基于AMCPSO优化Kriging插值的温度补偿方法研究

为了降低温度变化对转换力传感器测量精度的影响，提出一种自适应变异混沌粒子群算法(AMCPSO)优化Kriging插值的温度补偿算法(AMCPSO-Kriging)。研发转换力传感器，分析温度对传感器输出的影响，建立温度补偿标定实验平台，通过标定实验获得建立温度补偿模型所需要的样本集，采用数据稀疏化方法对样本数据进行优化。通过Kriging插值构建了温度补偿模型，利用AMCPSO算法以交叉验证方式下模型预测产生的均方根误差和作为适应度函数，对Kriging插值中的范围参数θ和平滑度参数pk进行寻优求解，得到性能最佳的温度补偿模型。基于AMCPSO-Kriging温度补偿模型对转换力传感器的测量效果进行实验验证，与标准力传感器进行对比。实验结果表明：对样本数据进行稀疏化处理，算法平均运行时间从1 076 s减少到6 s，提高了温度补偿算法的运行效率。在-20～70℃温度范围内，经过AMCPSO算法优化的Kriging模型有效提高了转换力传感器的测量精度，相比于未经AMCPSO算法优化的Kriging插值，转换力传感器测量的平均满量程误差从1.2%FS降低到0.6%FS。通过现场实验验证温度...