基于PSO-LSSVM的热电偶非线性校正方法研究

摘要

为改善热电偶温度传感器的非线性特性,构建基于粒子群优化算法(particle swarm optimization,PSO)和最小二乘支持向量机(least squares support vector machine,LSSVM)的热电偶非线性校正模型.针对LSSVM算法参数难确定的问题,选用PSO算法搜索LSSVM算法中惩罚系数和核函数参数的最优组合,用优化后的PSO-LSSVM校正模型逼近热电偶的非线性函数关系.为验证该模型的有效性,分别采用BP网络模型、RBF网络模型、LSSVM模型和PSO-LSSVM模型进行热电偶非线性校正,结果表明:PSO-LSSVM模型在热电偶非线性校正应用中表现出最优的稳定性和准确性,其最大拟合误差仅为0.12°C,均方误差为0.0033,准确率达到99.82％.将该模型应用于有限空间爆炸温度的非线性校正中,可取得较好的实际应用效果.