郑德智，吴钧明，樊尚春

（1.北京航空航天大学前沿科学技术创新研究院，北京100191；2.北京航空航天大学仪器科学与光电工程学院，北京100191）

0 引言

现代企业生产与科学研究对传感器的测试精度与测试环境要求越来越高，尤其是在动态测量领域，现有的传感器动态性能已不能满足实际测试需求，因此，进行了大量的改善传感器动态特性的研究工作。目前，改善传感器动态特性的途径主要有两种：一是改变传感器的结构和设计参数；二是从算法角度对传感器进行动态补偿。受限于材料、工艺及生产技术水平，目前动态补偿方式是改善传感器动态特性的主要研究方向［1］。

在改善传感器动态特性研究过程中，涌现出许多优秀的补偿动态算法，如零极点配置方法［2-3］、反卷积法［4］、神经网络法等［1，5-6］。随着群体智能算法的不断深入研究应用，也有部分研究学者将群体智能方法应用于动态补偿的研究中，其中的烟花算法（Fireworks Algorithm）具有机理简单、精度高、收敛快、不易陷入局部最优值等优点［7］，被广泛应用于不同类型问题的优化求解中，且取得较好的效果。由于烟花算法应用在传感器动态补偿时存在一些问题，使其不能取得相对理想的补偿效果。本文在标准的烟花算法基础上进行研究改进，并将其应用于传感器的动态补偿中，以改善传感器的动态性能，提高传感器动态测试的精度。

1 烟花算法传感器动态补偿原理

通常，传感器系统是低通特性，传感器系统的有效通频带（对数幅频特性曲线上±3 dB幅值内所对应频率范围）没有覆盖输入信号的高频部分，高频信号的幅值分量会有所衰减，且频率越高的信号，衰减得越严重，导致输出信号波形出现失真现象。……