论文目录 | |
| 摘要 | 第1-8页 |
| Abstract | 第8-12页 |
| 第一章 绪论 | 第21-39页 |
| 1.1 本文研究背景及意义 | 第21-22页 |
| 1.2 课题来源 | 第22页 |
| 1.3 压阻效应和压阻式压力传感器的MEMS制造工艺 | 第22-26页 |
| 1.4 温度漂移与其补偿方法研究现状 | 第26-31页 |
| 1.4.1 温度漂移 | 第27-28页 |
| 1.4.2 温度漂移硬件补偿方法 | 第28-29页 |
| 1.4.3 温度漂移软件补偿方法 | 第29-31页 |
| 1.5 静压影响 | 第31-33页 |
| 1.6 机器学习和智能优化算法背景 | 第33-35页 |
| 1.6.1 机器学习概述 | 第33-34页 |
| 1.6.2 智能优化算法概述 | 第34-35页 |
| 1.7 主要研究内容 | 第35-37页 |
| 1.8 论文结构安排 | 第37-39页 |
| 第二章 基于改进AdaBoost.RT的压力传感器的温度补偿研究 | 第39-76页 |
| 2.1 引言 | 第39页 |
| 2.2 支持向量回归机 | 第39-48页 |
| 2.2.1 经验风险最小化原则与结构风险最小化原则 | 第39-42页 |
| 2.2.2 凸二次规划及其对偶问题 | 第42-44页 |
| 2.2.3 核技巧 | 第44-46页 |
| 2.2.4 表示定理及其泛化能力 | 第46-47页 |
| 2.2.5 交叉验证 | 第47-48页 |
| 2.3 自适应变异粒子群优化算法 | 第48-52页 |
| 2.3.1 粒子群优化算法 | 第48-49页 |
| 2.3.2 相对基学习 | 第49-50页 |
| 2.3.3 Levy飞行 | 第50-51页 |
| 2.3.4 自适应变异粒子群算法 | 第51-52页 |
| 2.4 改进的AdaBoost.RT集成回归算法 | 第52-56页 |
| 2.4.1 AdaBoost.RT | 第53-55页 |
| 2.4.2 改进的AdaBoost.RT | 第55-56页 |
| 2.5 基于改进的AdaBoost.RT集成的AMPSO-SVR温度补偿模型 | 第56-58页 |
| 2.6 标定实验 | 第58-65页 |
| 2.6.1 静态标定 | 第58-61页 |
| 2.6.2 动态标定 | 第61-65页 |
| 2.7 温度补偿建模与结果分析 | 第65-74页 |
| 2.7.1 比较算法及其参数设置 | 第65-66页 |
| 2.7.2 各优化算法优化SVR模型的补偿结果性能分析 | 第66-73页 |
| 2.7.3 改进的AdaBoost.RT集成AMPSO-SVR的补偿结果分析 | 第73-74页 |
| 2.8 本章小结 | 第74-76页 |
| 第三章 基于混沌离子运动算法优化混合核最小二乘支持向量机的压力传感器的温度补偿方法研究 | 第76-100页 |
| 3.1 引言 | 第76页 |
| 3.2 最小二乘支持向量机 | 第76-78页 |
| 3.3 混合核函数 | 第78-82页 |
| 3.4 快速留一交叉验证 | 第82-84页 |
| 3.5 混沌离子运动算法 | 第81-88页 |
| 3.5.1 离子运动算法 | 第81-86页 |
| 3.5.2 混沌系统 | 第86-88页 |
| 3.6 混沌离子运动算法优化混合核LSSVM | 第88-89页 |
| 3.7 标定实验与结果分析 | 第89-99页 |
| 3.7.1 标定实验 | 第89-91页 |
| 3.7.2 CIMA-LSSVM温度补偿 | 第91-99页 |
| 3.8 本章小结 | 第99-100页 |
| 第四章 基于量子粒子群稀疏化最小二乘支持向量机的压力传感器的温度补偿研究 | 第100-123页 |
| 4.1 引言 | 第100-102页 |
| 4.2 量子粒子群算法 | 第102-108页 |
| 4.3 QPSO稀疏化LSSVM | 第108-113页 |
| 4.4 QPSO稀疏化LSSVM的压力传感器温度补偿 | 第113-122页 |
| 4.4.1 标定实验 | 第113-114页 |
| 4.4.2 温度补偿结果 | 第114-122页 |
| 4.5 本章小结 | 第122-123页 |
| 第五章 基于耦合模拟退火和单纯形搜索优化核极限学习机的压力传感器的温度补偿和综合补偿研究 | 第123-145页 |
| 5.1 引言 | 第123页 |
| 5.2 极限学习机 | 第123-126页 |
| 5.3 核极限学习机 | 第126-129页 |
| 5.4 耦合模拟退火算法和单纯形搜索 | 第129-132页 |
| 5.4.1 耦合模拟退火算法 | 第129-131页 |
| 5.4.2 单纯形搜索 | 第131-132页 |
| 5.5 基于耦合模拟退火算法和单纯形搜索优化的核极限学习机 | 第132-133页 |
| 5.6 差压压力传感器的温度补偿和综合补偿 | 第133-143页 |
| 5.6.1 数据标定 | 第133-136页 |
| 5.6.2 补偿结果及分析 | 第136-143页 |
| 5.7 本章小结 | 第143-145页 |
| 工作总结与研究展望 | 第145-148页 |
| 工作总结 | 第145-146页 |
| 研究展望 | 第146-148页 |
| 参考文献 | 第148-155页 |
| 攻读博士学位期间取得的科研成果 | 第155-156页 |
| 致谢 | 第156-157页 |
| 附录 考虑静压影响的差压压力传感器标定数据 | 第157-159页 |
