湿敏电容器的温度补偿方法研究.pdf

《湿敏电容器的温度补偿方法研究.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、70传感器与微系统(TransducerandMicrosystemTechnologies)2013年第32卷第6期湿敏电容器的温度补偿方法研究叶小岭，廖俊玲，孙宁(南京信息工程大学信息与控制学院。江苏南京210044)摘要：为了精确辨识湿敏电容器的温度补偿模型，减小系统测量误差，分析了湿敏电容器的温度补偿原理，提出了一种基于改进的遗传算法(GA)和支持向量机(SVM)相结合的补偿算法。基于湿敏电容器，建立了GA—SVM补偿模型，并与BP神经网络方法进行了比较。共144个样本点，经过补偿后GA—SVM和BP模型的相对误差绝对值小于3％的个数分别为143，110；最

2、大分别为0．34％，19．68％。结果表明：改进的GA—SVM算法有效地补偿了温度影响，提高了湿敏电容器的测量精度，同时该算法的逼近能力和泛化能力均要优于BP神经网络。因此，该方法用于湿度传感器温度补偿是有效可行的。关键词：湿敏电容器；支持向量机；遗传算法；温度补偿中图分类号：TP302文献标识码：A文章编号：1000-9787(2013)06-0070-03StudyontemperaturecompensationapproachesofhumiditysensitivecapacitorYEXiao—ling，LIAOJun—ling，SUNNing(Scho

3、olofInformationandControl，NanjingUniversityofInformationScienceandTechnology，Nanjing21004，China)Abstract：Toaccuratelyidentifythetemperaturecompensationmodelofhumiditysensitivecapacitor，andreduceerrorofsystemmeasurement，theprincipleoftemperaturecompensationofhumiditysensitivecapacitoris

4、analyzed．Akindofimprovedcompensationalgorithmcombinedgeneticalgorithm(GA)withsupportvectormachine(SVM)isproposed．TheGA—SVMcompensationmodelisestablishedbasedonthehumiditysensitivecapacitor，andcomparedwithBPneuralnetworkmethod．Atotalof144samplepoint，aftercompensation，thenumberrelativeer

5、orabsolutevalueofGA—SVMandBPmodellessthan3％is143．110．Themaximumvalueis0．34％．19．68％．Theresuhsshowthattheimprovedmethodcancompensatetemperatureinfluenceeffectively，themeasurementprecisionofhumiditysensitivecapacitorisimproved．Atthesanletime，theapproximationabilityandgeneralizationability

6、ofthisalgorithmissuperiortoBPneuralnetwork．Therefore，usingthismethodfortemperaturecompensationofhumiditysensitivecapacitorsensorisefectiveandfeasible．Keywords：humiditysensitivecapacitor；supportvectormachine(SVM)；geneticalgorithm(GA)；temperature0引言以结构风险最小化为准则，较好地解决了高维数、局部从电容传感器工作原理可知，空气

7、湿度和环境温度的极小等问题，但存在SVM模型核函数和模型参数的选取难改变都会引起介质介电常数的变化。温度直接给湿度测量确定的缺点J。遗传算法(GA)是基于样本适应度函数对带来了误差，而且在低温环境下更为严重，因此，湿度传感初始群体进行选择、交叉和变异操作来获得网络结构最优器低温测量精度的提升和湿敏电容器的温度补偿技术研究解的方法J。本文将SVM用于湿敏电容的温度补偿，并利是未来气象探空的重点研究方向。用改进GA对SVM进行参数寻优，验证了SVM在湿敏电容神经网络能逼近任意非线性关系，BP神经网络是常用器温度补偿上的逼近能力和泛化能力优于BP神经网络。的传感器误差