改进的粒子群算法在传感器温度补偿中的应用

摘要：

针对红外气体传感器测量精度受环境温度影响较大的问题，提出了一种基于嵌入自适应Levy变异免疫粒子群-最小二乘支持向量机（ALIPSO-LSSVM）的温度补偿算法。ALIPSO算法引入Levy flight对子代粒子进行自适应变异，确保粒子多样性，并在每次迭代之前，采用相对基学习方法初始化粒子群，提高算法的收敛速度。通过5个基准测试函数对ALIPSO算法进行性能评价，仿真结果表明该算法收敛速度较快、精度高，且具有较强的全局搜索能力。利用ALIPSO算法对LS-SVM的参数进行优化，并将该混合算法应用于红外气体传感器温度补偿，数值仿真结果表明采用该算法可将补偿结果的相对误差控制在6%范围内。

关键词：Levy flight、自适应、粒子群优化、红外气体传感器、温度补偿

所属期刊栏目：52

分类号：TP212(自动化技术及设备)

资助基金：江苏省气体传感器工程技术研究中心No.BM2010645。

在线出版日期：2016-12-20（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：229-235