基于粒子群支持向量机的湿度传感器温度补偿.pdf

《基于粒子群支持向量机的湿度传感器温度补偿.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、2013正仪表技术与传感器2013第11期InstrumentTechniqueandSensorNO．11基于粒子群支持向量机的湿度传感器温度补偿叶小岭，廖俊玲，高大惟，王飞帆(1．南京信息工程大学信息与控制学院，江苏南京210044；2．河北省玉田县气象局，河北唐山064100)摘要：针对高分子湿敏电容感应元件容易受温度影响的问题，提出了运用改进的基于非线性递减惯性权重和自适应变异的粒子群优化支持向量机(AMPSO—SVM)方法对湿度传感器进行温度补偿，并与遗传支持向量机(GA—SVM)和标准粒子群支持向量机(PSO—SVM)优化

2、方法进行了比较。结果表明：经过改进的粒子群优化支持向量机方法补偿后，湿度数据的相对误差绝对值均在3％之内，同时仅在25步迭代之后就达到了最优值。因此AMPSO—SVM相比于其他方法有抗早熟能力强，搜索精度高，收敛速度快的优点，用于湿度传感器温度补偿是有效可行的。关键词：高分子湿敏电容；支持向量机；粒子群算法；温度补偿中图分类号：TP212文献标识码：A文章编号：1002一l841(2013)11—0014—03ApproachestoTemperatureCompensationofHumiditySensorBasedonPSO——

3、SVMYEXiao—ling，LIAOJun—ling，GAODa—wei，WANGFei—fan(1．InstituteofInformationandControl，NanjingUniversityofInformationScienceandTechnology，Nanjing210044，China；2．MeteorologicalBureauofYutian，Hebei，Tangshan064100，China)Abstract：Consideringthehumicapsensoreasilyaffectedbytemp

4、erature，anapproachthatimprovedparticleswarmoptimiza—lionalgorithmbasedonthenon-·lineardecreasinginertiaweightandtheadaptivemutationisusedtooptimizesupportvectorma-·chine(AMPSO—SVM)，whichcompensatesthesensor’seffectoftemperature，theexperimentsaredonetocomparewithgenetics

5、upportvectormachine(GA—SVM)andstandardparticleswarmoptimization．TheresultsshowthatthroughcompensatedofAMP—SO．theabsolutevalueoftherelativeerrorofthehumiditydatawerewithin3％．theoptimalvalueiSreachedonlyafter25itera—lions．Socomparedtoothermethods，AMPSO—SVMhastheadvantages

6、ofstronganti—precociousability，highsearchprecisionandfastconvergencerate．Therefore，themethodusedtotemperaturecompengationofhumiditysensoriseffectiveandfeasible．Keywords：humicapsensor；supportvectormachine；psoalgorithm；temperaturecompensation0引言同时解决了SVM参数选择的盲目性，建立了湿度传感器的我

7、国大气湿度探测从2002年开始采用碳湿敏电阻，精度AMPSO—SVM温度补偿模型，验证了改进的粒子群支持向量机为±5％一10％RH，目前国际最先进的是Vaisala的双加热薄在湿度传感器温度补偿上的有效性，并通过与其他方法对比显膜电容传感器，精度可达4-2％RH，湿度传感器精度的提升示了其优越性。是我国气象探空的发展方向。传感器输出受很多因素影响从1湿敏电容SVM温度补偿原理而呈现非线性，需要对其进行非线性校正，其中温度对湿度湿度传感器的模型为：的影响最明显，湿度数据必须经过温度补偿才更具有实用价Y=_厂(l，t1，t2，⋯，t)(1

8、)值。硬件电路补偿成本高、精度低，软件补偿是首选，神经网式中：为传感器输入；，t2⋯t为k个非目标参量，文中为温络能够逼近任意非线性关系，常被用于传感器误差补偿，但度；y为传感器输出。存在容易陷入局部极小值问题。式(1)