亚星游戏官网-www.yaxin868.com

专利名称：基于dsp的差压变送器的数据融合装置及方法
技术领域：
本发明涉及差压变送器的智能化领域，特别是差压变送器的被测量与输出值的数据融合 装置及方法。
技术背景差压变送器是用来检测生产过程运行中流体的流量、差压等参数的现场仪表。从早期精度低、笨重的大位移水银浮子式差压计，到20世纪50年代体积大、可靠性差、精度低的力 平衡式差压变送器。到了20世纪70年代，随着技术的发展，出现了第3代微位移电子式变 送器。经过了几十年的发展历程，新一代差压变送器结构简单、体积小、精度高、可靠性好。 20世纪90年代以来，由于电子技术、计算机技术的高速发展以及微电子机械技术(Micro Electro Mechanical Technology简称MEMT)的出现，使传感器越做越�。�功能也越来越强。随着控制系统的进一步发展，控制系统的发展越来越趋向于复杂化、高精度化和智能化， 系统要求传感器可以组成高精度、功能强大的测控网络。传感器是实现测量与控制的首要环 节，是把非电量变成电量的敏感单元，使低层仪表智能化、使其测量精度更高是迫切要解决 的问题，而如今的传感器在智能化方面还有很大的差距，如果能在敏感元件不变的情况下， 提升传感器的测量精度，则可以在很大程度上提高控制系统所需信息的准确性。借助于微处 理器性能的快速发展，使得这些设想可以变成现实。差压变送器直接与被测介质相接触，经常在恶劣环境中运行，因此对变送器的精确度有很高的要求。而影响差压变送器测量精度的主要原因在于传感器的输出-输入特性具有非线 性特性且随着时间的变化而发生漂移；差压信号容易受环境温度、静压等的变化而产生漂移。 最传统的非线性传感器特性线性化的方法是硬件补偿法，这种方法难以做到全补偿，并且补 偿硬件的漂移会影响整机精度。最早对传感器输入-输出特性的建模方法有最小二乘直线法、独立直线法等，但不能满 足高精度的要求，用高次曲线拟合又过于复杂，不能满足使用要求。随着祌经网络的发展， BP神经网络、Elman神经网络等方法都用在了传感器输入-输出特性的建模上，但他们都有 着容易陷入局部极小值、泛化能力差等缺点，随着精度要求的不断提高，需要寻求更好的建 模方法。 发明内容本发明的目的在于提供一种基于DSP的差压变送器数据融合装置和方法，为差压变送器 提供一种可嵌入的基于支持向量机的数据融合装置，由DSP来进行算法的处理和实现，提高
测量的精度并使差压变送器智能化。为达到上述目的，本发明采用下述技术方案一种基于DSP的差压变送器数据融合装置，包括微处理器DSP、 E2PROM、信号调理模 块、AD转换器、电源�？椋�其特征在于差压变送器的输出经过信号调理�？楹虯D转换器连 接到微处理器DSP，微处理器DSP连接E2PROM，微处理器DSP的输出连接到一个串口 ， 由电源�？槲�各器件提供工作电源。一种基于DSP的差压变送器数据融合方法，采用上述装置进行数据融合，其特征在于运 行的步骤如下-1) 系统的初始化E^ROM和微处理器DSP的初始化；2) 信号的接收差压变送器输出的数据经过信号调理模块、AD转换器输入到微处理器DSP中；3) 微处理器DSP根据支持向量机理论建立并设定初始化模型，包括初始化模型的参数 和初始化模型的核函数，根据已接收到的数据对初始化模型进行训练，得到训练模型的 支持向量机和参数，消除了温度、压力等的干扰，提高差压值的精度。整个过程的步骤如下 .① 建立并初始化模型包括初始化模型的参数、选定核函数及其参数；② 归一化给定输入值和期望的目标值。公式如下<formula>formula see original document page 5</formula>式中-;: 一归一化后的差压传感器输出电压；",一差压传感器输出电压；"自一 差压传感器输出电压最小值；W皿一差压传感器输出电压最大值；③ 用建立的初始化模型和样本数据按照公式/(X"t/^(x,，x)+6计算差压值；(=1式中A:—核函数系数；6: —阈值；A(JC,，JC):—核函数；X: —输入量；X,: —支持向量；/'(X):—回归函数；h —支持向量机个数； 求出计算得差压值和期望差压值的偏差；◎ 模型中的参数以及核函数中的参数进行学习；返回步骤②重复计算，直到误差满足要求为止； 确定训练模型的参数、核函数及其参数；4) 微处理器DSP接收新的数据，利用步骤3)建立好训练模型计算差压值；5) DSP微处理器将处理好的数据存入E2PROM中并经串口输出；并至步骤4)。 