基于量子粒子群算法的热电偶动态校准及动态补偿技术研究

为了实现热电偶传感器的动态校准及动态补偿,有效改善热电偶的动态特性,利用半导体激光加热高、加热快的优点,构建了可溯源温度动态校准系统,实现了热电偶的可溯源动态校准,测得了C型热电偶的时间常数。应用量子粒子群优化算法建立了热电偶传感器的动态补偿滤波器模型,有效改善了热电偶的动态特性,减小了热电偶传感器的动态误差。     

有限空间爆炸瞬态温度的动态补偿方法研究 �

为改善铠装绝缘型热电偶的动态特性,采用集总热容法建立了热电偶传热模型,将其系统特性简化为一阶惯性系统,为验证系统阶次的合理性并确定传递函数参数,建立了最小二乘支持向量机系统辨识模型,采用高温油浴法进行了热电偶动态标定实验,基于动态标定数据和粒子群优化算法,建立了热电偶动态补偿模型。实验结果表明:由集总热容法和系统辨识模型确定的系统传递函数能够较为准确的描述铠装绝缘型热电偶的动态特性,传递函数在阶跃激励下的响应曲线与动态标定实验中传感器的输出曲线具有较高的一致性,基于粒子群优化算法的动态补偿模型表现出较好的补偿效果,经补偿后系统响应时间由7.124s减小为1.187s,且传感器工作频带得以有效扩展,将该方法应用于有限空间爆炸瞬态温度的动态补偿中,能够在一定程度上减小传感器的动态测量误差。     

温度传感器动态校准技术研究

针对温度传感器的动态校准问题,介绍了一瞬态表面温度传感器动态校准系统,以此对Butt-Welded热电偶进行了动态性能实验研究,获取其时间常数为41.6 ms,实验的动态重复性为0.72%,不确定度为0.3 ms。结果表明:系统动态重复性好,测试精度较高。经动态校准获取该Butt-Welded热电偶的动态温度修正值为300℃。研究结果对温度传感器的研究和应用具有一定的参考价值。     

基于QPSO算法的传感器动态补偿方法及FPGA实现

为了解决在测试系统中由于传感器动态特性引起测试数据失真的问题,提出了一种基于量子粒子群优化算法(Quantum-Behaved Particle Swarm Optimization,QPSO)的传感器动态补偿方法;该方法依据传感器校准时的输入和输出数据运用QPSO算法得到最优补偿器模型及参数;为了将获得的最优动态补偿器运用于实时在线测量,将分布式算法引入到动态补偿器的硬件结构设计中,完成了传感器动态补偿器的高速并行FPGA实现。实验表明高速并行动态补偿器不但能够修正传感器的动态误差,而且其高速并行结构极大减少了对FPGA资源的占用率并有效的提高了系统等效吞吐率。     

火焰温度场测试中的传感器动态特性补偿

在进行爆温测试时,爆炸伴随的高温火焰具有变化快、温度高、测试环境恶劣等特点.针对这种特定的测温场合,运用火焰温度源法研究了热电偶传感器在火焰温度场中的动态响应特性.为了减小热电偶的动态测量误差,通过粒子群优化算法(PSO)建立了测试系统的动态补偿滤波器模型.实验表明,这种研究方法有效地改善了热电偶的动态测量误差,对通过爆温测试进行弹丸热毁伤评价有一定的参考价值.     

瞬态表面温度传感器动态建模方法研究

测量瞬态高温时,由于传感器自身的热惯性,测量结果与真实结果之间存在很大的动态误差.动态补偿或动态误差修正对于改善测温系统动态特性,减小动态误差有重要意义,而建立温度传感器动态数学模型则是进行动态补偿或动态误差修正的前提.本文首先设计了瞬态表面温度传感器动态校准系统;然后,利用系统所测得输入输出数据,采用系统辨识方法建立了测温系统的动态数学模型;最后,利用交叉检验法验证该模型的正确性.经检验该方法可以达到理想的辨识效果,从而为系统反滤波动态误差修正奠定了基础.     

