基于PSO-SWELM的应变传感器在线温度补偿方法

作者：尚秋峰; 刘峰^*

来源：半导体光电, 2022, 43(06): 1168-1172.

DOI：10.16818/j.issn1001-5868.2022080504

• 极限学习机
• 光纤布拉格光栅
• 应变传感器
• 粒子群优化
• 温度补偿

针对光纤布拉格光栅(Fiber Bragg Grating, FBG)应变传感器受环境温度影响而造成的波长漂移问题，提出粒子群优化(Particle Swarm Optimization, PSO)结合滑动窗口极限学习机(Sliding Window Extreme Learning Machine, SWELM)的在线预测算法对其进行温度补偿。利用PSO算法优化SWELM网络滑动窗口和隐含层神经元数目，提升了模型的预测精度，模型预测均方根误差最小能达到0.06 pm。PSO-SWELM实现了对应变传感器数据的在线更新及波长漂移预测，对实时测量数据和预测数据进行差分运算完成温度补偿。与SWELM的对比分析结果表明，PSO-SWELM算法的预测精度平均提升了11.04%,并具有良好的温度补偿效果。

• 单位
  华北电力大学; 华北电力大学（保定）