基于LS-SVR的压力传感器温度补偿

摘要

利用压力传感器进行压力测控时，温度漂移会给传感器实际测量带来误差.选用合适的温度补偿算法可以在很大程度上减少温度变化带来的附加误差，提高传感器的测量精度和可靠性.支持向量机是一种基于结构风险最小化原理、具有很高泛化性能的学习算法.采用最小二乘支持向量回归(LS-SVR)算法对压力传感器的实测数据进行温度补偿，结果表明该算法计算简单，学习速度快，并且具有良好的抗干扰能力和小样本学习能力.与前馈神经网络如BP网络和RBF网络的补偿结果相比，LS-SVR的补偿效果有明显的提高，大大提高了传感器的测量精度和可靠性.