作者:杨婷,卢文科,左锋 单位:沈阳仪表科学研究院有限公司 出版:《仪表技术与传感器》2017年第12期 页数:5页  (PDF与DOC格式可能不同) PDF编号:PDFYBJS2017120070 DOC编号:DOCYBJS2017120079 下载格式:PDF + Word/doc 文字可复制、可编辑
《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 《基于QPSO稀疏化LSSVM的压力传感器温度补偿研究》PDF+DOC2020年第02期 李冀,王剑凌,贺红林,刘文光,刘莹煌 《基于PSO-BP模型的扩散硅压力传感器温度补偿》PDF+DOC2019年第11期 崔萌洁,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PSO-SVM的电涡流传感器温度补偿的研究》PDF+DOC2019年第03期 潘杰,卢文科,冯阳,左锋 《工业控制中电涡流传感器位移测量精度研究》PDF+DOC2018年第02期 宋士兰,卢文科,左锋 《基于PSO-LSSVM的振弦传感器温度补偿》PDF+DOC2012年第11期 王久平,廖迎新 《利用支持向量机补偿温度对光纤光栅传感的影响》PDF+DOC2010年第06期 邵军,刘君华,乔学光,贾振安 《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 《基于支持向量机的压力传感器校正模型》PDF+DOC2007年第05期 白鹏,张喜斌,陈长兴,朱长纯
  • 针对扩散硅压力传感器温度漂移的问题,文中提出了一种基于粒子群算法优化最小二乘支持向量机(PSO-LSSVM)的温度补偿模型。通过对扩散硅压力传感器做二维标定实验,利用AD590集成温度传感器监测实验环境温度,建立PSO-LSSVM模型。最小二乘支持向量机的惩罚因子和核函数的选取会直接影响到模型的预测精度,PSO-LSSVM模型利用粒子群算法优化最小二乘支持向量机模型的惩罚因子和核函数的参数,改善了传统的最小二乘支持向量机模型对参数选取耗时耗力且未必找到全局最优解的缺陷。实验结果表明,经该模型补偿后的零点温度系数和灵敏度温度系数都减小了一个数量级,且预测值与标定值的均方误差的数量级达到10~(-6),实现了温度补偿并改善了预测精度。

    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。