1.一种基于传感阵列的微型电流传感器的误差校正方法,其特征在于,所述微型电流传感器有三个隧道磁电阻传感器组成,三个隧道磁电阻传感器设置在一条主敏感轴上,且设置在中间的传感器为三轴传感器,两侧的传感器为第一单轴传感器和第二单轴传感器;
所述误差校正方法包括:
步骤1,采集所述微型电流传感器的暗敷深度、通电电流和水平偏差在不同工况下的数据形成特征样本集,所述特征样本集包括至少三组特征样本;
步骤2,获取所述微型电流传感器的三个隧道磁电阻传感器的磁感应强度,并通过校正因子对获取到的磁感应强度进行校正;
步骤3,采用改进粒子群算法进行校正因子计算,并用粒子群模型处理所述特征样本集、校正因子和磁感应强度测量值,得到最优数据,并根据所述最优数据对传感器输出的非线性误差进行校正。
2.根据权利要求1所述的基于传感阵列的微型电流传感器的误差校正方法,其特征在于,所述步骤1具体包括:
预设不同的暗敷深度D、通电电流I和水平偏差Δx为不同的工况,将不同工况下的暗敷深度D、通电电流I和水平偏差Δx作为特征样本集所述特征样本集 是一个3×n的多维数组,行向量分别为暗敷深度D、通电电流I和水平偏差Δx,列向量分别为不同的预设组,其中实验组数n≥3.定义n组运行情况下的3个特征量构成特征样本集
其中,xt为第t组预设实验所设定的暗敷深度D(t)、通电电流I(t)和水平偏差Δx(t)三个特征量。
3.根据权利要求1所述的基于传感阵列的微型电流传感器的误差校正方法,其特征在于,所述步骤2具体包括:
分别采集每一预设组的三个隧道磁电阻传感器的磁感应强度为B′1x、B′2x和B′3x;
采用校正因子对三个传感器进行校正,校正后三个隧道磁电阻传感器输出的磁感应强度分别为B1x、B2x和B3x;
2
B1x=K11*B′1x+K12*B′1x2
B2x=K21*B′2x+K22*B′2x2
B3x=K31*B′3x+K32*B′3x其中,K11、K12、K21、K22、K31、K32为校正因子,是待求量。
4.根据权利要求3所述的基于传感阵列的微型电流传感器的误差校正方法,其特征在于,所述步骤3包括:
步骤31,采用粒子群模型处理特征样本集 各校正因子和各磁感应强度测量值,得到最优解,且将最优解确认为K11、K12、K21、K22、K31、K32;
步骤32,粒子的位置为分别表示K11、K12、K21、K22、K31、K32的六维向量,通过惩罚函数判断粒子位置是否为优质解,如果粒子位置位于非优解范围,则对该粒子的适应度进行惩罚;如果粒子位置位于优质解范围,则粒子的适应度按照适应度公式进行计算;
步骤33,每个粒子的适应度计算由特征样本集 惩罚函数和适应值计算公式计算得到;
步骤34,基于粒子个体最优位置、粒子群全局最优位置、惯性权重、第一学习因子、第二学习因子、最大迭代次数以及收敛精度,对每个粒子速度和位置进行迭代更新,获取每个粒子迭代更新后位置,
步骤35,迭代终止后的全局最优粒子位置为最优解,根据所述最优解对传感器输出的非线性误差进行校正。
5.根据权利要求4所述的基于传感阵列的微型电流传感器的误差校正方法,其特征在于,所述步骤3具体包括:
设置改进粒子群的基本参数,包括粒子群的种群规模N、惯性权重ω、学习因子1c1、学习因子2c2、迭代收敛精度eps、最大迭代次数imax、粒子飞行速度上限值vmax和下限值vmin、粒子位置上限值popmax和下限值popmin、惩罚阈值上限值hmax和下限值hmin;
初始化各粒子位置,根据上述设置的粒子位置上限值popmax和下限值popmin,使用rand函数,使粒子种群在位置区间上随机分布;
如果粒子p(j)的适应度小于个体最优适应度Pbest(j),则将该粒子的适应度赋值给个体最优适应度Pbest(j);如果粒子p(j)的适应度小于全局最优适应度Pgbest,则将该粒子的适应度赋值给全局最优适应度Pgbest;
对每个粒子的位置和速度进行更新迭代,迭代依据公式为:判断B1x和B3x的大小,将两者中值更大的赋值给变量A,值更小的赋值给变量C;计算分别得到第一暗敷深度、第二暗敷深度和第三暗敷深度:Djmean(t)=(Dj1(t)+Dj2(t)+Dj3(t))/3第一暗敷深度是由第一单轴传感器输出校正值B1x、第二单轴传感器输出校正值B3x、特征样本集 和传感器间距d计算所得;
第二暗敷深度是由变量A、三轴传感器输出校正值B2x、特征样本集 和传感器间距d计算所得;
第三暗敷深度是由变量C、三轴传感器输出校正值B2x、特征样本集 和传感器间距d计算所得;
其中,水平偏差Δx的取值恒不为负,水平偏差的方向由B1x和B3x的大小来确定,若B1x>B3x,则通电导线偏向第一单轴传感器;若B1x<B3x,则通电导线偏向第二单轴传感器;
使用惩罚函数判断粒子位置是否处于优质解范围,惩罚函数pf(j):判断条件为:pf(j)≥h,h为惩罚阈值;
如果粒子p(j)的惩罚函数值大于等于惩罚阈值,则给与该粒子的适应度一个较大的惩罚值;
如果粒子p(j)的惩罚函数值小于惩罚阈值,说明该粒子处于优质解的范围,其适应度值应有适应度函数计算所得;适应度函数为f(p(j))迭代次数达到最大迭代次数或者全局最优适应度Pgbest小于迭代收敛精度eps则终止迭代计算,否则继续计算和更新。