基于PSO-SVM的矿用CO传感器非线性补偿方法研究

随着矿井环境信息感知、危险源辨识等技术的发展,对气体传感器检测精度和可靠性的要求显著提高。为改善矿用气体传感器的性能,针对气体传感器补偿方法存在的技术难题,提出一种微粒群优化支持向量机(PSO-SVM)的非线性补偿方法。以CO传感器为例,采用Matlab软件进行数值仿真,BP神经网络方法将误差从18.48%降到8.51%,而采用微粒群优化支持向量机方法将误差降到5.28%。实验结果表明:PSO-SVM补偿方法能有效消除非目标参量对传感器输出结果的影响从而完成非线性补偿,提高了矿用CO传感器的可靠性与检测精度。