- · 清华大学与美国布鲁金斯学会联合举办高级别闭门圆桌会议 探讨中美合作路径 共同应对新冠疫情[02/06]
- · 美术学院设计团队完成2021央视春晚动漫生肖吉祥物形象及周边衍生品设计[02/05]
- · 马来西亚IOI产业集团董事长李耀昇捐赠清华大学[02/02]
- · 新时代高校助力乡村振兴交流研讨会成功举办[02/01]
- · 清华大学电子工程系陆明泉教授荣获美国导航学会瑟洛奖并当选会士[01/29]
- · 清华大学全球战略布局项目2021年度工作交流会召开[01/23]
- · 清华大学召开2021年两院院士新春座谈会[01/20]
- · 清华大学召开2020年度校领导班子民主生活会[01/19]
基于PCA和GA融合算法的湿度传感器校准实验研究
作者: 陶佰睿 [1,2,3] ; 李春辉 [1] ; 苗凤娟 [1] ; 张景林 [3] ; 刘艳菊 [3] ; 王欢 [1] ; 郭琴 [1]
关键词: 湿度传感器 主成分分析 遗传算法 神经网络 非线性校准
摘要:针对湿度传感器因湿滞或温度漂移等因素引起的非线性问题,提出一种基于主成分分析(PCA)和遗传算法(GA)融合优化神经网络(BP)传感器校准改进措施。以HR202电阻型湿度传感器为例,分别在5个温度和10种饱和盐溶液标准湿度环境下进行测试,对采集的数据首先利用PCA算法"降维",通过提取温度和湿滞补偿的主要信息,在原信息损失较小的前提下,将BP传感器校准多维问题简化,然后采用GA-BP对样本进行训练。经实验测试和Matlab平台仿真研究结果表明,基于PCA和GA融合算法处理的神经网络对湿度传感器定标校准数据相比该产品示值校准精度从±5%RH提高到±3%RH,训练速度相比传统BP方法提高3~5倍。该方法在湿度传感器校准测量精度提高方面有参考价值。
上一篇:智能磁性液体展示磁场的空间分布
下一篇:大学生创业教育全面融入人才培养体系的研究