自动气象站温湿度传感器补偿方法研究
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第8-13页 |
| 1.1 研究背景及意义 | 第8-9页 |
| 1.2 研究现状 | 第9-10页 |
| 1.3 研究内容 | 第10-12页 |
| 1.4 论文组织结构 | 第12-13页 |
| 第二章 温湿度传感器的影响因素分析 | 第13-30页 |
| 2.1 HMP45D型温湿度传感器 | 第13-22页 |
| 2.1.1 温度传感器分析 | 第14-18页 |
| 2.1.2 湿度传感器分析 | 第18-22页 |
| 2.2 温湿度传感器影响检定实验 | 第22-29页 |
| 2.2.1 温度对湿度传感器影响检定实验 | 第22-26页 |
| 2.2.2 湿度对温度传感器影响检定实验 | 第26-29页 |
| 2.3 本章小结 | 第29-30页 |
| 第三章 湿度传感器的温度补偿 | 第30-43页 |
| 3.1 基于PSO-BP神经网络算法 | 第30-35页 |
| 3.1.1 PSO-BP神经网络温度补偿模型 | 第30页 |
| 3.1.2 BP神经网络学习算法 | 第30-32页 |
| 3.1.3 粒子群优化算法 | 第32-33页 |
| 3.1.4 温度补偿模型的建立 | 第33-35页 |
| 3.2 实验仿真 | 第35-41页 |
| 3.2.1 温度补偿原理及算法模型建立 | 第35-36页 |
| 3.2.2 湿度传感器温度补偿的实现 | 第36-40页 |
| 3.2.3 性能对比 | 第40-41页 |
| 3.3 本章小结 | 第41-43页 |
| 第四章 温度传感器的湿度补偿 | 第43-59页 |
| 4.1 改进思维进化算法的BP神经网络 | 第43-52页 |
| 4.1.1 改进思维进化算法的神经网络模型 | 第43-44页 |
| 4.1.2 改进的思维进化算法 | 第44-47页 |
| 4.1.3 实验仿真 | 第47-48页 |
| 4.1.4 仿真结果分析 | 第48-50页 |
| 4.1.5 性能对比 | 第50-52页 |
| 4.2 RBF神经网络湿度补偿 | 第52-58页 |
| 4.2.1 曲线拟合法 | 第52-53页 |
| 4.2.2 RBF神经网络模型 | 第53-55页 |
| 4.2.3 仿真结果分析 | 第55-57页 |
| 4.2.4 性能对比 | 第57-58页 |
| 4.3 本章小结 | 第58-59页 |
| 第五章 总结与展望 | 第59-61页 |
| 参考文献 | 第61-65页 |
| 致谢 | 第65-66页 |
| 作者简介 | 第66-67页 |
| 基本情况 | 第66页 |
| 研究生阶段学位攻读期间课程学习情况 | 第66页 |
| 攻读硕士学位期间科研成果情况 | 第66页 |
| 攻读硕士学位期间参与项目情况 | 第66-67页 |
