[發(fā)明專利]一種電調濾波器控制方法及裝置

有效

• 申請?zhí)枺?/td>: 202110117991.1
• 申請日: 2021-01-28
• 公開（公告）號: CN112785003B
• 公開（公告）日: 2022-08-26
• 發(fā)明（設計）人: 丁志勇;蔡楚才
• 申請（專利權）人: 武漢市博暢軟件開發(fā)有限公司
• 主分類號: G06N20/10
• 分類號: G06N20/10;G06N3/00
• 代理公司: 武漢紅觀專利代理事務所(普通合伙) 42247
• 代理人: 陳凱

1.一種電調濾波器控制方法，其特征在于，所述方法包括：

對數模轉換器輸出的模擬電壓值與電調濾波器的中心頻率值對應關系進行采樣，對采樣數據進行預處理；所述對數模轉換器輸出的模擬電壓值與電調濾波器的中心頻率值對應關系進行采樣具體包括：

采集在特定環(huán)境溫度T和使用壽命D下，輸入不同的預制中心頻率f₀時，數模轉換器的輸出電壓值V和對應的輸出中心頻率F，每個采樣數據用(T，D，f₀，V，F)表示；

將多項式核函數和高斯核函數進行線性組合，得到組合核函數；

對預處理后的采樣數據，基于組合核函數構造支持向量回歸模型和對應的目標函數；

以目標函數為適應度函數，采用改進的象群優(yōu)化算法優(yōu)化支持向量回歸模型的參數，訓練得到最優(yōu)支持向量回歸模型；

所述采用改進的象群優(yōu)化算法優(yōu)化支持向量回歸模型的參數具體為：

以空間向量(C，ω，σ，ε)作為象群優(yōu)化算法中的個體，C表示組合核函數的懲罰系數，ω表示組合核函數中高斯核函數的權重系數，多項式核函數的權重系數為1-ω，σ表示高斯核帶寬，ε表示不敏感系數，通過改進的象群優(yōu)化算法選取出最優(yōu)的個體，得到支持向量回歸模型的懲罰系數C、權重系數ω、高斯核帶寬σ及不敏感系數ε的最優(yōu)組合；

所述采用改進的象群優(yōu)化算法優(yōu)化支持向量回歸模型的參數具體包括如下步驟：

設置種群規(guī)模N、迭代次數T、各參數取值范圍，設個體i的位置為x_i＝[x_i,C，x_i,ω，x_i,σ，x_i,ε]，x_i,C代表組合核函數的懲罰系數值，x_i,ω表示組合核函數中高斯核函數的權重系數值，x_i,σ表示高斯核帶寬值，x_i,ε表示不敏感系數值；在參數取值范圍內隨機初始化種群，將種群隨機分為多個氏族；

通過目標函數計算各個個體的適應度值，得到當前各個氏族中最優(yōu)個體位置、各個氏族中最差個體位置、種群中最優(yōu)個體位置；

根據當前各個氏族中最優(yōu)個體位置、各個氏族中最差個體位置、種群中最優(yōu)個體位置進行氏族位置更新

重新計算各個個體的適應度值，對各個氏族中適應度最差的個體進行氏族分離，并對適應度最差的個體進行位置更新；

判斷是否達到收斂條件，若是，輸出當前最優(yōu)位置作為最優(yōu)分割閾值組合；若否，刪除氏族分離之后種群中適應度最差的個體，重新進行適應度計算、氏族更新和氏族分離，直至達到收斂條件，輸出當前最優(yōu)位置作為最優(yōu)分割閾值組合；

所述根據當前各個氏族中最優(yōu)個體位置、各個氏族中最差個體位置、種群中最優(yōu)個體位置進行氏族位置更新具體包括：

根據氏族中最優(yōu)個體位置更新其他個體位置；

引入天牛須搜索算法，根據氏族中心位置和種群中最優(yōu)個體位置更新各個氏族中當前最優(yōu)個體的位置：

其中為第t次迭代時氏族c_i中最優(yōu)個體位置，為氏族c_i的中心位置，表示第t次迭代時氏族c_i中第j個個體位置，為氏族c_i中的個體總數；為種群中最優(yōu)個體位置；β為權重系數，r₁、r₂為學習參數，b為n維隨機單位向量，x_b,l、x_b,r分別為左側、右側搜索區(qū)域的位置；δ_t是搜索步長，用于調整收斂速度，是迭代次數t的遞減函數；sign()表示符號函數，f為目標函數，d為大于0的常數；

