下步骤:
步骤2.1:在自适应阶数可调非线性补偿的温湿度传感器中进行若干组测试;然后与真实湿度值进行比较;所述每组测试的真实湿度是固定的,所述湿度测量于从5℃到40℃的变化环境中;
步骤2.2:根据步骤2.1的实验数据建立自适应阶数调节非线性模型的数学模型:
经验Topp方程描述了体积含水量θ与介电常数εb之间的非线性关系,该非线性关系如下:
在测量过程中,期望测量湿度θmeas根据以下关系随温度变化:
上式中,i为试验编号,i=1,2,…,12;T为温度,T=5,10,…,40℃;εb,meas(i,T)为在第i次测量中,温度T下测量得到的介电常数;θmeas(i,T)为在第i次测量中,温度T下测量得到的期望测量湿度;
固定真实湿度值θreal与实际水分介电常数的关系为:
上式中,i为试验编号,θreal(i)是第i次试验的真实湿度值,εb,real(i)是水的实际介电常数;
构造如下两个非线性关系式:
εb,real(i)=εb,meas(i,T)·Cn(i,T) (4)
Cn(i,T)=1-a1(i)×(T-25)-a2(i)×(T-25)2-…-an(i)×(T-25)n, (5)
上式中,i为试验编号,T为温度,T=5,10,…,40℃,εb,real(i)是水的实际介电常数;εb,meas(i,T)为在第i次测量中,温度T下测量得到的介电常数;Cn(i,T)是与温度有关的非线性因素;am(i)是要估计的n个非线性系数,m=1,2,…,n;n为非线性校正方程的阶数;
步骤2.3:采用LS算法对自适应阶数调节非线性模型进行系数估计。
作为优选,所述步骤3具体包括如下步骤:
步骤3.1:用估计的非线性系数am(i),m=1,2,…,n验证基于自适应阶数调节非线性模型的温湿度非线性补偿方法的性能,所述n为非线性校正方程的阶数;将am(i),m=1,2,…,n和εb,real(i)代入公式(3)、公式(4)和公式(5),得到真实湿度值θreal(i);
步骤3.2:有非线性补偿和无非线性补偿的温度误差分别定义为:
上式中,i为试验编号,T为温度,T=5,10,…,40℃,对于每个测试i,Re,w(i)为有非线性补偿下的温度误差,Re,wo(i)为无非线性补偿下的温度误差,且Re,w(i)与Re,wo(i)的值均为比率;为非线性补偿之后的湿度的估计值,即LS算法计算后的值;θi,nl为真实湿度值;θi,meas为测量湿度值;
步骤3.3:计算获得最优校正非线性阶数。
作为优选,所述步骤3.3具体包括如下步骤:
步骤3.3.1:设置初始非线性校正方程的阶数n=1;
步骤3.3.2:用在第i次测量中,温度T下测量得到的期望测量湿度θmeas(i,T)求解公式(2);并计算出在第i次测量中,温度T下测量得到的介电常数εb,meas(i,T);
步骤3.3.3:用第i次试验的真实湿度值θreal(i)求解公式(3);得到水的实际介电常数εb,real(i);
步骤3.3.4:将εb,meas(i,T)和εb,real(i)代入公式(4),得到与温度有关的非线性因素Cn(i,T);
步骤3.3.5:计算am(i),m=1,2,…,n;通过LS算法求解公式(5);获得有非线性补偿下的温度误差Re,w(i)和无非线性补偿下的温度误差Re,wo(i);对于第i次试验,公式(4)可改写为矩阵形式:
Ci=ones(8,1)-T·ai, (8)
其中矩阵Ci和T为:
Ci=[C(i,T=5),C(i,T=10),…,C(i,T=40)]T
ones(8,1)=[1,1,1,1,1,1,1,1]T
T=[(T-25)|T=5,(T-25)2|T=5,(T-25)3|T=5,...,(T-25)n|T=5;
(T-25)|T=10,(T-25)2|T=10,(T-25)3|T=10,...,(T-25)n|T=10
(T-25)|T=40,(T-25)2|T=40,(T-25)3|T=40,...,(T-25)n|T=40]
ai=[a1(i),a2(i),a3(i),...,an(i)]T
上式中,i为试验编号,T为矩阵转置;利用已知的Ci和T,通过LS方法估计非线性系数ai;目标函数是:
公式(9)的最小二乘解为:
上式中,是估计的非线性系数矩阵;
步骤3.3.6:令非线性校正方程的阶数加1,即n=n+1;重复步骤3.3.2至步骤3.3.5直至n>11;
步骤3.3.7:计算获得最小的有非线性补偿下的温度误差Re,w(i),令m=n,其中n即为所求的最优校正非线性阶数。
本发明的有益效果是:
为了获得更好的传感性能和较低的测量误差,本文提出了一种自适应阶数的非线性补偿算法。高阶数学公式用于表示实际土壤湿度和传感器的非线性关系测得的探头电压。采用自适应顺序选择模块,选择误差最小的高阶数学补偿模型。实验结果表明,该自适应阶数非线
性补偿水分传感器的测量精度得到了显著提高。这种自适应非线性阶数非线性补偿技术,将其与温湿度集成传感器相结合,大大提高了传感器测量湿度的精度。
附图说明
图1是常规土壤温湿度传感器的***框架图;
图2是基于温度非线性补偿模型的温湿度传感器的***框架图;
图3是基于自适应阶数可调非线性补偿的温湿度传感器的***框架图;
图4是非线性系数n=3,4,5,6,7,8时的温度相关非线性补偿性能验证图。
具体实施方式
下面结合实施例对本发明做进一步描述。下述实施例的说明只是用于帮助理解本发明。应当指出,对于本技术领域的普通人员来说,在不脱离本发明原理的前提下,还可以对本发明进行若干修饰,这些改进和修饰也落入本发明权利要求的保护范围内。
常规湿度温度传感器的结构如图1所示:***中集成了湿度传感器和温度传感器,模拟测量结果通过模数转换器(ADC)数字化,然后通过基于LUT的线性化模块进行校准,校准存储器应足够大,以存储用于高精度湿度传感的大型LUT,常规湿度温度传感器通过I2C/RS485接口接受从外部传输的真实湿度。
基于温度非线性补偿模型的温湿度传感器如图2所示,其大体结构与常规湿度温度传感器类似,但基于温度非线性补偿模型的温湿度传感器采用一个固定阶温变非线性补偿模型,而不是一个查找表,基于温度非线性补偿模型的建模包括三组数据,包括内部检测到的湿度、内部检测到的温度以及真实湿度。在确定非线性模型及其阶数时,采用LS算法对模型系数进行估计。
而本发明涉及的基于自适应阶数可调非线性补偿的温湿度传感器如图3所示,其大体结构与常规湿度温度传感器类似,基于自适应阶数可调非线性补偿的温湿度传感器在固定阶数的非线性补偿模型基础上增加自适应阶数调整和反馈模块;自适应阶数调整和反馈模块包括可调阶数的温度补偿非线性模型、可调阶数的线性模型和可调阶数的系数估计。
下表1为以上三种温湿度传感器的结构、技术、优劣势上的比较。
表1.三种结构温湿度传感器的比较
基于自适应阶数调节非线性模型的温湿度非线性补偿方法,具体包括以下步骤:
步骤1:在固定阶数的非线性补偿模型基础上增加自适应阶数调整和反馈模块;包括:可调阶数的温度补偿非线性模型、可调阶数的线性模型和可调阶数的系数估计;
步骤2:对自适应阶数调节非线性模型进行建模与系数估计;自适应阶数调节非线性模型建模包括三组数据:传感器内部检测到的湿度、传感器内部检测到的温度和真实湿度;
步骤2.1:在自适应阶数可调非线性补偿的温湿度传感器中进行若干组测试;然后与真实湿度值进行比较;所述每组测试的真实湿度是固定的,所述湿度测量于从5℃到40℃的变化环境中;
步骤2.2:根据步骤2.1的实验数据建立自适应阶数调节非线性模型的数学模型:
经验Topp方程描述了体积含水量θ与介电常数εb之间的非线性关系,该非线性关系如下:
在测量过程中,期望测量湿度θmeas根据以下关系随温度变化:
上式中,i为试验编号,i=1,2,…,12;T为温度,T=5,10,…,40℃;εb,meas(i,T)为在第i次测量中,温度T下测量得到的介电常数;θmeas(i,T)为在第i次测量中,温度T下测量得到的期望测量湿度;
固定真实湿度值θreal与实际水分介电常数的关系为:
上式中,i为试验编号,θreal(i)是第i次试验的真实湿度值,εb,real(i)是水的实际介电常数;
构造如下两个非线性关系式:
εb,real(i)=εb,meas(i,T)·Cn(i,T) (4)
Cn(i,T)=1-a1(i)×(T-25)-a2(i)×(T-25)2-...-an(i)×(T-25)n, (5)
上式中,i为试验编号,T为温度,T=5,10,…,40℃,εb,real(i)是水的实际介电常数;εb,meas(i,T)为在第i次测量中,温度T下测量得到的介电常数;Cn(i,T)是与温度有关的非线性因素;am(i)是要估计的n个非线性系数,m=1,2,…,n;n为非线性校正方程的阶数;
步骤2.3:采用LS算法对自适应阶数调节非线性模型进行系数估计。
步骤3:对增加的自适应阶数调整和反馈模块进行测量后,计算并比较各阶数非线性补偿模型的误差,选择测量误差最小的非线性方程进行修正,获得最优校正非线性阶数。
