多功能傳感器信號(hào)重構(gòu)方法研究及其應(yīng)用.pdf_第1頁(yè)
已閱讀1頁(yè),還剩121頁(yè)未讀, 繼續(xù)免費(fèi)閱讀

下載本文檔

版權(quán)說(shuō)明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)

文檔簡(jiǎn)介

1、隨著科學(xué)技術(shù)的不斷發(fā)展,測(cè)試需求的不斷提高,微型化、智能化、網(wǎng)絡(luò)化、無(wú)線化、多功能化已經(jīng)成為傳感測(cè)試技術(shù)的幾大主要發(fā)展方向。多功能傳感器可同時(shí)測(cè)量多個(gè)物理量,更準(zhǔn)確客觀地反映測(cè)試對(duì)象與測(cè)試環(huán)境,可極大地消減測(cè)試系統(tǒng)的體積與功耗,在航空、航天、環(huán)境監(jiān)測(cè)、農(nóng)業(yè)生產(chǎn)制造等諸多領(lǐng)域具有重要意義和廣闊的應(yīng)用前景。
  多功能傳感器對(duì)測(cè)試對(duì)象的準(zhǔn)確測(cè)量依賴于有效的信號(hào)重構(gòu)方法,但由于被測(cè)量的增加、測(cè)量環(huán)境的不確定性以及多功能傳感器敏感機(jī)理的復(fù)

2、雜性,使得現(xiàn)有的多功能傳感器信號(hào)重構(gòu)方法普遍存在著模型估計(jì)能力差、信號(hào)重構(gòu)精度差以及過(guò)擬合、局部極小解、維數(shù)災(zāi)難等問(wèn)題。因此,本文針對(duì)現(xiàn)有信號(hào)重構(gòu)方法中存在的問(wèn)題,研究相應(yīng)的解決方法,提高多功能傳感器信號(hào)重構(gòu)精度,促進(jìn)多功能傳感器的開(kāi)發(fā)與應(yīng)用。本文主要研究?jī)?nèi)容如下:
  多功能傳感器信號(hào)重構(gòu)問(wèn)題中常用的線性參數(shù)化多元回歸處理方法具有辨識(shí)模型簡(jiǎn)單、信號(hào)重構(gòu)過(guò)程易于實(shí)現(xiàn)的優(yōu)點(diǎn),但該方法通常利用最小二乘方法實(shí)現(xiàn)模型參數(shù)辨識(shí),由于最小二乘

3、法在應(yīng)用中只考慮了觀測(cè)向量中存在的誤差而忽略了數(shù)據(jù)矩陣中的誤差影響,而在實(shí)際應(yīng)用中觀測(cè)向量和數(shù)據(jù)矩陣均由測(cè)試數(shù)據(jù)構(gòu)成,不可避免的含有誤差,因而影響了辨識(shí)模型的可靠性與信號(hào)重構(gòu)的精度。而總體最小二乘方法同時(shí)考慮了觀測(cè)向量和數(shù)據(jù)矩陣的擾動(dòng)問(wèn)題,更適于實(shí)際應(yīng)用情況。仿真試驗(yàn)表明基于總體最小二乘方法的傳感器信號(hào)重構(gòu)結(jié)果優(yōu)于最小二乘方法。
  支持向量機(jī)方法是適用于小樣本情況下的新型機(jī)器學(xué)習(xí)方法,它利用結(jié)構(gòu)風(fēng)險(xiǎn)最小化準(zhǔn)則來(lái)代替?zhèn)鹘y(tǒng)的經(jīng)驗(yàn)風(fēng)險(xiǎn)

