188宝金博页面版

2013正第8期仪表技术与传感器Instrum entTechni queandSensor2013N o．8差动传感器残余电压及非线性的神经网络补偿付丽辉1’ 2( 1．淮阴工学院电子与电气工程学院，江苏淮安223003；2．南京农业大学工学院，江苏南京210031)摘要：为消除差动变压式传感器零点残余电压及非线性特性，提出基于重新参数化的B样条函数以及粒子群算法J B参数B样条神经网络( B—BP—PSO ) 。由粒子群算法( PSO ) 取代传统BP算法，并由其搜索最佳口因子，用以得到适合本网络权值搜索的最优重新参数化B样条基函数，从而使得该神经网络可有效克服传统算法易于陷入局部最优的缺点。实验结果表明：经其校正后的差动变压式传感器的最大输出误差为II m V，最大相对误差为3．7％，零点残余电压为5 m V．该方法可有效消除各种参数对差动变压式传感器输出结果的零点残余电压及非线性影响，且可用于其他各类传感器的非线性校正，具有很大的实际应用价值。关键词：B样条函数；重新参数化；粒子群算法；差动变压式传感器；非线性补偿；零点残余电压中图分类号：TP212文献标识码：A文章编号：1002—1841( 2013) 08—0015一03N eural N etw orkCom pensati onof Resi dueVol tageandN onl i near for Di a℃renti al SensorFU Li —hui l ' 2( 1．Facul ty of El ectroni c and El ectri calEngi neeri ng，nuai yi nInsti tute of Technol ogy，H uai an 223003，Chi na；2．Col l egeof Engi neeri ng，N anj i ngAgri cul tural Uni versi ty，N anj i ng 210031，Chi na)Abstract：To el i m i nate thezero- poi ntresi duevol tage andnonl i near characteri sti c of di fferenti al transform ersensor，the／3 param ·eteri zedB—spl i neneural netw ork( B-BP-PSO ) basedonre—param eteri zati on B—spl i nefuncti on and parti cl esw arl nal gori thmW aspro—posed．Tradi ti onalBPal gori thmw asrepl aced byPSOto fi nd the bestsui tabl e口factor，thereby，recei vethe bestre-param eteri zati onB—spl i nebasi c functi ons fit forsearchi ng w ei ghtsof netw ork w hi ch m ake the neural netw orkcarl overcom e theshorteom i ngsofeasi l ygo—i ngi nto l ocalopti m um ．Experi m entalresul ts showthat aftercal i brati on，them axi m umoutputerror of the di fferenti al transform er sensori s 1 1m V，m axi m umrel ati ve error i s3．7％，zero· poi ntresi due vol tage i s 5 m V，SOthe strategy can effecti vel y el i m i nate thezero-poi ntresi duevol tageand nonl i near i nfl uencebyvari ous param eters，i ti s al so practi cabl e for other type ofsensor nonl i near correcti on andhasgreat practi calval ue．Key w ords：B—spl i ne functi on；re—param eteri zati on；parti cl esw armal gori thm ；di fferenti altransform er sensor；nonl i near com pensati on；zero—poi nt resi duevol tage0引言基于变压器原理，将两次级线圈以差动形式连接的差动变压器式传感器具有原理简单、结构多样可调、测量精度高、应用稳定性好等优点，在位移、速度、加速度和应力、应变等非电量测量中得到广泛而重要的应用¨ 。o。理论上，当两次级线圈具有良好的结构与电气特性对称性时，该类传感器具有良好的零点稳定性与线性，但是，由于实践的次级线圈间难有严格对称的结构与电气特性，故待测量中常存在零点残余电压，同时，这种不对称性将导致级线圈间高次感应电压幅度、频率和相位的不匹配，使其输入一输出特性呈非线性。这种非线性与零点残差电压严重影响传感器性能，成为限制其应用的重要瓶颈¨ J 。人工神经网络(Arti fi ci alneural netw orks，简写为AN N ) 技术因其智能性而拥有优越的普适性和应用中的可裁剪性，在智能基金项目：江苏省普通高校研究生科研创新计划项目( 博士，CXLXl 2—0277) ；江苏省高校自然科学基础研究面上项目( 12KJ D510003) ；淮安市科技支撑计划农业项目( SN l l 61)收稿日期：2012—08—27收修改稿日期：2013—03—08控制、智能仪表等方面被快速推广应用。利用AN N 可以实现对差动变压式传感器零点残余电压和非线性的有效补偿，基于传统BP神经网络易于陷入局部最优等缺点，提出一种集口参数B样条基函数及粒子群算法的B—BP—PSO 神经网络的智能补偿方法，并将其成功用于差动式传感器的零点残余电压及非线性补偿之中，使得该传感器的测试结果更精确，进而在测试过程中更好地发挥应用。1补偿原理1．1传感器测量原理如图1( a) 所示，差动变压式传感器由电感为三，。的初级线圈以及差动相连电感分别为厶。、k的两次级线圈，线圈中可动衔铁组成∞1。设初级线圈中激励电压、激励电流、激励电压角频率、直流电阻和电感分别为U、“ 0．1、r。和厶。．M l =Ⅳ2N I／R?鸩=Ⅳ' N l ／Rm式中：M 。、慨分别为厶。与如．、如：的互感；Ⅳl 、Ⅳ2分别为初、次级绕组匝数，R。、R。分别为两次级绕组磁阻。当次级开路时，根据图1( b) 所示等效电路图，有：万方数据