传感器是测试系统中的核心部件,其测试精度的高低对整个测试系统的性能起着决定性的影响。因此,针对传感器静态特性和动态特性进行校正研究也逐渐成为国内外学者研究的重点。本文主要利用遗传算法来优化支持向量机参数选取的方法对传感器进行静态校正,并对瓦斯传感器动态特性进行了模糊PID校正。本论文主要围绕传感器的静态非线性校正、动态非线性辨识和动态特性模糊PID校正三个主要问题进行理论研究,并进行了仿真实验。首先,针对支持向量机的参数选取比较困难的问题,结合遗传算法全局搜索能力强的特点,提出了用遗传算法来优化支持向量机参数选取的方法,建立了针对传感器静态非线性的校正模型。在实现过程中,应用Matlab语言编制训练程序对KG—8型瓦斯传感器进行非线性校正并验证遗传支持向量机方法的可行性,通过分别与支持向量机方法和BP神经网络法校正的结果进行对比分析,验证该方法的优越性。其次,将传感器的动态特性分解为静态非线性模块和动态线性模块,本文重点研究的Hammerstein模型是由一个静态非线性增益环节后串联一个动态线性增益环节构成的。对传感器动态特性的辨识是进行校正和补偿研究的前提,针对Hammerstein模型的辨识,本文采用了支持向量机回归的辨识方法,通过仿真验证,该方法对Hammerstein模型的辨识达到了一定的辨识精度。最后,根据瓦斯传感器的输出特性,建立了模糊PID控制系统的模糊控制规则,在Simulink平台上分别建立PID控制与模糊PID控制仿真模型。通过对所建立的仿真模型进行仿真并对结果进行分析,证明了本文所设计的模糊PID控制器的校正效果在超调量、稳定时间等方面都优于传统的PID控制器,使传感器的动态特性有了较大的改善。