ZrO2湿度传感器湿滞和温漂特性改善研究及其FPGA实现

论文摘要

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SPARTEN 3E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。

论文目录

• 摘要
• Abstract
• 1 绪论
• 1.1 湿度传感器的介绍及分类
• 1.1.1 元素半导体湿敏器件
• 1.1.2 金属氧化物半导体陶瓷湿敏器件
• 1.1.3 多功能半导体陶瓷湿敏器件
• 1.1.4 MOS湿敏器件
• 1.2 湿度传感器输出特性参数
• 1.3 湿度传感器输出存在的问题及解决方法
• 1.3.1 湿度传感器输出存在的问题
• 1.3.2 湿度传感器输出特性改善的解决方法
• 1.4 选题的目的与意义
• 1.5 文章的内容与安排
• 2 湿敏元件制作及温湿度测量电路设计
• 2.1 湿敏元件的制作
• 2.2 湿敏元件特性测量
• 2.2.1 测量仪器设备
• 2.2.2 湿度发生装置—湿度瓶
• 2.2.3 湿敏元件特性测量
• 2.3 湿度测量电路设计
• 2.4 温度测量电路设计
• 2.5 湿度和温度测量电路测量结果
• 2.6 本章总结
• 3 基于人工神经网络的湿度传感器输出特性改善
• 3.1 人工神经网络概述
• 3.2 基于BP神经网络改善湿度传感器输出特性
• 3.2.1 BP神经网络的基本理论
• 3.2.2 温度补偿的BP神经网络
• 3.2.3 湿滞补偿的BP神经网络
• 3.3 基于遗传算法改进BP神经网络
• 3.3.1 遗传算法
• 3.3.2 遗传算法改进BP网络模型
• 3.3.3 GA-BP神经网络与BP神经网络仿真结果比较
• 3.4 基于RBF神经网络改善湿度传感器输出特性
• 3.4.1 RBF网络模型
• 3.4.2 RBF网络学习算法
• 3.4.3 RBF网络在MATLAB中仿真结果
• 3.5 本章总结
• 4 基于FPGA的人工神经网络实现
• 4.1 人工神经网络实现
• 4.1.1 FPGA简介
• 4.1.2 FPGA实现人工神经网络的优势和意义
• 4.2 温度补偿BP神经网络的FPGA实现
• 4.2.1 单个神经元的设计
• 4.2.2 温度补偿BP网络的FPGA实现
• 4.3 温度补偿RBF神经网络的FPGA实现
• 4.3.1 求距离‖dist‖模块的实现
• 4.3.2 高斯函数模块的实现
• 4.3.3 RBF神经网络的实现
• 4.4 本章总结
• 5 基于FPGA的补偿系统设计及测试
• 5.1 基于FPGA的AD转换电路设计
• 5.2 基于FPGA的判决电路设计
• 5.3 基于FPGA的神经网络补偿模块实现
• 5.4 基于FPGA的LCD显示模块设计
• 5.5 补偿系统测试
• 5.6 本章总结
• 结论
• 参考文献
• 攻读硕士学位期间发表学术论文情况
• 致谢