基于粒子群支持向量机的湿度传感器温度补偿  

Approaches to Temperature Compensation of Humidity Sensor Based on PSO- SVM

作　　者：叶小岭[1] 廖俊玲[1] 高大惟 王飞帆[1] 

机构地区：[1]南京信息工程大学信息与控制学院,江苏南京210044 [2]河北省玉田县气象局,河北唐山064100

出　　处：《仪表技术与传感器》2013年第11期14-16,30,共4页Instrument Technique and Sensor

基　　金：公益性行业(气象)科研专项资助项目(GYHY201106040);江苏省高校优势学科建设工程资助项目;江苏省农业科技自主创新资金项目(SCX(12)3137);江苏省产学研联合创新基金-前瞻性联合研究资助项目(BY2011111);南京市产学研资金项目(2012t026)

摘　　要：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。Considering the humicap sensor easily affected by temperature, an approach that improved particle swarm optimiza- tion algorithm based on the non-linear decreasing inertia weight and the adaptive mutation is used to optimize support vector ma- chine（AMPSO- SVM）,which compensates the sensor＇s effect of temperature, the experiments are done to compare with genetic support vector machine （ GA - SVM） and standard particle swarm optimization. The results show that through compensated of AMP- SO, the absolute value of the relative error of the humidity data were within 3 % , the optimal value is reached only after 25 itera- tions. So compared to other methods, AMPSO - SVM has the advantages of strong anti-precocious ability, high search precision and fast convergence rate. Therefore, the method used to temperature compensation of humidity sensor is effective and feasible.

关 键 词：高分子湿敏电容 支持向量机 粒子群算法 温度补偿 

分 类 号：TP212[自动化与计算机技术—检测技术与自动化装置]