| 基于SCA-LSSVM的电涡流传感器温度补偿方法研究 |
| |
| 引用本文： | 李玉军,王琛琛,焦尚彬,张 青,王 庆. 基于SCA-LSSVM的电涡流传感器温度补偿方法研究[J]. 传感技术学报, 2022, 35(1): 57-63. DOI: 10.3969/j.issn.1004-1699.2022.01.009 |
| |
| 作者姓名： | 李玉军 王琛琛 焦尚彬 张 青 王 庆 |
| |
| 作者单位： | 西安理工大学自动化与信息工程学院,陕西 西安710048;陕西省复杂系统控制与智能信息处理重点实验室,陕西 西安710048,西安理工大学自动化与信息工程学院,陕西 西安710048;陕西省复杂系统控制与智能信息处理重点实验室,陕西 西安710048;西安理工大学晶体生成设备及系统集成国家地方联合工程研究中心,陕西 西安710048 |
| |
| 基金项目： | 陕西省教育厅协同创新中心项目(No.20JY046) ；陕西省科技厅重点项目 (No.2021GY-259) 资助课题, |
| |
| 摘 要： | 针对电涡流传感器在实际应用中容易受环境温度影响产生温度漂移这一现象，采用最小二乘支持向量机(LSSVM)建立回归模型，并将正余弦算法应用于回归模型的参数优化。通过正余弦算法对LSSVM的惩罚因子和核函数参数进行优化选取，得到最佳的传感器回归模型，并和粒子群算法优化最小二乘支持向量机(PSO-LSSVM)进行比较。实验结果表明，SCA和PSO优化后模型计算结果均方误差分别为9.97×10-4、4.39×10-3，模型优化耗时分别为578s、782s，传感器温度灵敏度系数分别为8.73×10-6(/℃)、7.63×10-5(/℃)。可以看出SCA算法在优化精度和效率方面均优于PSO算法。该方法提高了传感器的温度稳定性和系统检测精度，具有很强的实际应用价值。
|
| 关 键 词： | 电涡流传感器 温度补偿 正余弦优化算法 最小二乘支持向量机 粒子群优化算法 |
Research on Temperature Compensation Method of Eddy Current Sensor Based on SCA-LSSVM |
| |
| LI Yujun,WANG Chenchen,JIAO Shangbin,ZHANG Qing,WANG Qing. Research on Temperature Compensation Method of Eddy Current Sensor Based on SCA-LSSVM[J]. Journal of Transduction Technology, 2022, 35(1): 57-63. DOI: 10.3969/j.issn.1004-1699.2022.01.009 |
| |
| Authors: | LI Yujun WANG Chenchen JIAO Shangbin ZHANG Qing WANG Qing |
| |
| Abstract: | |
| |
| Keywords: | |
| 本文献已被 万方数据 等数据库收录！ |
| 点击此处可从《传感技术学报》浏览原始摘要信息 |
|
点击此处可从《传感技术学报》下载全文 |
|
