论文研究改进的粒子群算法在传感器温度补偿中的应用.pdf

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Levyflight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。