《基于粒子群支持向量机的湿度传感器温度补偿》PDF+DOC
作者:叶小岭,廖俊玲,高大惟,王飞帆
单位:沈阳仪表科学研究院有限公司
出版:《仪表技术与传感器》2013年第11期
页数:4页 (PDF与DOC格式可能不同)
PDF编号:PDFYBJS2013110050
DOC编号:DOCYBJS2013110059
下载格式:PDF + Word/doc 文字可复制、可编辑
《湿度传感器的SVM温度补偿研究及软件设计》PDF+DOC2014年第12期 高大惟,刘建玲
《改进GA-SVM的湿度传感器温度补偿研究》PDF+DOC2017年第09期 姜力,贺晓雷,行鸿彦
《改进的粒子群算法在传感器温度补偿中的应用》PDF+DOC2016年第23期 毛琪波,余震虹
《基于改进SPSO-BP神经网络的温度传感器湿度补偿》PDF+DOC2018年第03期 行鸿彦,郭敏,张兰,张一波
《电阻式湿度传感器的系列化设计及其应用》PDF+DOC2000年第11期 王力,鲁南,吴辉
《一体化厚膜高分子温湿度传感器的研制》PDF+DOC1998年第11期 林洪,郝永德,陈卢金,孙良彦,张彤,陈丽华
《提高氯化锂湿度传感器稳定性的措施》PDF+DOC1993年第05期 高亚英
《湿敏电容式传感器测量SF_6气体湿度方法的研究》PDF+DOC2004年第08期 伊晓光,孙来军,胡晓光
《湿敏电容器的温度补偿方法研究》PDF+DOC2013年第06期 叶小岭,廖俊玲,孙宁
《高分子电容式湿度传感器信号处理方法》PDF+DOC2010年第24期 张巍,祈欣,王朝晖
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。
提示:百度云已更名为百度网盘(百度盘),天翼云盘、微盘下载地址……暂未提供。