改进AFSA-BP神经网络的湿度传感器温度补偿研究

为减小温度对声表面波射频识别(SAW-RFID)湿度传感器测量精度引起的误差,需要对实测的湿度进行温度补偿。通过对人工鱼群算法(AFSA)中鱼群初始化方式、视野和步长以及拥挤度因子的改进研究,得到改进的AFSA。采用改进的AFSA对反向传播(BP)神经网络的初始权值阈值进行全局寻优,再用寻优后的权值阈值建立的BP神经网络对SAW-RFID湿度传感器进行温度补偿。最后将此方法建立的BP神经网络、传统BP神经网络和遗传算法神经网络(GA-BP)的性能及温度补偿结果比较。实验结果显示,改进的AFSA收敛速度快、寻优能力强,建立的网络模型能有效降低温度对湿度测量精度的影响,提高了湿度测量的精度。