基于PSO-BP神经网络的湿度传感器温度补偿.pdf

《基于PSO-BP神经网络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、第28卷第6期传感技术学报V01．28No．6CHINESEJOURNALOFSENSORSANDACTUATORSJune20152015年6月TheTemperatureCompensationforHumiditySensorBasedonthePSo．BPNeuralNetworkXINGHongyan，，ZOUShuiping一，XUWei一，ZHANGQiang'(1．CollaborativeInnovationCenteronForecastandEvaluationofMeteorologicalDisasters，NangUniversityofIn

2、formationScienceandTechnology，Nang210044，China；2．KeyLaboratoryforAerosol—Cloud—PrecipitationofChinaMeteorologicalAdministration．NanjingUniversityofInformationScienceandTechnology，Nang210044，China)Abstract：AccordingtothetemperatureandhumiditysensorsofthetypeHMP45Dontheautomaticweatherstat

3、ionsinfluencedeasilybytemperatureintheactualapplication，compensationofhumiditysensormodelbytheBackProp-agation(BP)networkbasedonParticleSwarmOptimization(PSO)algorithmhasbeenproposed．TheinitialweightandthresholdofBPnetworkcanbesearchedgloballyinPSOalgorithm，thenassignstheoptimizedweighta

4、ndthresholdtoBPnetworkfortraining．Multiplegroupsofthehumiditysensordatashasbeenmeasuredunderthecon—ditionofdifferenttemperatures，Usingthismethodtoestablishamodelfortemperaturecompensation，andtheresultswerecomparedwithgeneralBPneuralnetworkmethod．Theexperimentalresultsshowthatthesumofabso

5、luteval—ueoferrorbytheuseofPSO-BPneuralnetworkmodelfortemperaturecompensationisreducedby10．3887％(RH)comparedwiththatofthetraditionalBPneuralnetworkmode1．PSO·BPneuralnetworknotonlycanovercomethelimitationsthatthetraditionalBPneuralnetworkiseasytofallintolocalminima，butalsohavethehigherpre

6、cision，anditcanmoreeffectivelycompensatetheinfluenceoftemperatureonhumiditysensor．Keywords：temperaturecompensation；particleswarmoptimizationalgorithm(PSO)；BPneuralnetwork；humiditysensorEEACC：7230doi：10．3969／j．issn．1004—1699．2015．06．015基于PSO—BP神经网络的湿度传感器温度补偿冰行鸿彦'，邹水平，徐伟。，张强(1．南京信息工程大学气象灾害

7、预报预警与评估协同创新中心，南京210044；2．南京信息工程大学，江苏省气象探测与信息处理重点实验室，南京210044)摘要：针对自动气象站采用的HMP45D型温湿一体化传感器在实际应用过程中易受温度影响的问题，提出了基于粒子群优化算法(PSO)的BP神经网络温度补偿模型，利用粒子群优化算法对BP神经网络的初始权值阈值进行全局寻优，将粒子群优化算法优化好的权值阈值赋给BP神经网络，对BP神经网络进行训练。根据不同温度条件下测得的多组湿度传感器数据，通过建立模型，实现温度补偿，与传统BP神经网络补偿结果进行比较。实验表明，与传统BP神经网