本发明涉及位移传感器，具体涉及一种基于二阶pso-bp神经网络的电感式位移传感器位置解算方法。
背景技术：
1、电感式位移传感器是一种将线性位移转换成电信号实现位移测量的传感器，被提出以来，因其具有结构简单、无接触传感和使用寿命长等优点而被广泛应用于各行各业。对于传统的电感式位移传感器，例如差动电感式位移传感器，该位移传感器在工作时初级线圈通常由正弦信号激励，次级线圈会产生随磁芯位置变化而改变的电信号，此工作原理决定了电感式位移传感器仅在其特性的线性区域中才能发挥其位移测量功能。在此响应信号激励的过程中，电感式位移传感器通常会表现出固有的非线性输入输出特性；由于这种非线性关系的存在，导致在现有技术中，直接根据电信号解算出位移是不现实的。
2、目前，电感式位移传感器传统的位置解算方法，通常是利用多项式拟合感应电压与铁芯位置非线性关系中的一段线性范围对铁芯进行位置解算，该方法不仅测量的量程范围短，而且测量精度低；同时，由于电感式位移传感器非线性的存在，如果使用电感式位移传感器的全量程，传感器两端的测量精度必然会受到严重影响。
3、针对上述情况，有学者提出了一种利用对数逼近的低成本、低复杂度的方法，来提高电感式位移传感器的线性范围，但是该技术需要两个匹配良好的二极管和运算放大器，来精确生成双曲正切函数，这种技术在工程实际中难于找到相应的元器件来实现。又有学者提出利用非显性排序算法(nsga)-ii和-iii，通过调整传感器内部参数来提高传感器的整体性能，使传感器的线性范围增加一倍，但是该技术不适用于多类型电感式位移传感器。
技术实现思路
1、针对现有技术存在的不足，本发明提出一种基于二阶pso-bp神经网络的电感式位移传感器位置解算方法，以解决现有技术中存在的电感式位移传感器测量精度低、量程范围短的技术问题。
2、本发明采用的技术方案如下：
3、一种基于二阶pso-bp神经网络的电感式位移传感器位置解算方法，包括以下步骤：
4、获取电感式位移传感器的次级线圈感应电压；
5、将次级线圈感应电压作为输入，使用位置解算模型解算，得到铁芯位置解算值；
6、将铁芯位置解算值作为输入，使用位置误差补偿模型解算，得到铁芯位置误差补偿值；
7、将铁芯位置误差补偿值补偿到铁芯位置解算值上得到铁芯位置位移值。
8、进一步的，位置解算模型解算的构建方法包括：
9、将次级线圈感应电压作为输入，铁芯位置作为输出，使用经粒子群算法优化后的pso-bp神经网络进行训练，对传感器模型的铁芯位置和感应电压幅值进行线性拟合，得到位置解算模型。
10、进一步的，位置误差补偿模型的构建方法包括：
11、将铁芯位置解算值与铁芯位置相减做差，将差值作为铁芯位置绝对误差值；
12、将铁芯位置解算值作为输入，将铁芯位置绝对误差值作为输出，使用经粒子群算法优化后的pso-bp神经网络进行训练，对位置解算值与位置绝对误差进行线性拟合，得到误差补偿模型。
13、进一步的，pso-bp神经网络，损失函数如下：
14、
15、在上式中，i表示训练样本的序号，i＝1，2，…，n；表示第i个输出真实值，y(i)表示bp神经网络训练过后的第i个输出预测值。
16、进一步的，pso-bp神经网络，成本函数如下：
17、
18、在上式中，i表示训练样本的个数，i＝1，2，…，m；表示第i个输出真实值，y(i)表示bp神经网络训练过后的第i个输出预测值。
19、进一步的，pso-bp神经网络，激活函数如下：
20、
21、在上式中，e为自然常数。
22、进一步的，训练bp神经网络时，权重和偏置值的调整公式如下：
23、
24、在上式中，ω表示权重，b表示偏置值，和表示需要调整的权重和偏置值，和表示调整过后的权重和偏置值，α表示学习率。
25、进一步的，pso-bp神经网络，为采用粒子群算法进行优化，包括：
26、对于初始化的权重和偏置值，定义粒子的速度和位置；计算适应度值；更新个体极值和群体极值；更新粒子的速度和位置；获取最佳权重和偏置值。
27、进一步的，粒子群算法的公式如下：
28、
29、在上式中，w表示惯性权重，c1、c2表示学习因子，r1、r2表示介于(0,1)之间的随机数，分别表示第k、k+1次迭代过程中粒子i的速度，分别表示第k、k+1次迭代过程中粒子j的位置，pbesti表示个体最优位置，gbest表示群体最优位置。
30、进一步的，pso-bp神经网络，适应度函数如下：
31、
32、在上式中，表示第i个输出真实值，y(i)表示bp神经网络训练过后的第i个输出预测值，i表示训练样本的个数。
33、由上述技术方案可知，本发明的有益技术效果如下：
34、1.针对电感式位移传感器，提出了一种全新的铁芯位置位移值解算方法，可得到更加精确铁芯的位置位移值，提高了电感式位移传感器的测量精度。
35、2.相较于传统的一次多项式位置解算算法，在解算时线性拟合度更高，因此电感式位移传感器的有效测量量程范围更大。
1.一种基于二阶pso-bp神经网络的电感式位移传感器位置解算方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于二阶pso-bp神经网络的电感式位移传感器位置解算方法，其特征在于，所述位置解算模型解算的构建方法包括：
3.根据权利要求1所述的基于二阶pso-bp神经网络的电感式位移传感器位置解算方法，其特征在于，所述位置误差补偿模型的构建方法包括：
4.根据权利要求2或3所述的基于二阶pso-bp神经网络的电感式位移传感器位置解算方法，其特征在于，所述pso-bp神经网络，损失函数如下：
5.根据权利要求2或3所述的基于二阶pso-bp神经网络的电感式位移传感器位置解算方法，其特征在于，所述pso-bp神经网络，成本函数如下：
6.根据权利要求2或3所述的基于二阶pso-bp神经网络的电感式位移传感器位置解算方法，其特征在于，所述pso-bp神经网络，激活函数如下：
7.根据权利要求2或3所述的基于二阶pso-bp神经网络的电感式位移传感器位置解算方法，其特征在于，训练bp神经网络时，权重和偏置值的调整公式如下：
8.根据权利要求2或3所述的基于二阶pso-bp神经网络的电感式位移传感器位置解算方法，其特征在于，所述pso-bp神经网络，为采用粒子群算法进行优化，包括：
9.根据权利要求8所述的基于二阶pso-bp神经网络的电感式位移传感器位置解算方法，其特征在于，所述粒子群算法的公式如下：
10.根据权利要求2或3所述的基于二阶pso-bp神经网络的电感式位移传感器位置解算方法，其特征在于，所述pso-bp神经网络，适应度函数如下：
