基于SCA-LSSVM的电涡流传感器温度补偿方法研究

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。