步骤3.1:用估计的非线性系数am(i),m=1,2,…,n验证基于自适应阶数调节非线性模型的温湿度非线性补偿方法的性能,所述n为非线性校正方程的阶数;将am(i),m=1,2,…,n和εb,real(i)代入公式(3)、公式(4)和公式(5),得到真实湿度值θreal(i);
步骤3.2:有非线性补偿和无非线性补偿的温度误差分别定义为:
上式中,i为试验编号,T为温度,T=5,10,…,40℃,对于每个测试i,Re,w(i)为有非线性补偿下的温度误差,Re,wo(i)为无非线性补偿下的温度误差,且Re,w(i)与Re,wo(i)的值均为比率;为非线性补偿之后的湿度的估计值,即LS算法计算后的值;θi,nl为真实湿度值;θi,meas为测量湿度值;
步骤3.3:计算获得最优校正非线性阶数。
步骤3.3.1:设置初始非线性校正方程的阶数n=1;
步骤3.3.2:用在第i次测量中,温度T下测量得到的期望测量湿度θmeas(i,T)求解公式(2);并计算出在第i次测量中,温度T下测量得到的介电常数εb,meas(i,T);
步骤3.3.3:用第i次试验的真实湿度值θreal(i)求解公式(3);得到水的实际介电常数εb,real(i);
步骤3.3.4:将εb,meas(i,T)和εb,real(i)代入公式(4),得到与温度有关的非线性因素Cn(i,T);
步骤3.3.5:计算am(i),m=1,2,…,n;通过LS算法求解公式(5);获得有非线性补偿下的温度误差Re,w(i)和无非线性补偿下的温度误差Re,wo(i);对于第i次试验,公式(4)可改写为矩阵形式:
Ci=ones(8,1)-T·ai, (8)
其中矩阵Ci和T为:
Ci=[C(i,T=5),C(i,T=10),…,C(i,T=40)]T
ones(8,1)=[1,1,1,1,1,1,1,1]T
T=[(T-25)|T=5,(T-25)2|T=5,(T-25)3|T=5,...,(T-25)n|T=5;
(T-25)|T=10,(T-25)2|T=10,(T-25)3|T=10,...,(T-25)n|T=10
(T-25)|T=40,(T-25)2|T=40,(T-25)3|T=40,...,(T-25)n|T=40]
ai=[a1(i),a2(i),a3(i),...,an(i)]T
上式中,i为试验编号,T为矩阵转置;利用已知的Ci和T,通过LS方法估计非线性系数ai;目标函数是:
公式(9)的最小二乘解为:
上式中,是估计的非线性系数矩阵;
步骤3.3.6:令非线性校正方程的阶数加1,即n=n+1;重复步骤3.3.2至步骤3.3.5直至n>11;
步骤3.3.7:计算获得最小的有非线性补偿下的温度误差Re,w(i),令m=n,其中n即为所求的最优校正非线性阶数。
在试验过程中,水的介电常数随着温度的升高而降低,需要建立一个与温度相关的非线性模型来补偿温度的影响。分别在以上三种温湿度传感器中进行了12组测试,得到如下表2的湿度传感实验数据。每个试验的真实湿度是固定的,湿度是在从5℃到40℃的变化环境中测量的。
表2.湿度传感实验数据
由表2所列的湿度传感实验数据得出非线性建模与系数估计。然后将表2中测得的湿度传感实验数据与真实湿度值进行比较,温度对湿度测量的非线性效应清晰可见,估计的非线性系数在第3至8阶非线性模型中的具体情况见下表3至表8。
表3.第3阶非线性模型的估计非线性系数
表4.第4阶非线性模型的估计非线性系数
表5.第5阶非线性模型的估计非线性系数
表6.第6阶非线性模型的估计非线性系数
表7.第7阶非线性模型的估计非线性系数
表8.第8阶非线性模型的估计非线性系数
对增加的自适应阶数调整和反馈模块进行测量后,计算并比较各阶数非线性补偿模型的误差,选择测量误差最小的非线性方程进行修正,获得最优校正非线性阶数。
实验结果与讨论:
各个阶数的非线性补偿方法和常规方法下的湿度误差比如图4所示:整个测量环境保持不变,在没有校正的情况下,测量误差明显很大;说明温度对测量结果有显著的非线性影响。同时,采用3阶非线性校正,大大降低了测量误差。为了进一步提高传感器的性能,本发明提出的自适应阶数调节非线性模型,在8阶非线性补偿模型下,湿度误差比达到了最小值,得到了最佳校正效果。而更高阶数(第9阶和第10阶)的修正没有产生更好的结果,因为它们会被过度修正。
本发明提出了一种基于自适应阶数调节非线性模型的温湿度非线性补偿方法。对于基于温度相关多阶非线性模型进行补偿校正,比较了各阶非线性阶数的测量性能和常规方法的测量性能。实验结果表明,采用非线性模型补偿方法可以显著降低传感误差,8阶非线性模型具有最佳的测量性能。通过这种自适应阶数可调非线性温度补偿方法,显著提高了集成温湿度传感器的湿度测量精度。
