| 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9-11页 |
| 1.3 研究内容 | 第11-12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13-29页 |
| 2.1 HMP45D型温湿度传感器 | 第13-14页 |
| 2.2 湿度传感器的环境影响因素分析与实验 | 第14-21页 |
| 2.2.1 湿度传感器分析 | 第14-16页 |
| 2.2.2 湿度传感器环境影响因素分析 | 第16-18页 |
| 2.2.3 湿度传感器的温度影响实验 | 第18-21页 |
| 2.3 温度传感器环境影响因素分析与实验 | 第21-28页 |
| 2.3.1 温度传感器 | 第21-23页 |
| 2.3.2 温度传感器环境影响因素分析 | 第23-24页 |
| 2.3.3 温度传感器的湿度影响实验 | 第24-28页 |
| 2.4 本章小结 | 第28-29页 |
| 第三章 湿度传感器的温度补偿 | 第29-43页 |
| 3.1 基于AFSA-BP神经网络算法 | 第29-35页 |
| 3.1.1 BP神经网络算法 | 第29-30页 |
| 3.1.2 人工鱼群算法(AFSA) | 第30-33页 |
| 3.1.3 AFSA-BP神经网络温度补偿模型原理 | 第33页 |
| 3.1.4 湿度传感器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 温度补偿原理及实验数据的获取 | 第35-37页 |
| 3.2.2 湿度传感器温度补偿的实现 | 第37-40页 |
| 3.2.3 算法性能对比 | 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43-54页 |
| 4.1 改进的SPSO-BP神经网络算法 | 第43-47页 |
| 4.1.1 基本粒子群算法(PSO) | 第43-44页 |
| 4.1.2 简化粒子群算法(SPSO) | 第44页 |
| 4.1.3 改进简化粒子群 | 第44-45页 |
| 4.1.4 改进SPSO-BP神经网络湿度补偿模型建立 | 第45-47页 |
| 4.2 实验仿真 | 第47-52页 |
| 4.2.1 实验数据的获取 | 第47-48页 |
| 4.2.2 温度传感器湿度补偿的实现 | 第48-50页 |
| 4.2.3 算法性能分析 | 第50-52页 |
| 4.3 本章小结 | 第52-54页 |
| 第五章 总结与展望 | 第54-57页 |
| 5.1 总结 | 第54-55页 |
| 5.2 展望 | 第55-57页 |
| 参考文献 | 第57-61页 |
| 致谢 | 第61-62页 |
| 作者简介 | 第62页 |