张 龙,张宝国,张继军,张东亮,孔德骞

(西北核技术研究所，陕西 西安 710024)

0 引 言

在有限空间爆炸实验中，准确测量爆炸场的温度参数对于研究爆炸过程的传热规律、分析爆生气体的热力学状态等具有非常重要的意义[1-2]。目前，爆炸温度测量多采用基于热电偶温度传感器的接触式测温法。然而在测温范围较大的爆炸温度测量中，热电偶的输出热电势与输入温度之间存在较为严重的非线性问题，且基于现场总线的数据采集系统也表现出非线性特性。为提高测量结果的准确性，有必要对应用于爆炸温度测量中的热电偶进行非线性校正。

当前，对传感器进行非线性校正的方法主要有硬件电路补偿法和软件校正法。在实际应用中，硬件补偿电路产生的温度漂移、增益误差等影响了非线性校正的精度，同时也增加了测试系统的成本。传统的基于线性插值、曲线拟合等方法的软件补偿法也存在诸多缺陷，难以获得理想的补偿效果[3-4]。近年来，神经网络、支持向量机、正交多项式等方法被广泛应用于传感器非线性校正中[5-6]。其中，BP神经网络受限于经验风险最小化原则，在小样本情况下，容易导致过学习现象，且收敛过程易陷入局部极小值，无法获得全局最优解；基于遗传算法的校正方法搜索速度较慢，且寻优结果对初始种群的选取表现出一定的依赖性。相比之下，基于最小二乘支持向量机的非线性校正方法有效解决了过学习和局部极小问题，表现出较强的鲁棒性和泛化能力，是非线性系统建模的有效方法。……