典型文献
基于SCA-LSSVM的电涡流传感器温度补偿方法研究
文献摘要：
针对电涡流传感器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c和核函数参数δ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算法在模型优化误差和优化效率方面均优于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.
文献关键词：
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
中图分类号：
作者姓名：
李玉军;王琛琛;焦尚彬;张青;王庆
作者机构：
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
文献出处：
引用格式：
[1]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(01):57-62
A类：
578s,782s
B类：
SCA,LSSVM,电涡流传感器,温度补偿,补偿方法,环境温度影响,温度漂移,最小二乘支持向量机,正余弦算法,算法应用,惩罚因子,核函数,函数参数,粒子群算法,算法优化,PSO,均方误差,模型优化,温度灵敏度,灵敏度系数,优化效率,温度稳定性,系统检测,检测精度,正余弦优化算法,粒子群优化算法
AB值：
0.262348
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
