一种传感器特性的高精度拟合方法  

Fitting Sensor Characteristics with High Accuracy

作　　者：黄为勇[1,2] 高玉芹[1,2] 田秀玲[1,2] 

机构地区：[1]徐州工程学院江苏省大型工程装备检测与控制重点建设实验室,江苏徐州221111 [2]徐州工程学院信电工程学院,江苏徐州221111

出　　处：《计算机测量与控制》2014年第9期3074-3076,3083,共4页Computer Measurement &Control

基　　金：江苏省基础研究计划(自然科学基金)资助项目(BK20131124);徐州工程学院江苏省大型工程装备检测与控制重点建设实验室开放基金项目(JSKLEDC201212)

摘　　要：为提高传感器非线性特性的拟合精度,提出了一种基于最小二乘支持向量机(LSSVM)与量子粒子群优化算法(QPSO)的传感器特性拟合方法;该方法采用最小二乘支持向量机构建传感器特性的非线性回归模型,模型的参数向量由量子粒子群优化算法和学习样本平均绝对误差最小的准则进行优化;实验结果验证了该方法的有效性,其拟合绝对误差在10^(-9)~10^(-7)%之间,其拟合性能明显优于常规方法。To improve the fitting accuracy of nonlinear characteristics of the sensor characteristics, a new method is proposed based on the integration of least squre support vector machine （LSSVM） and quantum-behaved particle swarm optimization algorithm （QPSO）. Firstly, LSSVM is used to build the regression model of sensor characteristies. Then parameter vector of fitting model is intelligently tuned by QPSO and the principle of mean maximum absolute error minimization. The experimental results show that the absolute error is between 10^-9~10^-7 %, which means that the proposed method in this paper is effective, and performance of fitting model is superior to ordinary methods.

关 键 词：传感器 特性拟合 最小二乘支持向量机 量子粒子群优化 

分 类 号：TP212[自动化与计算机技术—检测技术与自动化装置] TP181[自动化与计算机技术—控制科学与工程]