本发明与现有技术相比较，具有如下显而易见的突出实质性特点和显著优点1. 基于支持向量机理论的建模方法，能够在现有信息的情况下得到最优解且无需经验知 识和深入了解差压变送器的内部机理，只需要使用输入和输出数据就可以实现差压变 送器的数据融合；拟合精度高，泛化能力强，无过学习现象。2. 基于DSP的差压变送器支持向量机数据融合装置，软硬件封装完备，集成度高，体积 �。�实时性、处理能力好。


图1给出了祌经网络的一般学习框图。 .图2给出了基于支持向量机非线性校正过程。图3给出了系统的硬件结构框图。图4给出了基于支持向量机的数据融合方法的流程图。图5给出了系统的工作流程图。
具体实施方式
本发明的一个优选实施例结合

如下参见图3，本基于DSP的差压变送器支持向量机数据融合装置包括微处理器DSP 6、 E2PROM4、信号调理�？�2、 AD转换器3、电源�？�5，所述的差压变送器1的输出经过信 号调理�？�2和AD转换器3连接到微处理器DSP 6，微处理器DSP 6连接E2PROM 4并输 出到一个串口 7。由电源�？�5为各器件提供工作电源。参见图4和图5，本基于DSP的差压变送器支持向量机数据融合方法，采用上述装置进 行数据融合，其运行的步骤为1) 系统的初始化E^ROM4和微处理器DSP6的初始化；2) 信号的接收差压变送器l输出的数据经过信号调理�？�2、 AD转换器3输入到微 处理器DSP6中；3) 微处理器DSP 6根据支持向量机理论建立并设定初始化模型，包括初始化模型的参数 和初始化模型的核函数，根据已接收到的数据对初始化模型进行训练，得到训练模型的 支持向量机和参数，消除了温度、压力等的干扰，提高差压值的精度。整个过程的步骤 如下 ① 建立并初始化模型包括初始化模型的参数、选定核函数及其参数;② 归一化给定输入值和期望的目标值。公式如下式中归一化后的差压传感器输出电压；",一差压传感器输出电压；"min —差 压传感器输出电压最小值；wmax—差压传感器输,'li电压最大值；③用建立的初始化模型和样本数据按照公式(9)计算差压值； 求出计算得差压值和期望差压值的偏差； ⑤模型中的参数以及核函数中的参数进行学习； 返回步骤②重复计算，直到误差满足要求为止； ◎ 确定训练模型的参数、核函数及其参数；4) 微处理器DSP6接收新的数据，利用步骤3)建立好训练模型计算差压值；5) DSP微处理器6将处理好的数据存入E^ROM4中并经串口 7输出；并至步骤4)。 下面作进一步说明基于支持向量机的数据融合方法支持向量机是一种学习模型，图1给出了一般情况下神经网络学习的模型。支持向量机 的基本思想是用核映射的方法将非线性问题转化为高维的特征空间，在高维特征空间中构造 线性判别函数来实现原空间中的非线性判别函数，如图2所示。差压变送器输入输出关系可以表示为<formula>formula see original document page 7</formula>2)其中X为差压变送器的输入量，《为输出量，fl和6为输入信号的范围。输入样本为<formula>formula see original document page 7</formula>首先，将x域用一个非线性变换;c —00c)，将输入空间映射到一个高维的特征空间，然后 在这个高维的特征空间中进行线性回归，艮P-<formula>formula see original document page 7</formula>3)式中" "表示向量的点积，w为支持向量机系数，6为阈值。根据结构风险最小化准则，在允许误差的情况下，最优化问题转化为目标函数 mii4HI2+ct(W)……(4)其中，c为一个给定常数，f ，《是松弛变量。采用f-不敏感损失函数，最小化的约束条件为/0C,.) ,SC+s， y,陽/(X,)S^+6"， ^,^20。引入拉格朗日函数《,)=去I,2 +c玄& )匿t (s+《-/ * (x,))-2 '=1 ……(5)Z k+《+乂 - / (x, ))-Z +)1=1 1=1 式中，^a,'，r,，^20,皆为系数。令公式(5)中《,6,《"/的偏导数都等于零，将偏导结果代入公式(4)得到对偶优化问题。其最大化目标函数为/=