Claims (4)
1.一种基于自适应阶数调节非线性模型的温湿度非线性补偿方法,其特征在于,具体包括以下步骤:
步骤1:在固定阶数的非线性补偿模型基础上增加自适应阶数调整和反馈模块;包括:可调阶数的温度补偿非线性模型、可调阶数的线性模型和可调阶数的系数估计;
步骤2:对自适应阶数调节非线性模型进行建模与系数估计;自适应阶数调节非线性模型建模包括三组数据:传感器内部检测到的湿度、传感器内部检测到的温度和真实湿度;
步骤3:对增加的自适应阶数调整和反馈模块进行测量后,计算并比较各阶数非线性补偿模型的误差,选择测量误差最小的非线性方程进行修正,获得最优校正非线性阶数。
2.根据权利要求1所述的基于自适应阶数调节非线性模型的温湿度非线性补偿方法,其特征在于,所述步骤2具体包括如下步骤:
步骤2.1:在自适应阶数可调非线性补偿的温湿度传感器中进行若干组测试;然后与真实湿度值进行比较;所述每组测试的真实湿度是固定的,所述湿度测量于从5℃到40℃的变化环境中;
步骤2.2:根据步骤2.1的实验数据建立自适应阶数调节非线性模型的数学模型:
经验Topp方程描述了体积含水量θ与介电常数εb之间的非线性关系,该非线性关系如下:
θ=-5.3×10-2+2.92×10-2εb-5.5×10-4εb 2+4.3×10-6εb 3 (1)
在测量过程中,期望测量湿度θmeas根据以下关系随温度变化:
θmeas(i,T)=-5.3×10-2+2.92×10-2εb,meas(i,T)-5.5×10-4εb,meas 2(i,T)+4.3×10-6εb,meas 3(i,T), (2)
上式中,i为试验编号,i=1,2,…,12;T为温度,T=5,10,…,40℃;εb,meas(i,T)为在第i次测量中,温度T下测量得到的介电常数;θmeas(i,T)为在第i次测量中,温度T下测量得到的期望测量湿度;
固定真实湿度值θreal与实际水分介电常数的关系为:
θreal(i)=-5.3×10-2+2.92×10-2εb,real(i)-5.5×10-4εb,real(i)2+4.3×10-6εb,real(i)3 (3)
上式中,i为试验编号,θreal(i)是第i次试验的真实湿度值,εb,real(i)是水的实际介电常数;
构造如下两个非线性关系式:
εb,real(i)=εb,meas(i,T)·Cn(i,T) (4)
Cn(i,T)=1-a1(i)×(T-25)-a2(i)×(T-25)2-...-an(i)×(T-25n, (5)
上式中,i为试验编号,T为温度,T=5,10,…,40℃,εb,real(i)是水的实际介电常数;εb,meas(i,T)为在第i次测量中,温度T下测量得到的介电常数;Cn(i,T)是与温度有关的非线性因素;am(i)是要估计的n个非线性系数,m=1,2,…,n;n为非线性校正方程的阶数;
步骤2.3:采用LS算法对自适应阶数调节非线性模型进行系数估计。
3.根据权利要求1所述的基于自适应阶数调节非线性模型的温湿度非线性补偿方法,其特征在于,所述步骤3具体包括如下步骤:
步骤3.1:用估计的非线性系数am(i),m=1,2,…,n验证基于自适应阶数调节非线性模型的温湿度非线性补偿方法的性能,所述n为非线性校正方程的阶数;将am(i),m=1,2,…,n和εb,real(i)代入公式(3)、公式(4)和公式(5),得到真实湿度值θreal(i);
步骤3.2:有非线性补偿和无非线性补偿的温度误差分别定义为:
上式中,i为试验编号,T为温度,T=5,10,…,40℃,对于每个测试i,Re,w(i)为有非线性补偿下的温度误差,Re,wo(i)为无非线性补偿下的温度误差,且Re,w(i)与Re,wo(i)的值均为比率;为非线性补偿之后的湿度的估计值,即LS算法计算后的值;θi,nl为真实湿度值;θi,meas为测量湿度值;
步骤3.3:计算获得最优校正非线性阶数。
4.根据权利要求3所述的基于自适应阶数调节非线性模型的温湿度非线性补偿方法,其特征在于,所述步骤3.3具体包括如下步骤:
步骤3.3.1:设置初始非线性校正方程的阶数n=1;
步骤3.3.2:用在第i次测量中,温度T下测量得到的期望测量湿度θmeas(i,T)求解公式(2);并计算出在第i次测量中,温度T下测量得到的介电常数εb,meas(i,T);
步骤3.3.3:用第i次试验的真实湿度值θreal(i)求解公式(3);得到水的实际介电常数εb,real(i);
