传感器是测控系统中的核心元件,其测量的准确度严重影响着测控系统的整体性能。随着传感技术的发展,市场对传感器提出了越来越高的要求。在实际应用中,各种传感器由于外界干扰因素或本身非线性因素的影响,导致不同程度的测量误差。因此如何对传感器进行有效的补偿具有重要的理论研究与应用价值。随着人工智能技术的发展,基于神经网络的误差补偿方法已广泛应用在现代传感器信号处理中。本文选取热电偶为传感器补偿对象展开研究,考虑环境温度和本身非线性特性对测量精度的影响,利用先进的人工智能技术对传感器进行补偿,主要的研究工作如下:(1)鲸鱼优化算法的改进针对传统鲸鱼优化算法(WOA)存在的收敛速度慢、收敛精度低等缺点,提出一种改进的鲸鱼优化算法(AWOA)。AWOA算法通过精英个体引导机制,利用精英个体的进化信息自适应地引导鲸鱼种群朝正确的方向进行搜索,避免算法陷入局部最优,提高了算法的效率;在算法后期加入混沌动态权重因子加大在最优解附近的搜索力度,提高算法的局部搜索能力,从而加快了算法的收敛速度。通过23个基准测试函数的仿真实验,结果表明,与基本的WOA算法、文献[38]提出的WOAWC算法和基本的粒子群算法相比,本文提出的AWOA算法具有更高的收敛速度、求解精度和稳定性。(2)热电偶非线性误差的补偿为解决热电偶应用中冷端补偿和非线性校正的问题。本文提出了一种AWOA-KELM热电偶非线性处理方法。利用S型热电偶的分度表数据建立输入输出模型,通过本文提出的改进鲸鱼优化算法对模型的参数进行训练与优化,与基本WOA算法优化模型、WOAWC优化模型以及PSO优化模型进行对比,进一步证明AWOA算法的优越性;另外,将AWOA-KELM的训练结果与传统的最小二乘支持向量机和RBF神经网络相比,从仿真结果可以看出,AWOA-KELM模型实现了更高的补偿精度,而且训练速度更快,能更好地满足实时性要求。本文所提方法能有效地消除热电偶冷端温度变化和非线性热电特性的影响,可以作为高精度热电偶传感器的软件补偿,同时,也可以用于同类非线性系统的补偿,具有较高的实用价值。