基于IWOA-LSSVM的矿用差压式流量计误差补偿方法

摘要

针对矿用差压式流量计易受井下瓦斯抽采管道中温度、湿度、压力等因素的干扰，导致测量误差较大的问题，提出了一种基于改进的鲸鱼算法(IWOA)优化最小二乘支持向量机(LSSVM)的误差补偿方法。采用鲸鱼算法(WOA)优化LSSVM模型的核函数参数和惩罚因子，引入Tent混沌映射、随机性学习方法以及自适应权重，构建IWOA-LSSVM误差补偿模型；搭建试验模拟测试平台，模拟抽采管道环境，应用Matlab对监测数据进行仿真，对比BP神经网络、PSO-LSSVM算法、GWO-LSSVM算法的误差补偿结果。结果表明：相较于原始测量值，BP神经网络使差压式流量计平均百分比误差从7.40%下降到1.13%,PSO-LSSVM算法使平均百分比误差下降到1.05%,GWO-LSSVM算法使平均百分比误差下降到0.47%,而IWOA-LSSVM算法可以使百分比误差下降到0.23%。IWOA-LSSVM算法能有效消除环境因素对流量计输出结果的影响，提高了矿用差压式流量计的可靠性与检测精度。

关键词

差压式流量计 / 误差补偿 / 鲸鱼算法 / 最小二乘支持向量机 / 瓦斯抽采