摘要:针对振弦传感器测量
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
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