基于IA-LSSVM的一维PSD位移传感器温度补偿

以光电效应为基础的一维PSD(Position Sensitive Detector)传感器受温度影响很大,导致测量误差大。本文针这一问题,提出免疫算法与最小二乘支持向量机(IA-LSSVM)相结合,通过免疫算法迭代优化最小二乘支持向量机中的惩罚因子以及核函数参数来构建补偿模型。由二维标定实验得到在不同温度下传感器的输入输出数据,将其分为测试集与训练集,以测试集的最小二乘均方差为目标函数,将其转化为凸优化问题来达到温度补偿的效果。试验结果表明,传感器零位温度系数由补偿前的3.0×10-4/℃提升到1.6×10-4/℃,提高了约两倍;灵敏度温度系数由之前的2.8×10-3提升到2.8×10-4/℃,提高了十倍;温度附加误差由补偿前的12.5%提升至1.27%,提高了近十倍,从而有效削弱了温度对测量结果的影响。     

基于GA-WNN的电涡流传感器的温度补偿

针对电涡流传感器的温度漂移对其测量精度带来较大影响的问题,提出了基于遗传优化小波神经网络(GA-WNN)算法对电涡流传感器进行温度补偿修正模型。通过对电涡流传感器做标定实验,并且利用LM35温度传感器监测其工作温度,建立GA-WNN神经网络模型。该模型用遗传算法对小波神经网络的权、阈值进行全局的优化,改善了小波神经网络训练速度慢的问题,克服了易陷入局部最优的缺陷。研究结果表明,补偿后的灵敏度温度系数由8.69×10^-3/℃提升到3.48×10^-4/℃;零位温度系数由4. 78×10^-3/℃提升到1.85×10^-4/℃,均提高了一个数量级,成功实现了温度补偿的目的。     

霍尔效应式力传感器的温度补偿

针对霍尔效应式力传感器温度漂移的问题,提出了混沌自适应鲸鱼优化BP神经网络（CIWOA-BP）的温度补偿新模型。该模型通过Cubic映射作为初始鲸鱼种群生成方法,以提高种群的质量和分布均匀性。引入自适应权重调整鲸鱼的收缩包围机制,提高算法的全局搜索能力和收敛性。利用CIWOA算法对反向传播（back propagation, BP）神经网络的初始权值和阈值进行优化,使模型具有更好的测量精度和稳定性。研究结果表明,温度补偿以后霍尔效应式力传感器的灵敏度温度系数αs由5.08×10-3/℃减少至9.8×10-5/℃,减小了2个数量级,温度附加相对误差由补偿前的19.82%减小到了0.38%,减小了52倍以上,从而有效的减弱了温度对测量结果的影响。     

利用 GWO-LSSVM 算法对光纤压力传感器进行温度补偿

光纤压力传感器工作性能受温度影响较大，需进行温度补偿。针对这一问题，提出了灰狼算法与最小二乘支持向量机(GWO-LSSVM)算法相结合的软件补偿方案，利用灰狼算法在指定范围内迭代优化最小二乘支持向量机的惩罚因子ζ和核参数σ以求构建补偿算法模型。在不同温度环境下，对传感器进行标定试验测得传感器的输入输出数据，分成测试集和训练集。以测试集的预测值计算的均方根误差为适应度函数，将温度补偿问题转化为带约束的凸二次优化问题。结果表明，相较于补偿前，温度补偿后的光纤压力传感器的灵敏度温度系数由9.405×10^-3/℃提升到1.201 6×10^-4/℃,温度附加误差相对值由28.215%提升到0.481%,传感器的温度稳定性得到了很大程度的改善。