ZrO,2湿度传感器湿滞和温漂特性改善

基于纳米材料的半导体湿度传感器表现出的温度漂移、湿滞、非线性等问题严重影响了传感器的测量精度。因此，对湿度传感器输出特性的改善尤其重要，特别是要实现高精度的测量。 　　 实验采用了高吸附性的单斜晶型的ZrO2纳米材料制作了湿敏元件并测试了元件的湿敏特性。结果表明元件对湿度响应较好。在相对湿度11％RH～98％RH范围内，元件的电阻变化了四个数量级。测试频率在500 Hz～5 KHz范围内，有较好的线性度。结合湿敏元件设计了湿度测量电路。在不同湿度环境下，测得了温度特性和湿滞特性的样本数据。 　　 用BP神经网络和RBF神经网络来解决传感器的温度漂移和湿滞问题。通过比较不同隐层神经元个数和不同学习算法的BP神经网络，确定了网络的结构。针对BP神经网络容易陷入局部极小值，训练速度慢等缺点，将遗传算法与BP神经网络结合，对网络进行改进。并用RBF网络与BP网络及其改进网络进行比较，结果表明RBF在逼近能力、学习速度、网络鲁棒性等方面均优于BP网络。 　　 基于FPGA实现了湿滞补偿的BP神经网络、温度补偿的BP神经网络和湿滞补偿的RBF神经网络、温度补偿的RBF神经网络。在实现BP神经网络的过程中，为了发挥神经网络的并行优势，输入层经隐层到输出层采用并行运算的连接方式，并且通过设置控制信号实现了湿滞补偿的BP神经网络和温度补偿的BP神经网络的资源复用。在实现RBF神经网络的过程中，由于隐层的神经元个数比较多，为了节省FPGA的资源则用了串行连接的方式，但是这样却增加了完成网络计算的周期。实验在XINLINX ISE操作平台上完成，用ModelSim SE进行功能仿真和时序验证，达到设计要求后，将程序下载到SPARTEN3E开发板上，通过控制LCD液晶屏显示结果。结果数据表明经BP神经网络补偿后平均误差由2.8％RH下降到1.6％RH，经过RBF神经网络补偿后平均误差下降到1.2％RH，有效地提高了传感器的输出精度。

点击标签浏览更多相关技术资料资源：