步骤3.3.4:将εb,meas(i,T)和εb,real(i)代入公式(4),得到与温度有关的非线性因素Cn(i,T);
步骤3.3.5:计算am(i),m=1,2,…,n;通过LS算法求解公式(5);获得有非线性补偿下的温度误差Re,w(i)和无非线性补偿下的温度误差Re,wo(i);对于第i次试验,公式(4)可改写为矩阵形式:
Ci=ones(8,1)-T·ai, (8)
其中矩阵Ci和T为:
Ci=[C(i,T=5),C(i,T=10),...,C(i,T=40)]T
ones(8,1)=[1,1,1,1,1,1,1,1]T
ai=[a1(i),a2(i),a3(i),...,an(i)]T
上式中,i为试验编号,T为矩阵转置;利用已知的Ci和T,通过LS方法估计非线性系数ai;目标函数是:
公式(9)的最小二乘解为:
上式中,是估计的非线性系数矩阵;
步骤3.3.6:令非线性校正方程的阶数加1,即n=n+1;重复步骤3.3.2至步骤3.3.5直至n>11;
步骤3.3.7:计算获得最小的有非线性补偿下的温度误差Re,w(i),令m=n,其中n即为所求的最优校正非线性阶数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910772045.3A CN110568153A (zh) | 2019-08-21 | 2019-08-21 | 一种基于自适应阶数调节非线性模型的温湿度非线性补偿方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910772045.3A CN110568153A (zh) | 2019-08-21 | 2019-08-21 | 一种基于自适应阶数调节非线性模型的温湿度非线性补偿方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110568153A true CN110568153A (zh) | 2019-12-13 |
Family
ID=68775787
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910772045.3A Pending CN110568153A (zh) | 2019-08-21 | 2019-08-21 | 一种基于自适应阶数调节非线性模型的温湿度非线性补偿方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110568153A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115112521A (zh) * | 2022-08-29 | 2022-09-27 | 泉州海关综合技术服务中心 | 茶叶水分测定误差补偿方法、***、电子设备和存储介质 |
TWI808535B (zh) * | 2021-11-15 | 2023-07-11 | 國立臺灣師範大學 | 具補償功能的空調系統及其控制方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107607105A (zh) * | 2017-10-30 | 2018-01-19 | 长江师范学院 | 基于分数阶微分的光纤陀螺温度非线性误差补偿方法 |
CN108414007A (zh) * | 2018-02-02 | 2018-08-17 | 浙江大学城市学院 | 一种土壤温湿度传感器温度相关非线性补偿算法 |
-
2019
- 2019-08-21 CN CN201910772045.3A patent/CN110568153A/zh active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107607105A (zh) * | 2017-10-30 | 2018-01-19 | 长江师范学院 | 基于分数阶微分的光纤陀螺温度非线性误差补偿方法 |
CN108414007A (zh) * | 2018-02-02 | 2018-08-17 | 浙江大学城市学院 | 一种土壤温湿度传感器温度相关非线性补偿算法 |
Non-Patent Citations (1)
Title |
---|
赵微微: "传感器动态特性研究", 《中国优秀硕士学位论文全文数据库 信息科技辑》 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