4、最小化準(zhǔn)則,有效地避免了傳統(tǒng)方法中存在的過(guò)擬合、局部極小化、維數(shù)災(zāi)難等問(wèn)題。其中,最小二乘支持向量機(jī)方法通過(guò)采用二次損失函數(shù)來(lái)度量經(jīng)驗(yàn)風(fēng)險(xiǎn)并利用等式約束來(lái)代替不等式約束,將求解簡(jiǎn)化為處理線性方程組問(wèn)題,而無(wú)須處理二次規(guī)劃問(wèn)題,極大地消減了數(shù)據(jù)處理的計(jì)算復(fù)雜度,因而相比標(biāo)準(zhǔn)支持向量機(jī)方法更適宜于處理多功能傳感器信號(hào)重構(gòu)問(wèn)題。但由于在實(shí)際應(yīng)用中線性方程組由測(cè)量信號(hào)構(gòu)成,直接采用矩陣求逆處理時(shí)易出現(xiàn)擾動(dòng)問(wèn)題和數(shù)值不穩(wěn)定現(xiàn)象,因此本文采用總體最

5、小二乘法處理最小二乘支持向量機(jī)求解問(wèn)題,抑制矩陣擾動(dòng)、增強(qiáng)求解的數(shù)值穩(wěn)定性,提高信號(hào)重構(gòu)精度。仿真結(jié)果表明基于總體最小二乘解的支持向量機(jī)方法的信號(hào)重構(gòu)精度優(yōu)于標(biāo)準(zhǔn)支持向量機(jī)方法和標(biāo)準(zhǔn)最小二乘支持向量機(jī)方法。
  標(biāo)準(zhǔn)魯棒最小二乘支持向量機(jī)中的權(quán)函數(shù)因?yàn)槿鄙賹?duì)粗差數(shù)據(jù)的淘汰處理機(jī)制,使得粗差數(shù)據(jù)仍對(duì)最終的求解過(guò)程產(chǎn)生影響,影響了算法的魯棒性。因此本文采用IGGIII權(quán)函數(shù)對(duì)估計(jì)殘差進(jìn)行加權(quán)處理并利用總體最小二乘法處理回歸參數(shù)矩陣,I

6、GGIII權(quán)函數(shù)通過(guò)對(duì)粗差域數(shù)據(jù)賦予零權(quán)值可有效去除粗差數(shù)據(jù)點(diǎn)對(duì)于重構(gòu)結(jié)果的干擾,增強(qiáng)算法魯棒性;總體最小二乘法可增強(qiáng)求解的數(shù)值穩(wěn)定性與計(jì)算精度。仿真結(jié)果表明,對(duì)于含有粗差數(shù)據(jù)情況下的多功能傳感器信號(hào)重構(gòu)問(wèn)題,改進(jìn)算法的魯棒性及重構(gòu)精度均優(yōu)于標(biāo)準(zhǔn)魯棒最小二乘支持向量機(jī)方法。
  對(duì)于復(fù)雜重構(gòu)問(wèn)題利用全局建模方法進(jìn)行處理時(shí),通常存在著模型復(fù)雜度大、計(jì)算效率低、泛化性能差等缺點(diǎn),而局部化建模方法通過(guò)在待分析樣本附近直接構(gòu)建重構(gòu)函數(shù),可

7、有效降低模型復(fù)雜度、增強(qiáng)預(yù)測(cè)效率和泛化性能。本文通過(guò)構(gòu)建基于鄰域風(fēng)險(xiǎn)最小化思想的局部化最小二乘支持向量機(jī)實(shí)現(xiàn)多功能傳感輸入、輸出函數(shù)關(guān)系的局部化建模,并采用總體最小二乘法處理局部化最小二乘支持向量機(jī)的回歸參數(shù)求解問(wèn)題,從而實(shí)現(xiàn)傳感器信號(hào)重構(gòu)。仿真結(jié)果表明,相比全局化方法,局部化最小二乘支持向量回歸方法具有更高的信號(hào)重構(gòu)精度和計(jì)算穩(wěn)定性。
  為了檢驗(yàn)本文提出的傳感器信號(hào)重構(gòu)算法在實(shí)際應(yīng)用中的效果,將其用于解決一個(gè)設(shè)計(jì)新穎的多功能多

溫馨提示

  • 1. 本站所有資源如無(wú)特殊說(shuō)明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒(méi)有圖紙預(yù)覽就沒(méi)有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫(kù)僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。

評(píng)論

0/150

提交評(píng)論