基于支持向量回归的热偶规校准曲线的生成及应用谢钟翔-南华大学学报.pdfVIP

基于支持向量回归的热偶规校准曲线的生成及应用谢钟翔-南华大学学报.pdf

  1. 1、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。。
  2. 2、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  3. 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
  4. 4、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
  5. 5、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们
  6. 6、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
  7. 7、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
基于支持向量回归的热偶规校准曲线的生成及应用谢钟翔-南华大学学报

第22卷第3期 南华大学学报( 自然科学版) V01.2 2 No .3 兰QQ墨生里旦 』竺! 望 堂堂型翌i ! ! ! ! ! ! ! 堕墅 坚! ! 鱼! ! 塑( 墅堡璺堡! 型坠尘璺旦 ! ! 理2 兰! P:三 塑! 文章编号:1673—0062( 2008) 03—0066—04 基于支持 向量 回归的热偶规校准曲线的生成及应用 谢钟翔,唐耀庚 ’,王晓霞 ( 南华大学计算机科学与技术学院,湖南衡阳42 100 1) 摘要:在实际中发现热偶规测量真空度时,真空度与热偶规输出电压值对应的曲线 非线性程度高,因此产生的测量误差较大.通过数据实验发现用8一SVR及SMO( Se- que nt i a l Mi ni mal Op t i mi at i on) 算法拟合真空度一 电压 曲线能更接近实际曲线,满足 了 应用 需要 . 关键词 :热偶规;校 正;8一SVR,SMO;拟合;单 片机 中图分类号 :TP2 16 文献标识码 :B Bui l di ng and Appl i cat i on of Ther moc oupl e Ci r cul ar Canal Sen sor ’S Cur ve Bas ed on £一SVR XI E Zhong- xi ang,TANG Yao- geng ’,WANG Xi ao- xi a ( School of Comput er Sci ence and Technol ogy,Uni ver s i t y of Sout h Chi na ,Hengyang ,Hunan 42 100 1,Chi na) Abst r act :I n or der t o i mpr ove t h e a ccur a cy of measur ement of v acuum degr ee i n c oat ed v acuumva l v e wi t h Ther mo eoupl e Ci r cul a r Ca na l .8一SVR and SMO a l gor i t hm ar e em— pl oyed t o f i t nonl i n ear v acuum degr eed cur ve.The r esu l t of t h e exper i ment sat i s f i ed t h e pr act i ca l need . Ke y wor ds :t he r moeoupl e ci r cu l a r canal ;compens at i on :8一SVR SMO;fi t t i ng;SCM 在工业生产和科研院所等部门,热偶规广泛 正问题. 用来作为低真空测量传感器.影响热偶真空规测 1 校准 曲线的SVR拟合算法 量结果的因素很多,其中一个主要的因素在于热 偶规 自身的实际校准曲线 ,即热偶规输出电压和 支持向量机最初用于解决模式识别问题.在 被测真空度之间的关系曲线,存在着严重的非线 模式识别 中,为了发现具有推广能力 的决策规则, 性,加上外界的如温度,管壁厚度 ,还有电流 的影 所选择的训练数据的一些子集称为支持向量.最 响等等 ,很难通过机理分析建立数学模型,确定测 佳的支持向量分离等效于所有数据的分离.支持 量结果.为此,我们直接利用 £一SVR模型及SMO 向量机是从线性可分情况下的最优分类面发展而 算法,通过实验数据生成校准曲线,并建立测量模 来 的

文档评论(0)

zhuwo + 关注
实名认证
文档贡献者

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档