TWI808535B (zh) * | 2021-11-15 | 2023-07-11 | 國立臺灣師範大學 | 具補償功能的空調系統及其控制方法 |
CN115112521A (zh) * | 2022-08-29 | 2022-09-27 | 泉州海关综合技术服务中心 | 茶叶水分测定误差补偿方法、***、电子设备和存储介质 |
CN115112521B (zh) * | 2022-08-29 | 2022-11-01 | 泉州海关综合技术服务中心 | 茶叶水分测定误差补偿方法、***、电子设备和存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114674520B (zh) | 用于测力风洞试验应变天平的灵敏度温度效应修正方法 | |
CN108152325B (zh) | 一种基于防护热板法校准热流计法导热仪的方法 | |
CN111693154B (zh) | 一种红外测温传感器温度补偿方法及其装置 | |
JP2002515119A (ja) | 差圧流体流量測定システムを較正する方法 | |
CN107063509A (zh) | 一种基于神经网络的热敏温度计校准方法 | |
CN103983361A (zh) | 在线式网络测温热像仪标定方法 | |
CN110568153A (zh) | 一种基于自适应阶数调节非线性模型的温湿度非线性补偿方法 | |
Rab et al. | Comparison of Monte Carlo simulation, least square fitting and calibration factor methods for the evaluation of measurement uncertainty using direct pressure indicating devices | |
Le Menn | About uncertainties in practical salinity calculations | |
CN112129415B (zh) | 一种基于温度动态校准的变电站红外测温装置及方法 | |
CN106092375A (zh) | 机载设备地面温度传感器的校验方法及校验仪器 | |
CN114235217A (zh) | 一种基于bjt的cmos温度传感器芯片的校准方法 | |
CN108414007B (zh) | 一种土壤温湿度传感器温度相关非线性补偿算法 | |
CN116296047B (zh) | 一种单晶硅压力变送器的温度补偿改进方法 | |
CN113484376A (zh) | 一种高精度微水传感器零点漂移校正方法及存储设备 | |
Abhiram | Thermal drift compensation of load cell reading using linear regression in weighing lysimeters | |
CN111693083B (zh) | 在线式温湿度仪表原位校准方法 | |
Salahinejad et al. | Uncertainty measurement of weighing results from an electronic analytical balance | |
Kobata | Characterization of quartz Bourdon-type high-pressure transducers | |
CN107607182B (zh) | 一种卡车称重***以及称重方法 | |
Gureyev et al. | High accuracy semiautomatic calibration of industrial RTDs | |
CN111829638A (zh) | 一种体重实时测量方法 | |
RU2585486C1 (ru) | Способ измерения давления и калибровки на основе тензомостового интегрального преобразователя давления | |
CN114279310B (zh) | 带有温度补偿的晶圆厚度测量双电容传感器标定算法 | |
CN116046049B (zh) | 一种自校准传感器及校准方法、*** |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20191213 |