通過最優(yōu)支持向量回歸模型建立模擬電壓值與電調濾波器的中心頻率值之間的連續(xù)的對應關系，基于連續(xù)的對應關系進行電調濾波器控制。

2.根據權利要求1所述電調濾波器控制方法，其特征在于，所述對采樣數據進行預處理具體包括：對采樣數據進行清洗和歸類，將同一環(huán)境溫度區(qū)間范圍和使用壽命范圍下的采樣數據歸為一類。

3.根據權利要求1所述電調濾波器控制方法，其特征在于，所述目標函數為均方根誤差函數。

4.一種電調濾波器控制裝置，其特征在于，所述裝置包括：

數據采集模塊：對數模轉換器輸出的模擬電壓值與電調濾波器的中心頻率值對應關系進行采樣，對采樣數據進行預處理；所述對數模轉換器輸出的模擬電壓值與電調濾波器的中心頻率值對應關系進行采樣具體包括：

采集在特定環(huán)境溫度T和使用壽命D下，輸入不同的預制中心頻率f₀時，數模轉換器的輸出電壓值V和對應的輸出中心頻率F，每個采樣數據用(T，D，f₀，V，F)表示；

支持向量回歸模塊：將多項式核函數和高斯核函數進行線性組合，得到組合核函數；對預處理后的采樣數據，基于組合核函數構造支持向量回歸模型和對應的目標函數；以目標函數為適應度函數，采用改進的象群優(yōu)化算法優(yōu)化支持向量回歸模型的參數，訓練得到最優(yōu)支持向量回歸模型；

所述采用改進的象群優(yōu)化算法優(yōu)化支持向量回歸模型的參數具體為：

以空間向量(C，ω，σ，ε)作為象群優(yōu)化算法中的個體，C表示組合核函數的懲罰系數，ω表示組合核函數中高斯核函數的權重系數，多項式核函數的權重系數為1-ω，σ表示高斯核帶寬，ε表示不敏感系數，通過改進的象群優(yōu)化算法選取出最優(yōu)的個體，得到支持向量回歸模型的懲罰系數C、權重系數ω、高斯核帶寬σ及不敏感系數ε的最優(yōu)組合；

所述采用改進的象群優(yōu)化算法優(yōu)化支持向量回歸模型的參數具體包括：

設置種群規(guī)模N、迭代次數T、各參數取值范圍，設個體i的位置為x_i＝[x_i,C，x_i,ω，x_i,σ，x_i,ε]，x_i,C代表組合核函數的懲罰系數值，x_i,ω表示組合核函數中高斯核函數的權重系數值，x_i,σ表示高斯核帶寬值，x_i,ε表示不敏感系數值；在參數取值范圍內隨機初始化種群，將種群隨機分為多個氏族；

通過目標函數計算各個個體的適應度值，得到當前各個氏族中最優(yōu)個體位置、各個氏族中最差個體位置、種群中最優(yōu)個體位置；

根據當前各個氏族中最優(yōu)個體位置、各個氏族中最差個體位置、種群中最優(yōu)個體位置進行氏族位置更新；

重新計算各個個體的適應度值，對各個氏族中適應度最差的個體進行氏族分離，并對適應度最差的個體進行位置更新；

判斷是否達到收斂條件，若是，輸出當前最優(yōu)位置作為最優(yōu)分割閾值組合；若否，刪除氏族分離之后種群中適應度最差的個體，重新進行適應度計算、氏族更新和氏族分離，直至達到收斂條件，輸出當前最優(yōu)位置作為最優(yōu)分割閾值組合；

所述根據當前各個氏族中最優(yōu)個體位置、各個氏族中最差個體位置、種群中最優(yōu)個體位置進行氏族位置更新具體包括：

根據氏族中最優(yōu)個體位置更新其他個體位置；

引入天牛須搜索算法，根據氏族中心位置和種群中最優(yōu)個體位置更新各個氏族中當前最優(yōu)個體的位置：

其中為第t次迭代時氏族c_i中最優(yōu)個體位置，為氏族c_i的中心位置，表示第t次迭代時氏族c_i中第j個個體位置，為氏族c_i中的個體總數；為種群中最優(yōu)個體位置；β為權重系數，r₁、r₂為學習參數，b為n維隨機單位向量，x_b,l、x_b,r分別為左側、右側搜索區(qū)域的位置；δ_t是搜索步長，用于調整收斂速度，是迭代次數t的遞減函數；sign()表示符號函數，f為目標函數，d為大于0的常數；

濾波器控制模塊：通過最優(yōu)支持向量回歸模型建立模擬電壓值與電調濾波器的中心頻率值之間的連續(xù)的對應關系，基于連續(xù)的對應關系進行電調濾波器控制。