基于粒子群支持向量机的湿度传感器温度补偿

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。

湿度传感器的SVM温度补偿研究及软件设计

针对湿度传感器受温度影响严重而导致测量精度下降的问题,提出了采用改进的粒子群(PSO)和支持向量机(SVM)相结合的方法(AMPSO-SVM)对传感器进行温度补偿,建立了补偿模型,并与传统的网格寻优支持向量机(GRID-SVM)以及遗传算法支持向量机方法(GA-SVM)进行了比较。结果表明:改进的粒子群支持向量机方法能有效地降低温度影响,提高了湿度传感器的测量精度,并且在补偿精度和速度上都优于其他方法。同时利用MATLAB的图形用户界面环境(GUI)设计了湿度传感器的SVM温度补偿软件,并在该平台上进行了实例仿真,充分验证了软件的有效性。