基于神经网络的fpga温度补偿qcm湿度传感器系统设计

《基于神经网络的fpga温度补偿qcm湿度传感器系统设计》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、国内图书分类号：TP212国际图书分类号：621．38西南交通大学密级：公开研究生学位论文基于神经网络的FPGA温度补偿QCM湿度传感器系统设计年姓专业二零一四年六月ClassifiedIndex：TP212U．D．C：621．38SouthwestJiaotongUniversityMasterDegreeThesisTHESYSTEMOFFPGAQCMH肘MIDITYSENSORTEMPERATURECOMPENSATIoNBASEDONNEI瓜ALNETWORKSGrade：2011Candidat

2、e：GaoGupengAcademicDegreeAppliedfor：EngineeringMasterSpeciality：MicroelectronicsandSolidElectronicsSupervisor：ChenXiangdong西南交通大学学位论文版权使用授权书本学位论文作者完全了解学校有关保留、使用学位论文的规定，同意学校保留并向国家有关部门或机构送交论文的复印件和电子版，允许论文被查阅和借阅。本人授权西南交通大学可以将本论文的全部或部分内容编入有关数据库进行检索，可以采用影印、缩印或

3、扫描等复印手段保存和汇编本学位论文。本学位论文属于1．保密口，在年解密后适用本授权书；2．不保密√使用本授权书。(请在以上方框内打“小’)学位论文作者签名：岛古嗣吗指导老师签名：日期：7口修，‘，如日期：加『4，石，为西南交通大学硕士学位论文主要工作(贡献)声明本人在学位论文中所做的主要工作或贡献如下：本文所研究的内容，旨在改善QCM湿度传感器受温度的影响，设计了QCM湿度传感器测量系统。所做的工作有：(1)测试了Nation．QCM湿度传感器的性能参数。包括湿度传感器的感湿特性曲线，温度特性曲线，湿滞特

4、性曲线，响应时间，稳定性等。(2)设计了基于FPGA的QCM湿度传感器测量系统。首先设计参考石英晶体和QCM湿度传感器的振荡电路，输出的谐振频率信号经过整形滤波后，一方面直接被FPGA测量，另一方面送入差频电路中得到参考晶振和QCM湿度传感器的频率之差。FPGA通过测量现场的温度和频率，经过转化得到湿度值，并在液晶上显示。(3)用MATLAB建立温度补偿模型。根据实验数据用MATLAB工具箱创建BP神经网络模型，分别调整隐层个数、学习率、动量项值等，得到最优模型。(4)设计基于FPGA神经网络算法的前向传

5、播阶段。用分段线性查表法设计Sigmoid函数解决FPGA实现中的难点，用得到的神经元搭建(3)中的最优模型。(5)对实验数据进行分析验证系统的温度补偿效果。分析硬件差频前后信号的补偿效果，和经过基于FPGA的改进神经网络算法后的补偿效果。本人郑重声明：所呈交的学位论文，是在导师指导下独立进行研究工作所得的成果。除文中已经注明引用的内容外，本论文不包含任何其他个人或集体已经发表或撰写过的研究成果。对本文的研究做出贡献的个人和集体，均已在文中作了明确说明。本人完全了解违反上述声明所引起的一切法律责任将由本人

6、承担。学位论文作者签名：高吝缈尚日期：矽7华76，孓o西南交通大学硕士研究生学位论文第1页摘要湿度作为重要的物理量，对自然界生物的生存和发展起到决定性的作用，因此对湿度的测量也显得特别重要。石英晶体微天平(QCM)传感器具有灵敏度高、选择性好、稳定性好、测量范围广等优点为近年来研究的热点。随着新湿敏材料的发展，QCM湿度传感器在测量湿度方面也有很大的突破。QCM湿度传感器是在石英晶体表面涂覆湿敏材料制成的。湿敏材料吸湿或脱湿会引起石英晶体表面质量的改变，根据石英晶体的质量和频率之间的关系，会使石英晶体频率

7、的改变，从而把湿度信号转化成了频率信号。但是石英晶体的固有特性和湿敏材料的温度特性都会影响传感器的输出，给测量带来误差。为减小温度对QCM湿度传感器的影响，设计了温度补偿系统。该系统同时运用了硬件补偿方法和软件补偿方法。本文设计基于神经网络的FPGA温度补偿QCM湿度传感器的硬件系统。QCM湿度传感器和参考晶振的振荡电路，产生的谐振频率信号经过整形滤波后，送入差频电路的两路频率信号得到两个频率之差，此差频电路抵消了温度引起的部分漂移。另一方面FPGA控制温度传感器得到现场温度。FPGA根据检测到的QCM频

8、率信号(差频信号>和温度信号，经过神经网络算法软件补偿求出湿度值，并显示输出。其中软件补偿是通过FPGA离片式BP神经网络算法来实现的，其过程大体分为两步：l、用MATLAB工具箱和实测的数据建立BP神经网络模型。通过改变隐层神经元的个数和学习率得到最佳的BP神经网络模型。2、用FPGA实现最佳的BP神经网络模型的前向传播阶段。此前向传播阶段的核心是Sigmoid传递函数的实现。由于Sigmoid函数是非线性函数，FPGA很难