瞬态表面温度传感器动态校准及误差补偿研究

测量瞬态高温时,由于传感器自身的热惯性,测量结果与真实结果之间存在很大的动态误差。动态补偿对于改善测温系统动态特性,减小动态误差有重要意义。该文首先熟悉现有的瞬态表面温度传感器动态校准系统;然后,利用系统所测得输人输出数据,采用系统辨识方法建立了测温系统的动态数学模型,并利用交叉检验法验证该模型的正确性;最后,利用反滤波动态补偿方法实现对瞬态表面温度传感器测温系统的动态补偿。经检验该方法可以达到理想的补偿效果,减小了动态误差,改善了系统的动态特性。     

基于集总热容法的薄膜热电偶动态特性研究

为了分析不同边界传热条件下薄膜热电偶的动态特性,对薄膜热电偶瞬态测温过程建立零维传热模型。运用集总热容法分析对流换热、辐射换热两种边界条件下薄膜热电偶传热过程,通过建立热结点表面能量平衡关系得到传感器动态特性理论参数。采用水浴阶跃法、激光脉冲法对CO1-K型薄膜热电偶进行动态标定实验,通过对动态响应曲线进行Z-t变换得到薄膜热电偶动态特性实验参数。实验结果表明,集总热容法能够正确分析薄膜热电偶的动态特性,且计算不同边界条件下薄膜热电偶时间常数过程简单,时间常数理论值接近实验值。     

基于改进RLS的传感器动态特性校正方法

在动态测试中为了消除传感器谐振频率处振动产生的误差,针对传感器高阶系统的补偿问题提出一种改进RLS算法优化补偿滤波器。采用梯度下降法产生滤波器参数初值,再用RLS算法对参数进行修正。在matlab平台上对算法进行了仿真验证,分析了补偿前后传感器系统的时域响应和频域响应。对实际压电传感器CY-YD-205进行了补偿,工程实验表明采用改进RLS算法设计的补偿滤波器可以大大改善传感器系统的动态特性。     

采用动态双子群策略改进的灰狼算法及其在心电信号识别中的应用

针对基本灰狼优化算法(GWO)易陷入局部最优的缺点,将双子群策略引入灰狼算法,提出一种采用动态双子群策略改进的灰狼算法(DDGWO).该算法动态的将灰狼种群划分为较优子群和较差子群,较优子群与较差子群采用不同的非线性收敛因子,在进行全局搜索时,能够有效避免陷入局部最优.本文将DDGWO应用于SVM参数优化,并建立DDGWO-SVM模型进行心电信号识别实验,并与其他算法进行性能测试对比.结果表明,DDGWO具有更好的寻优特性,所建立的DDGWO-SVM模型获得了更高的心电分类识别精度.     

基于递归神经网络的热电偶测温滞后的动态补偿

提出了一种基于递归神经网络的热电偶测温滞后的动态补偿方法,利用神经网络良好的非线性映射能力,建立传感器的动态逆模型,实现对传感器的动态补偿。实验结果表明:检测信号经过动态补偿后,能够克服传感器的测量滞后,达到稳态的时间从补偿前的26 s缩短到大约5 s,传感器的动态性能得到较大的提高。     

冲击波测试系统中压力传感器的实时动态补偿实现

冲击波测试系统在测量爆炸冲击信号时,必须解决因传感器的有效带宽难以满足或覆盖被测信号而引起的动态测试误差的问题.为此,利用激波管来对传感器进行动态标定获取实验样本,采用QR分解和改进粒子群优化(PSO)算法进行逆滤波快速估计动态补偿滤波器的阶数和系数.因数字滤波器的有限字长效应,本文选取合适的系数及输出数据的量化位数,来满足测试系统的稳定性.为实现实时在线修正,设计了以FPGA为控制与处理核心的全并行单反馈动态补偿结构,对系统硬件补偿前后的动态特性进行分析.实验表明该补偿滤波器能够满足实际测试需求,能够显著地提高传感器的动态响应特性.     

改进SVM不平衡数据分类的IGWOSMOTE方法

为了改善传统支持向量机SVM对不平衡数据集中少数类的分类效果,提出一种基于改进灰狼算法(IGWO)的过采样方法——IGWOSMOTE。首先,改进初始灰狼种群的生成形式,由SVM的惩罚因子、核参数、特征向量和少数类的采样率组成灰狼个体;然后,经由灰狼优化过程智能搜索获得最优相关参数和最优采样率组合,进行重新采样供分类器学习及预测。通过对6个UCI数据集的分类实验得出：IGWOSMOTE+SVM较传统SMOTE+SVM方法在少数类分类精度上提高了6.3个百分点,在整体数据集分类精度上提高了2.1个百分点,IGWOSMOTE可作为一种新的过采样分类方法。     

协调探索和开发能力的改进灰狼优化算法

提出一种协调探索和开发能力的灰狼优化算法.利用佳点集方法初始化灰狼个体的位置,为全局搜索多样性奠定基础;为协调算法的全局探索和局部开发能力,给出一种基于正切三角函数描述的非线性动态变化控制参数;为加快算法的收敛速度,受粒子群优化算法个体记忆功能的启发,设计一种新的个体位置更新公式.10个标准函数的测试结果表明,改进灰狼优化(IGWO)算法能够有效地协调其对问题搜索空间的探索和开发能力.     

