简论传感器基于PSO—LSSVM振弦传感器温度补偿查抄袭率

摘要：针对振弦传感器测量

源于：大学生论文查重www.udooo.com

精度受环境温度影响的问题，本文提出基于粒子群-最小二乘支持向量机的温度补偿方法。采用泛化能力好、收敛速度快、全局最优的最小二乘支持向量机，并引入粒子群算法对最小二乘支持向量机的两个参数进行优化，建立预测模型，进行温度补偿。实验表明：与BP神经网络算法相比，该方法提高了传感器的精度。
关键词：振弦传感器 温度补偿 最小二乘支持向量机 粒子群算法
1007-9416（2012）11-0091-02
1、引言
振弦传感器是测频式传感器，长期稳定性好、精度高；输出频率信号；具有较强抗干扰能力；因此被应用于高铁、桥梁、大坝、尾矿库等工程监测领域，用于测量应力应变、压力、位移等。由于振弦材料的膨胀系数不同，温度升降时频率也会发生变化，所以对传感器进行温度补偿有利于提高其测量精度。目前提高传感器精度的算法主要有曲线拟合法、最小二乘法、神经网络等。这些算法能够提高传感器的精度，但还是难以满足高精度的需要。
LSSVM遵循结构风险最小化原则，当前LSSVM参数优化方法有遗传算法、粒子群算法、交叉验证法等。交叉验证法存在人为选择的盲目性、收敛速度慢等问题；遗传算法存在早熟和进化缓慢等问题；而PSO容易实现全局最优并具有调整参数少等特点。综上所述，作者采用LSSVM，通过用PSO优化LSSVM的两个参数，建立预测模型，对振弦传感器进行温度补偿。
2、振弦传感器工作原理