《基于QPSO稀疏化LSSVM的压力传感器温度补偿研究》PDF+DOC
作者:李冀,王剑凌,贺红林,刘文光,刘莹煌
单位:中国微米纳米技术学会;东南大学
出版:《传感技术学报》2020年第02期
页数:6页 (PDF与DOC格式可能不同)
PDF编号:PDFCGJS2020020110
DOC编号:DOCCGJS2020020119
下载格式:PDF + Word/doc 文字可复制、可编辑
《基于PSO-LSSVM模型的扩散硅压力传感器的温度补偿》PDF+DOC2017年第12期 杨婷,卢文科,左锋
《基于最小二乘支持向量机的压力传感器温度补偿》PDF+DOC2007年第12期 梁伟锋,汪晓东,梁萍儿
《基于最小二乘支持向量机的硅压阻式传感器温度补偿》PDF+DOC2016年第04期 杨遂军,康国炼,叶树亮
《基于LSSVM的热电偶建模及火灾温度测量》PDF+DOC2015年第06期 许光,张健中,张卫华,佟晓慧
《基于稀疏化最小二乘支持向量机的WSN区域定位算法》PDF+DOC2016年第08期 崔黎,李婧
《基于GA优化LS-SVM的霍尔位移传感器的温度补偿》PDF+DOC2017年第05期 王娟,卢文科,左锋
《霍尔效应式位移传感器的温度补偿》PDF+DOC2019年第07期 钦志伟,卢文科,左锋,冯阳
《基于云粒子群-最小二乘支持向量机的传感器温度补偿》PDF+DOC2012年第04期 张朝龙,江巨浪,李彦梅,陈世军,査长礼,王陈宁
《基于LS-SVM的传感器智能校正及温度补偿》PDF+DOC2007年第03期 王晓红,吴德会
《基于改进PSO优化LSSVM的传感器补偿研究》PDF+DOC2013年第05期 刘滔,韩华亭,焦楷哲
针对硅压阻式压力传感器的温度补偿问题,提出一种量子粒子群(Quantum Particle Swarm Optimization,QPSO)稀疏化最小二乘支持向量机(Least Squares Support Vector Machine,LSSVM)策略,目的在于能够保证温度补偿性能的同时获得较为精简的补偿模型。结合10 MPa绝压压力传感器标定实验数据进行仿真试验,研究结果表明,该方法的补偿效果优于QPSO优化的LSSVM、经典稀疏化LSSVM和QPSO优化的稀疏化LSSVM,补偿后测试样本集的最大相对误差,平均误差和误差方差分别为1.104×;10~(-3)、4.819×;10~(-4)和1.197×;10~(-7)。在满足高精度测试要求的前提下,达到提升补偿效率的目的。
提示:百度云已更名为百度网盘(百度盘),天翼云盘、微盘下载地址……暂未提供。