Infrared thermometer sensor dynamic error compensation using Hammerstein neural network

A novel dynamic neural network structure based on Hammerstein model is proposed and applied to dynamic error compensation for infrared thermometer sensor in this paper. First, the devices of dynamic calibration for infrared thermometer sensor are designed and the calibration experiments with continuous excitation are carried out. Then, the non-linear inverse system of the sensor dynamic compensator is expressed by a non-linear static subunit followed by a linear dynamic subunit—Hammerstein model. A novel neural network structure is designed, the weights in which are corresponding with the parameters of Hammerstein model. Finally, The iterative algorithm is derived, through which the non-linear static and linear dynamic subunit in Hammerstein model can be optimised and the coefficients of the dynamic compensator are gotten. The dynamic calibration data of the uIRt/c sensor are used to test and the experiment results show that the stabilizing time of the sensor is reduced less than 6 ms from 26 ms and the dynamic characteristic is obviously improved after compensation.     

改进灰狼优化算法求解模糊车间调度问题

模糊车间调度问题是复杂调度的经典体现,针对此问题设计优秀的调度方案能提高生产效率。目前对于模糊车间调度问题的研究主要集中在单目标上,因此提出一种改进的灰狼优化算法（improved grey wolf optimization,IGWO）求解以最小化模糊完成时间和最小化模糊机器总负载的双目标模糊柔性作业车间调度问题。该算法首先采用双层编码将IGWO离散化,设计一种基于HV贡献度的策略提高种群多样性;然后使用强化学习方法确定全局和局部的搜索参数,改进两种交叉算子协助个体在不同更新模式下的进化;接着使用两级变邻域和四种替换策略提高局部搜索能力;最后在多个测例上进行多组实验分析验证改进策略的有效性。在多数测例上,IGWO的性能要优于对比算法,具有良好的收敛性和分布性。     

改进灰狼优化算法在WSN节点部署中的应用

根据无线传感网络节点在随机部署时存在聚集程度高导致覆盖率低的问题,提出了一种改进的灰狼优化算法,并将其应用于无线传感网络节点的优化覆盖.首先,利用混沌算法进行算法种群的初始化,以提高种群多样性;其次,在灰狼算法的基础上改进其收敛因子,平衡全局和局部搜索能力,提高算法中后期的优化能力;最后,对δ狼进行融合变异以改善局部极值问题.仿真实验表明,将改进后的灰狼优化算法应用于WSN节点部署优化中,与标准灰狼优化算法相比加快了优化速度,网络覆盖率提高了3％.     

求解作业车间调度问题的改进混合灰狼优化算法*

灰狼优化算法(GWO)是目前一种比较新颖的群智能优化算法,具有收敛速度快,寻优能力强等优点。本文将灰狼优化算法用于求解复杂的作业车间调度问题,与布谷鸟搜索算法进行比较研究,验证了标准GWO算法求解经典作业车间调度问题的可行性和有效性。在此基础上,针对复杂作业车间调度问题难以求解的特点,对标准GWO算法进行改进,通过进化种群动态、反向学习初始化种群,以及最优个体变异等三个方面的改进操作,测试结果表明改进后的混合灰狼优化算法能够有效跳出局部最优值,找到更好的解,并且结果鲁棒性更强。     

火焰温度场测试中的传感器动态响应研究

在诸如爆炸火焰温度场的瞬态测试中,传感器的动态响应特性是影响测试结果的重要指标,而温度传感器热电偶的动态响应特性通常通过时间常数来反映。针对这种特殊测温环境下对热电偶时间常数的标定要求,采用火焰温度源法,对OMEGA生产的热电偶的时间常数进行了标定分析,获得其时间常数为846.992 ms,标定系统的动态重复性为1.17%。结果表明,用此标定方法得到的时间常数能更真实地反映热电偶在火焰温度场中的动态响应性能,且标定系统的动态重复性好,测试精度高,对分析弹药爆炸过程中的热毁伤效应有一定的参考价值。