2"戶i ,、i其约束条件为t (化=0 ，《,a,' e[O，c]，公式(5)中0(x,X、)为高维特征空间的点积运算，令核函数^Xjc,) 0,)^(x》，因此，目标函数变为,、1,'=i 2''j'=i '=i在约束条件先解上公式得到……(8)令"=",-《* ， "^o对应于支持向量机。回归函数变为/(x"t脾,，,……(9)
权利要求
1. 一种基于DSP的差压变送器数据融合装置，包括微处理器DSP(6)、E2PROM(4)、信号调理�？�(2)、AD转换器(3)、电源�？�(5)，其特征在于差压变送器(1)的输出经过信号调理模块(2)和AD转换器(3)连接到微处理器DSP(6)，微处理器DSP(6)连接E2PROM(4)，微处理器DSP(6)输出连接到一个串口(7)，由电源�？�(5)为各器件提供工作电源。
2. —种基于DSP的差压变送器数据融合方法，采用权利要求书1所述基于DSP的差压变送 器数据融合装置进行数据融合，其特征在于运行的步骤如下1) 系统的初始化E2PROM (4)和微处理器DSP (6)的初始化；2) 信号的接收差压变送器(1)输出的数据经过信号调理�？�(2)、 AD转换器(3) 输入到微处理器DSP (6)中；3) 微处理器DSP (6)根据支持向量机理论建立设定初始化模型、初始化模型参数，根 据d接收到的数据进行模型的训练，得到训练模型的支持向量机和参数，消除温度、 压力干扰，提高测量值的精度；4) 微处理器DSP (6)接收新的数据，利用步骤3)建立好的训练模型计算输出值；5) 微处理器DSP (6)将处理好的数据存入E2PROM (4)中并经串口 (7)输出；并至 步骤4)。
3. 根据权利要求书2所述的DSP的差压变送器数据融合方法，其特征在于所述步骤3)的 具体操作步骤为-① 建立并初始化模型包括初始化模型的参数、选定核函数及其参数；② 归一化给定输入值和期望的目标值，公式如下<formula>formula see original document page 2</formula>式中-;: 一归一化后的差压传感器输出电压；",一差压传感器输出电压；"mm — 差压传感器输出电压最小值；"max —差压传感器输出电压最大值；③用建立的初始化模型和样本数据按照公式/'(1)=^^^《,"+6计算差压值；'=1式中 <formula>formula see original document page 2</formula>A: —核函数系数；6: —阈值；A:(^,JC):—核函数；；c : 一输入值；X,:— 支持向量；/'(X): —回归函数；—支持向量机个数; 求出计算得差压值和期望差压值的偏差；⑤ 模型中的参数以及核函数中的参数进行学习； 返回步骤②重复计算，直到误差满足要求为止；⑥ 确定训练模型的参数、核函数及其参数。
全文摘要
本发明涉及一种基于DSP的差压变送器的被测量与输出值的数据融合装置及方法。本装置包括微处理器DSP、E²PROM、信号调理�？�、AD转换器、电源模块，其特征在于差压变送器的输出经过信号调理�？楹虯D转换器连接到微处理器DSP，微处理器DSP连接E²PROM，微处理器DSP的输出连接到一个串口，由电源�？槲�各器件提供工作电源。本方法是采用上述装置，由DSP来进行算法的处理和实现，提高测量的精度并使差压变送器智能化。本发明集成度高，体积�。�实时性、处理能力好。
文档编号G01D5/12GK101398314SQ20081020197
公开日2009年4月1日 申请日期2008年10月30日 优先权日2008年10月30日
发明者付敬奇, 静 李 申请人:上海大学