[1]柴文光.CPSO支持向量机红外瓦斯传感器动态补偿[J].华侨大学学报(自然科学版),2016,37(3):316-319.[doi:10.11830/ISSN.1000-5013.2016.03.0316]
　CHAI Wenguang.CPSO Support Vector Machine Based Infrared Gas Sensor Dynamic Compensation[J].Journal of Huaqiao University(Natural Science),2016,37(3):316-319.[doi:10.11830/ISSN.1000-5013.2016.03.0316]
点击复制

CPSO支持向量机红外瓦斯传感器动态补偿()
分享到：

《华侨大学学报（自然科学版）》[ISSN:1000-5013/CN:35-1079/N]

卷:
第37卷
期数:
2016年第3期
页码:
316-319
栏目:
出版日期:
2016-05-09

文章信息/Info

Title:
CPSO Support Vector Machine Based Infrared Gas Sensor Dynamic Compensation
文章编号:
1000-5013(2016)03-0316-04
作者:
柴文光
广东工业大学 计算机学院, 广东 广州 510006
Author(s):
CHAI Wenguang
Scool of Computer Science and Technology, Guangdong University of Technology, Guangzhou 510006, China
关键词:
红外瓦斯传感器;  动态补偿;  粒子群;  最小二乘支持向量机;  惩罚因子
Keywords:
infrared gas sensor;  dynamic compensation;  particle swarm;  least squares support vector machine;  penalty factor
分类号:
TP212
DOI:
10.11830/ISSN.1000-5013.2016.03.0316
文献标志码:
A
摘要:
利用混沌算法变异粒子群算法初始迭代公式,改变线性权重公式,构成混沌粒子群算法.添加混沌遍历性扰动因子,感知非相关变量,从而改进最小二乘支持向量的惩罚因子,并搭建红外瓦斯传感器动态补偿模型.对比没有进行模型优化的测试效果,结果表明,文中补偿模型实际拟合效果好,测量精度明显得到改善.
Abstract:
Use chaos mutation particle swarm optimization algorithm(CPSO)in the initial iteration formula for promoting the linear weighting formula, add disturbance factor and ergodicity of chaos and the awareness of relevant variables. Thus, the least squares support vector punishment factor and was improved the infrared gas sensor dynamic compensation model was established. By comparing to non-optimization model, results showed that the compensation model had a actual fitting effect and improved measurement accuracy.

参考文献/References:

[1] 刘岗,梁庭,郇弢,等.红外甲烷传感器直射式气室设计[J].工矿自动化,2013,39(3):31-35.
[2] 刘炎,张立斌,蒋泽.具有温度及压力补偿的矿用红外甲烷传感器设计[J].工矿自动化,2012(8):7-10.
[3] 何云文.红外甲烷传感器的研究及应用[J].硅谷,2013(15):26-27.
[4] 兰天.煤矿智能红外甲烷传感系统的设计与实现[D].成都:电子科技大学,2011:30-40.
[5] 张高平.红外甲烷传感器示值误差测量结果的不确定度评定[J].中国计量,2015,32(3):93-95.
[6] 吴永忠,陈丹艳,郭太峰,等.非分光红外甲烷传感器的研制[J].煤炭学报,2007(11):1224-1227.
[7] 于庆.基于光谱吸收的气体检测技术在煤矿中的应用[J].矿业安全与环保,2012,39(3):26-29,32.
[8] 尹晶晶.瓦斯无线监测网络低功耗传感节点的研究[D].上海:东华大学,2014:40-45.
[9] 董磊.基于腔增强吸收光谱的污染气体检测研究[D].太原:山西大学,2007:30-37.
[10] LI Wenjun,ZHANG Hongkun.Abrupt fault diagnosis of sensors based on wavelet and neural networks [J].Advances in Modeling and Analysis B,2004,47(3/4):71-84.
[11] 阳琼芳,孙如祥.粒子群与遗传算法的混合算法[J].华侨大学学报(自然科学版),2015,36(6):645-649.
[12] 王秉.高速收敛混沌粒子群算法的云计算任务调度[J].华侨大学学报(自然科学版),2015,36(6):650-654.
[13] 程泽,董梦男,杨添剀,等.基于自适应混沌粒子群算法的光伏电池模型参数辨识[J].电工技术学报,2014,29(9):245-252.
[14] 吴垚,霍亮生,黎进远,等.自适应混沌粒子群算法及在PID整定中的应用[J].计算机仿真,2014,31(8):377-381,406.
[15] 栗磊,姜民富.基于混沌搜索的简化粒子群优化算法[J].西南师范大学学报(自然科学版),2014,39(9):121-126.
[16] 张琪,屈卫清,熊伟清.基于混沌粒子群算法的多目标调度优化研究[J].激光杂志,2015,16(1):122-127.
[17] 匡芳君,金忠,徐蔚鸿,等.Tent混沌人工蜂群与粒子群混合算法[J].控制与决策,2015,30(5):839-847.
[18] 杨景明,马明明,车海军,等.多目标自适应混沌粒子群优化算法[J].控制与决策,2015,30(12):2168-2174.

相似文献/References:

[1]王永初.降低工业控制系统干涉振荡的方法(Ⅰ) 并行系统方法[J].华侨大学学报(自然科学版),1992,13(3):372.[doi:10.11830/ISSN.1000-5013.1992.03.0372]
　Wang Yongchu,Department of,Precision Mechanical,et al.A Method for Reducing Interference Oscillation in a System of Industrial Process Control (Ⅰ) Parallel System Method[J].Journal of Huaqiao University(Natural Science),1992,13(3):372.[doi:10.11830/ISSN.1000-5013.1992.03.0372]
[2]王永初.论过程控制系统的次优化方法(Ⅳ)线性规划的卡边方法[J].华侨大学学报(自然科学版),1996,17(2):175.[doi:10.11830/ISSN.1000-5013.1996.02.0175]
　Wang Yongchu.On the Suboptimal Method for the Process Control System(Ⅵ) Borderline Method of Linear Programming[J].Journal of Huaqiao University(Natural Science),1996,17(3):175.[doi:10.11830/ISSN.1000-5013.1996.02.0175]

备注/Memo

备注/Memo:
收稿日期: 2016-03-18
通信作者: 柴文光(1969-),男,工程师,博士,主要从事计算机体系结构、物联网、信息系统安全的研究.E-mail:chaiwg@126.com.
基金项目: 国家自然科学基金资助项目(61472089)
更新日期/Last Update: 2016-05-20