CN114742006B - 基于fw-esn的石英晶振动态温频特性建模方法 - Google Patents
基于fw-esn的石英晶振动态温频特性建模方法 Download PDFInfo
- Publication number
- CN114742006B CN114742006B CN202210399611.2A CN202210399611A CN114742006B CN 114742006 B CN114742006 B CN 114742006B CN 202210399611 A CN202210399611 A CN 202210399611A CN 114742006 B CN114742006 B CN 114742006B
- Authority
- CN
- China
- Prior art keywords
- temperature
- representing
- derivative
- esn
- frequency
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/30—Circuit design
- G06F30/36—Circuit design at the analogue level
- G06F30/367—Design verification, e.g. using simulation, simulation program with integrated circuit emphasis [SPICE], direct methods or relaxation methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/048—Activation functions
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/08—Thermal analysis or thermal optimisation
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E60/00—Enabling technologies; Technologies with a potential or indirect contribution to GHG emissions mitigation
Abstract
本发明公开了一种FW‑ESN的石英晶振动态温频特性建模方法,包括数据采集,计算温度变差、频率偏移、温度导数和温度二阶导数,以温度变差、温度导数、温度二阶导数为基础,构造描述温度变化的动态信息的七个动态特征量,计算加权后的动态特征量,建立动态温频特性模型并辨识模型参数步骤。本发明能够更好地描述石英晶振的动态变化规律,减少频率偏差预测误差;能够更加准确的描述快速温度变化情形下的温度频率关系,提高频率偏移补偿的精度。
Description
技术领域
本发明涉及一种石英晶振温度频率特性建模方法,尤其涉及一种基于FW-ESN的石英晶振动态温频特性建模方法,属于电子科学技术领域。
背景技术
在现代工业社会中,石英晶振作为电子系统和设备的关键部分基准频率源,相当于电子系统的心脏,其性能严重影响着电子系统的整体性能。然而在通信、导航、仪器仪表及生活电子等领域的实际应用场合中,环境温度的变化很大程度上影响着石英晶振输出频率的稳定性,从而破坏电子系统时钟信号的准确性。根据温度变化对频率偏移进行准确补偿,是石英晶振元件开发领域中温补晶振的技术原理,温度频率特性的准确建模是实现频率精准补偿的前提。
在静态或拟静态温度变化环境下,温频特性模型可以用基于多项式描述的静态数学关系描述,该模型可以较为准确的反映静态温度与频率变化之间的规律。然而,在实际应用场合中,环境温度变化错综复杂,经常会出现快速温度变换的情况,并不满足静态或拟静态环境假设。传统的多项式描述模型由于未考虑到快速温度变化导致的动态因素,往往对频率偏差的预测精度较低,难以满足实用要求。因此,针对温度快速变化环境,如何建立石英晶振温度频率特性的动态数学模型,是一个具有挑战性且非常有实用价值的研究课题。
本发明提供一种基于特征构造加权回声状态网络(Feature Weighted EchoState Network,FW-ESN)的动态温频特性建模方法。
发明内容
本发明要解决的技术问题是提供一种基于FW-ESN的石英晶振动态温频特性建模方法。
为解决上述技术问题,本发明所采取的技术方案是:
一种基于FW-ESN的石英晶振动态温频特性建模方法,包括以下步骤:
步骤1:数据采集:对石英晶振的温度T和频率f进行N次采样,得到{T(i),i=0,1,…,N}和{f(i),i=0,1,…,N};
步骤2:计算温度变差、频率偏移、温度导数和温度二阶导数:
温度变差ΔT(i)为:
ΔT(i)=T(i)-T0 (1)
式中,i=1,2,L,N表示采样序号,T0表示基准温度;
频率偏移为:
式中,f0表示基准频率;
温度一阶导数为:
T(1)(i)=T(i)-T(i-1) (3)
温度二阶导数为:
T(2)(i)=T(1)(i)-T(1)(i-1) (4)
步骤3:以温度变差、温度一阶导数、温度二阶导数为基础,构造描述温度变化动态信息的七个动态特征量:
u1(i)=T(i)-T0 (5)
式中,A表示累积量计算窗口的长度,u1(i)表示第i次采样时温度变差。u2(i)表示温度一阶导数与温度变差乘积的累积量,u3(i)表示温度一阶导数与温度变差乘积的平方累积量,u4(i)表示温度二阶导数与温度变差乘积的累积量,u5(i)表示温度二阶导数与温度变差乘积的平方累积量,u6(i)表示温度前一时刻导数与温度变差乘积的累积量,u7(i)表示温度前一时刻导数与温度变差乘积平方的累积量;
步骤4:计算加权后的动态特征量:
式中,qk表示第k,1≤k≤7个特征量的权重因子;
步骤5:建立动态温频特性模型并辨识模型参数:以加权特征量作为ESN网络输入,以频率偏移作为ESN网络输出,建立动态温频特性模型:
式中,表示所有动态特征量构成的输入向量,g(.)表示tanh激活函数,s(i),i=1,2,...,N表示状态向量,W表示输入参数矩阵,R表示状态参数矩阵,v表示输出参数向量;输出参数向量的计算方法为:
v=(STS)-1 STF (15)
其中S=[s(1) s(2) L s(N)]T表示ESN模型的状态向量矩阵,F=[Δf(1) Δf(2)L Δf(N)]T表示频率偏移向量。
进一步,所述步骤4中特征量的权重因子qk的计算方法为:
式中,corr(uk,Δf)表示第k,1≤k≤7个特征量uk和频率偏移的相关系数。
更进一步,所述的基于FW-ESN的石英晶振动态温频特性建模方法,还包括步骤6:评价建立的FW-ESN模型的预测性能。
采用上述技术方案所产生的有益效果在于:
(1)本发明能够更加准确的描述快速温度变化情形下的温度频率关系,提高频率偏移补偿的精度;
(2)本发明能够更好地描述石英晶振的动态变化规律,减少频率偏差预测误差。
附图说明
图1是本发明的原理框图;
图2是本发明实施例的ESN模型的频率偏差估计误差图;
图3是本发明实施例的FW-ESN模型的频率偏差估计误差图;
图4是本发明实施例的ESN模型的频率偏差估计结果图;
图5是本发明实施例的PFW-ESN模型的频率偏差估计结果图。
具体实施方式
实施例1:
一种基于FW-ESN的石英晶振动态温频特性建模方法,包括以下步骤:
步骤1:数据采集:对石英晶振的温度T和频率f进行N次采样,得到{T(i),i=0,1,…,N}和{f(i),i=0,1,…,N};
步骤2:计算温度变差、频率偏移、温度一阶导数和温度二阶导数:
温度变差ΔT(i)为:
ΔT(i)=T(i)-T0 (1)
式中,i=1,2,L,n表示采样序号,T0表示基准温度;
频率偏移为:
式中,f0表示基准频率;
温度一阶导数为:
T(1)(i)=T(i)-T(i-1) (3)
温度二阶导数为:
T(2)(i)=T(1)(i)-T(1)(i-1) (4)
步骤3:以温度变差、温度一阶导数、温度二阶导数为基础,构造描述温度变化动态信息的七个动态特征量:
u1(i)=T(i)-T0 (5)
式中,A表示累积量计算窗口的长度,u1(i)表示第i次采样时温度变差。u2(i)表示温度一阶导数与温度变差乘积的累积量,u3(i)表示温度一阶导数与温度变差乘积的平方累积量,u4(i)表示温度二阶导数与温度变差乘积的累积量,u5(i)表示温度二阶导数与温度变差乘积的平方累积量,u6(i)表示温度前一时刻导数与温度变差乘积的累积量,u7(i)表示温度前一时刻导数与温度变差乘积平方的累积量;
步骤4:计算加权后的动态特征量:
式中,qk表示第k,1≤k≤7个特征量的权重因子;
步骤5:建立动态温频特性模型并辨识模型参数:以加权特征量作为ESN网络输入,以频率偏移作为ESN网络输出,建立动态温频特性模型:
式中,表示所有动态特征量构成的输入向量,g(.)表示tanh激活函数,s(i),i=1,2,...,N表示状态向量,W表示输入参数矩阵,R表示状态参数矩阵,v表示输出参数向量;输出参数向量的计算方法为:
v=(STS)-1 STF (15)
其中S=[s(1) s(2) L s(N)]T表示ESN模型的状态向量矩阵,F=[Δf(1) Δf(2)L Δf(N)]T表示频率偏移向量。
进一步,所述步骤4中特征量的权重因子qk的计算方法为:
式中,corr(uk,Δf)表示第k个特征量uk和频率偏移的相关系数。
更进一步,所述的基于FW-ESN的石英晶振动态温频特性建模方法,还包括步骤6:评价建立的FW-ESN模型的预测性能。
本实施例以某19.2MHz的石英晶振作为实验对象,采集该晶振在动态温度测试环境下的温度和频率数据,采用不同的方法建立该晶振的温度频率特性模型。通过设置测试环境温度快速变化来分析快速度动态温度变化下的频率特性。
如果直接使用单特征量温度建立的动态ESN模型进行频率偏差估计,对频率偏差的估计误差绘制于图2中,可以看出ESN模型的最大估计误差可以达到0.63ppm。如果使用FW-ESN模型进行频率偏差估计,对频率偏差的估计误差绘制于图3,最大频率偏移估计误差小于0.33ppm。均方根误差RMSE的对比结果列于表1中,可以看出ESN模型RMSE超过0.12ppm,而FW-ESN模型的RMSE小于0.09ppm。图4和图5分别绘制了ESN方法和FW-ESN方法的频率偏差实际值与估计值的对比图,可以看出,使用FCW-ESN方法时,频率偏差的估计值和真实值基本上在一条直线上,一致性很好,而ESN方法的估计误差则随着温度升降发生显著变化。
