基于云粒子群一最小二乘支持向量机的传感器温度补偿.pdfVIP

第25卷 第4期 传 感 技 术 学 报 Vo1．25 No．4 2012年 4月 CHINESEJOURNALOFSENSORSANDACTUATORS Apr．2012 TemperatureCompensation ofSensorBasedonCM PSO．LSSVM ZHANGChaolong ，JIANGJulang，LIYanmei，CHENShijun，ZHAChangli，WANGChenlin (School PhysicsandElectricalEngineering，AnqingNormalUniversity，AnqingAnhui246011，China) Abstract：Theprecision ofsensorisaffected greatlybytemperature，andanew method isputforward forsensor temperaturecompensationbasedonCloudModelParticleSwarm Optimization．LeastSquareSuppo~VectorMachine (CMPSO—LSSVM)．Cloudmodelparticleswarm optimization(CMPSO)algorithm isproposedwhencloudmodel algorithm wasintroduced into theconvergenceprocessofPSO algorithm．Thesimulationsprove theCMPSO has betteroptimization performance than theothermain PSOs．The CMPSO searchesparametersfor LSSVM and establishedthetemperature compensationmodelofvibrating．wire sensor．Thismethod improvesthe temperature stabilityanditsaccuracyiSmorebetterthantheothermainmethods．whichhasbeenprovedthroughexperiments． Keywords：cloudmodel；PSO；LSSVM ；temperaturecompensation EEACC：7230 doi：10．3969／j．issn．1004—1699．2012．04．011 基于云粒子群一最小二乘支持向量机的传感器温度补偿冰 张朝龙 ，江巨浪，李彦梅，陈世军，查长礼，王陈宁 (安庆师范学院物理与电气工程学院，安徽 安庆246011) 摘 要 ：针对传感器的测量精度受温度影响较大问题，提出了一种基于云粒子群一最小二乘支持向量机(CMPSO．LSSVM)的 温度补偿方法。云粒子群算法 (CMPSO)将云模型算法应用于粒子群优化 (PSO)算法的收敛机制，具有寻优精度高的特点。 CMPSO算法对LSSVM的参数进行优化选择，建立 CMPSO—LSSVM传感器温度补偿模型。将该模型应用于振弦式传感器的温 度补偿，通过实验证明了该温度补偿方法优于当前其他主要方法。 关键词 ：云模型；粒子群优化；最小二乘支持向量机：温度补偿 中图分类号 ：TP212 文献标识码 ：A 文章编号 ：1004—1699(2012)04—0472—06 传感器在工业检测过程 中不仅受 目标参量影 Machine)是 SVM中的一种 ，比SVM有着更快的运行 响，也受其他非 目标参量，尤其是温度的影响。为降 速度，在传感器温度补偿方面有着 良好的应用5¨]， 低温度对检测 目标参量的影响，需要对传感器的检 LSSVM在回归分析时必须对惩罚因子 C和核函数参 测结果进行温度补偿…，即对被测 目标参量的检测 数 or设置准确的数值，若使用网格搜索，则耗时且精 值和当前温度测量值智能处理．得到检测 目标参量 度不高 粒子群优化 PSO