基于云粒子群一最小二乘支持向量机的传感器温度补偿.pdf

《基于云粒子群一最小二乘支持向量机的传感器温度补偿.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、第25卷第4期传感技术学报Vo1．25No．42012年4月CHINESEJOURNALOFSENSORSANDACTUATORSApr．2012TemperatureCompensationofSensorBasedonCMPSO．LSSVMZHANGChaolong，JIANGJulang，LIYanmei，CHENShijun，ZHAChangli，WANGChenlin(SchoolPhysicsandElectricalEngineering，AnqingNormalUniversity，AnqingAnhui246011，China)Abstract：Theprecis

2、ionofsensorisafectedgreatlybytemperature，andanewmethodisputforwardforsensortemperaturecompensationbasedonCloudModelParticleSwarmOptimization．LeastSquareSuppo~VectorMachine(CMPSO—LSSVM)．Cloudmodelparticleswarmoptimization(CMPSO)algorithmisproposedwhencloudmodelalgorithmwasintroducedintotheconve

3、rgenceprocessofPSOalgorithm．ThesimulationsprovetheCMPSOhasbetteroptimizationperformancethantheothermainPSOs．TheCMPSOsearchesparametersforLSSVMandestablishedthetemperaturecompensationmodelofvibrating．wiresensor．ThismethodimprovesthetemperaturestabilityanditsaccuracyiSmorebetterthantheothermainm

4、ethods．whichhasbeenprovedthroughexperiments．Keywords：cloudmodel；PSO；LSSVM；temperaturecompensationEEACC：7230doi：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

5、(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

6、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(ParticleSwarmOptimiza—的精确值。tion)算法被引入到LSSVM的参数选择j，但基本温度补偿方法的研究是传感器温度补偿的核心PSO算法被证明在优化过程中存在早熟收敛、易陷人问题，典型的温度补偿方法有回归分析]、神经网局部最优的问题。已有研究成果表明将其他优化算络l3等，回归分析法需要建立多维

7、回归方程，通过大法与PSO算法混合，如将PSO算法与单纯形法_8j、混规模的矩阵方程求解：神经网络如BP神经网络，该算沌遍历[和量子计算[1。。等融合，利用优化算法的全法过拟合现象严重，泛化能力差。支持向量机SVM局寻优能力跳出局部最优，以及利用优化算法的局部(SupportVectorMachine)在用于回归估计时有较好求精能力提高搜索精度，对PSO算法的寻优性能有的泛化能力．已经被应用于传感器的温度补偿¨4]。最较明显的改善效果。因此选择合适的优化算法与小二乘向