从以上实验结果可以看出,FCW-ESN方法能够更好地描述石英晶振的动态变化规律,减少频率偏差预测误差。
表1
ESN模型 | FW-ESN模型 | |
RMSE | 0.1235 | 0.08543 |
Claims (3)
1.一种基于FW-ESN的石英晶振动态温频特性建模方法,其特征在于:包括以下步骤:
步骤1:数据采集:对石英晶振的温度T和频率f进行N次采样,得到{T(i),i=0,1,…,N}和{f(i),i=0,1,…,N};
步骤2:计算温度变差、频率偏移、温度导数和温度二阶导数:
温度变差ΔT(i)为:
△T(i)=T(i)-T0 (1)
式中,i=1,2,L,N表示采样序号,T0表示基准温度;
频率偏移为:
式中,f0表示基准频率;
温度一阶导数为:
T(1)(i)=T(i)-T(i-1) (3)
温度二阶导数为:
T(2)(i)=T(1)(i)-T(1)(i-1) (4)
步骤3:以温度变差、温度一阶导数、温度二阶导数为基础,构造描述温度变化动态信息的七个动态特征量:
u1(i)=T(i)-T0 (5)
式中,A表示累积量计算窗口的长度,u1(i)表示第i次采样时温度变差,u2(i)表示温度一阶导数与温度变差乘积的累积量,u3(i)表示温度一阶导数与温度变差乘积的平方累积量,u4(i)表示温度二阶导数与温度变差乘积的累积量,u5(i)表示温度二阶导数与温度变差乘积的平方累积量,u6(i)表示温度前一时刻导数与温度变差乘积的累积量,u7(i)表示温度前一时刻导数与温度变差乘积平方的累积量;
步骤4:计算加权后的动态特征量:
式中,qk表示第k,1≤k≤7个特征量的权重因子;
步骤5:建立动态温频特性模型并辨识模型参数:以加权特征量作为ESN网络输入,以频率偏移作为ESN网络输出,建立动态温频特性模型:
式中,表示所有动态特征量构成的输入向量,g(.)表示tanh激活函数,s(i),i=1,2,...,N表示状态向量,W表示输入参数矩阵,R表示状态参数矩阵,v表示输出参数向量;输出参数向量的计算方法为:
v=(STS)-1STF (15)
其中S=[s(1)s(2)Ls(N)]T表示ESN模型的状态向量矩阵,F=[△f(1)△f(2)L△f(N)]T表示频率偏移向量。
3.根据权利要求1或2所述的基于FW-ESN的石英晶振动态温频特性建模方法,其特征在于:还包括步骤6:评价建立的FW-ESN模型的预测性能,
评价具体过程如下:
采集石英晶振在动态温度测试环境下的温度和频率数据;
建立石英晶振的FW-ESN模型;
通过设置测试环境温度快速变化来分析快速度动态温度变化下的频率特性,评价建立的FW-ESN模型的预测性能。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210399611.2A CN114742006B (zh) | 2022-04-15 | 2022-04-15 | 基于fw-esn的石英晶振动态温频特性建模方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210399611.2A CN114742006B (zh) | 2022-04-15 | 2022-04-15 | 基于fw-esn的石英晶振动态温频特性建模方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114742006A CN114742006A (zh) | 2022-07-12 |
CN114742006B true CN114742006B (zh) | 2023-05-12 |
Family
ID=82281850
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210399611.2A Active CN114742006B (zh) | 2022-04-15 | 2022-04-15 | 基于fw-esn的石英晶振动态温频特性建模方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114742006B (zh) |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111811983A (zh) * | 2020-06-24 | 2020-10-23 | 司士辉 | 石英晶体剪切振动调幅调频甩脱法生物传感检测 |
CN112380774A (zh) * | 2020-11-23 | 2021-02-19 | 青岛柯锐思德电子科技有限公司 | 一种基于残差回声状态网络的动态建模方法及系统 |
-
2022
- 2022-04-15 CN CN202210399611.2A patent/CN114742006B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111811983A (zh) * | 2020-06-24 | 2020-10-23 | 司士辉 | 石英晶体剪切振动调幅调频甩脱法生物传感检测 |
CN112380774A (zh) * | 2020-11-23 | 2021-02-19 | 青岛柯锐思德电子科技有限公司 | 一种基于残差回声状态网络的动态建模方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN114742006A (zh) | 2022-07-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
RU2328753C2 (ru) | Устройство и способ для оценки уровня заряженности батареи с использованием нейронной сети | |
AU649223B2 (en) | Apparatus and method for calibrating a sensor system | |
KR20140106436A (ko) | 배터리 충전량 트래킹, 등가 회로 선택 및 벤치마킹 | |
CN108319570B (zh) | 一种异步多传感器空时偏差联合估计与补偿方法及装置 | |
CN112380774B (zh) | 一种基于残差回声状态网络的动态建模方法及系统 | |
CN110907911A (zh) | 基于Sage-Husa卡尔曼滤波的车辆目标跟踪算法 | |
CN112713881B (zh) | 一种基于边缘计算的同步时钟维持系统与方法 | |
CN111896029A (zh) | 一种基于组合算法的mems陀螺随机误差补偿方法 | |
CN105866504A (zh) | 一种基于卡尔曼滤波的光纤电流互感器温度补偿方法 | |
CN110687462A (zh) | 一种动力电池soc与容量全生命周期联合估计方法 | |
US10666268B2 (en) | Real time clock with neural network correction of temperature-based changes in frequency | |
CN114742006B (zh) | 基于fw-esn的石英晶振动态温频特性建模方法 | |
CN112762962B (zh) | 基于温度滞后模型的微机电系统加速度计零偏补偿方法 | |
CN111756353B (zh) | 一种基于非线性融合滤波的液位仪噪声优化方法 | |
CN112067844B (zh) | Mems传感器阵列式高精度输出控制方法 | |
CN117420447A (zh) | 考虑噪声偏差补偿的锂电池soc估算方法、系统和电子装置 | |
Nunzi et al. | Stochastic and reactive methods for the determination of optimal calibration intervals | |
CN109782188B (zh) | 航天器电池组模拟器的soc特性校准方法 | |
CN116794517A (zh) | 基于分数阶卡尔曼滤波的锂离子电池soc估计方法及系统 | |
CN112601968A (zh) | 用于48v轻混汽车锂离子电池的荷电状态在线估算系统 | |
CN114598611B (zh) | 面向二集值fir系统事件驱动辨识的输入设计方法及系统 | |
CN113884914B (zh) | 一种渐消并行卡尔曼滤波动力电池荷电状态估计方法 | |
CN112067032B (zh) | 一种提升mems传感器环境适应性的智能自校准控制方法 | |
CN113810854A (zh) | 终端运动轨迹的确定方法和服务器 | |
Panfilo et al. | Optimal calibration interval in case of integrated brownian behavior: The example of a rubidium frequency standard |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20230329 Address after: Room 710, Building B, No. 2305, Zuchongzhi Road, Pilot Free Trade Zone, Pudong New Area, Shanghai, March 2012 (the property registration certificate is on the 6th floor) Applicant after: Shanghai Keruixin Microelectronics Co.,Ltd. Address before: No. 609, block B, animation building, No. 11, Xinghuo Road, Jiangbei new area, Nanjing, Jiangsu 210031 Applicant before: Nanjing keruixin Electronic Technology Co.,Ltd. |
|
TA01 | Transfer of patent application right | ||
GR01 | Patent grant | ||
GR01 | Patent grant |