温度对FDR土壤湿度传感器的影响研究

在利用FDR土壤湿度传感器测量土壤湿度时,土壤温度的变化会使测量结果产生较大的误差,因此要对FDR土壤湿度传感器进行温度补偿。为了研究温度对FDR土壤湿度传感器的影响规律,利用不同湿度的土壤样本在不同温度下进行实验。根据实验结果采用二元回归分析法对FDR土壤湿度传感器和土壤温度传感器的输出进行数据融合,消除温度对FDR土壤湿度传感器的影响。融合补偿后的数据结果比未补偿的数据受温度影响减小,更加接近土壤真实湿度值,大大减小了土壤温度对测量结果的影响。     

SWR土壤湿度传感器温漂特性与补偿研究

针对基于驻波率(SWR)原理的土壤湿度传感器在长期工作中受温度影响的问题,提出基于二元回归分析法的温度补偿模型,利用最小二乘原理确定补偿模型的待定参数,对传感器进行温度补偿。从硬件电路和测量原理对SWR土壤湿度传感器的温漂特性进行研究。使用高低温交变湿热实验箱,在设定温度5～45℃范围内进行实验,测试结果表明,在温度补偿前该传感器测量土壤体积含水率的最大绝对误差范围为-2. 65%～2. 22%,其最大相对误差为29. 76%,最大均方误差为2. 211 9%。将SWR土壤湿度传感器输出值与PT100型温度传感器输出值进行数据融合,基于最小二乘优化计算的二元回归分析法得到温度补偿模型,其拟合的决定系数为0. 998。取不同温度下的实验数据进行补偿模型的验证,结果表明,SWR土壤湿度传感器进行温度补偿后,其测量结果的最大绝对误差范围为-0. 26%～0. 69%,最大相对误差不超过5. 23%,均方误差较补偿之前减小一个数量级,且最大均方误差为0. 157%。表明采用该温度补偿模型可以有效减小温度对SWR土壤湿度传感器的影响,提高其测量结果的精度和可靠性。     

基于XGBoost的土壤含水量传感器温度补偿模型研究

土壤含水量传感器数值测定的准确性是其应用于精准灌溉实现农业节水的前提,然而土壤温度的变化对土壤含水量传感器数值采集的偏差具有显著影响.研究的目的在于分析不同土壤温度对土壤含水量传感器测定影响,进一步提出基于XGBoost(eXtreme Gradient Boosting)的土壤含水量传感器温度补偿模型,并验证和对比其预测精度.研究中分别配制土壤含水量为10％、15％、20％、25％、35％的12组梯度湿土土样基准,记录传感器在各土样中0～45℃温度变化过程的读数,并将数据集划分后用于模型训练和测试.结果表明:同一土样基准中土壤含水量传感器读数随着土壤温度的升高而增加,各土样基准类别传感器读数最大值与最小值的变幅为[3.6％,7.9％],平均读数变幅为6.25％;所提出的XGBoost土壤含水量温度校正模型能够实现对传感器土壤含水量温度影响的补偿,对测试集的均方误差(MSE)、平均绝对误差(MAE)、均方根误差(RMSE)和决定系数(R2)分别为0.013％、0.825％、1.165％和0.973.此外,与其他基于树和常用的机器学习模型对比结果显示研究提出的XGBoost温度校正模型具有最佳预测精度.     

FDR型土壤水分仪的温度补偿设计与应用

对FDR (Frequency Domain Reflectometry)型土壤水分仪进行改造,将FDR和半导体测温技术相结合,以提高自动土壤水分观测仪的温度适用性,降低土壤水分观测精度受地温变化的影响。通过集成基于频域反射原理的土壤水分传感器和半导体测温器件,设计可同时测量土壤水分及温度的传感器,并在实验室和郑州农业气象试验观测站进行对比试验、建模验证。结果表明：(1)土壤温度变化对FDR型土壤水分传感器精度有较大影响,传感器测量误差和地温呈负相关关系,且随着土壤深度增加愈加明显;(2)在土壤温度20℃时,对传感器测量精度影响最小,高于20℃时传感器测量的土壤水分值大于实际值,低于20℃时传感器测量的土壤水分值小于实际值。地温变化引起了FDR型土壤水分传感器振荡频率的偏移,利用传感器测量频率的温度修正模型,可有效降低土壤水分观测数据受地温变化的影响,提升观测精度。     

基于FDR原理的土壤湿度实时监控灌溉系统

介绍了土壤湿度测量原理,着重阐述了系统的软硬件设计。MSP430单片机采集由土壤湿度传感器监测的信号,并根据输出信号的高低控制电磁阀的通断,以决定是否给土壤灌溉,从而实现对土壤湿度的控制以达到智能节水灌溉的目的。本设计可以根据农作物的不同生长期对水分的需求量调控土壤湿度,实现实时监测湿度大小,定点存储湿度值,并且可以通过U盘将存储的数据传送到PC机或其他带USB接口的上位机。     

基于迁移学习的FDR土壤水分传感器自动标定模型研究

针对频域反射技术(FDR)传感器人工标定数据拟合误差大的问题,引入其他地区数据作为辅助数据,建立了基于迁移学习的自动标定模型。该模型将FDR目标使用地点采集的数据作为源域数据,结合辅助数据与少量源域数据,使用TrAdaBoost算法即可得到准确的FDR传感器标定模型。将面向分类问题的TrAdaBoost算法改进为适用于本文面向回归的TrAdaBoost算法,将TrAdaBoost算法的基学习器由AdaBoost改为XGBoost,改进了更新权重误差率的计算方法。首先使用XGBoost对辅助数据进行训练,得到初始标定模型;然后在目标地点采集少量数据,使用改进后的TrAdaBoost算法对初始标定模型进行校准,即可得到准确的FDR标定模型。将10个不同地区站点数据作为辅助数据,训练得到初始标定模型,将沈阳地区6个站点分别作为目标使用地点,取80%数据作为源域数据,进行模型校正,其余20%数据用于测试。测试结果的平均准确率为99. 1%,说明基于迁移学习的自动标定模型是有效和准确的。     

压阻式压力传感器的温度补偿算法研究

针对压阻式压力传感器在应用过程中易受温度影响的问题,提出采用最小二乘法与牛顿插值法相结合的算法实现压力传感器的温度补偿。描述传感器温度补偿系统的整体构架,着重阐述补偿原理以及对传感器的补偿过程。通过实验结果的分析,验证该补偿算法的可行性、合理性和准确性,保证传感器的有效测量。     

电容式水流泥沙含量传感器温度补偿技术的研究

采用自行研制的电容传感器测量了水流中泥沙含量与传感器输出电压，研究了测量水流泥沙含量的温度补偿技术。结果表明，水流泥沙含量与传感器的输出电压呈线性关系，传感器的输出随温度的升高而逐渐增大；通过对温度的监测并由软件实现补偿的方法，可大大提高测量的精度；该方法能得到工作温度范围非标定条件下任一温度状态的输入－输出特性，可显著提高其温度稳定性。     

基于BP神经网络汽车传感器温度补偿技术的研究

由于受到温度、磁场等外界因素的干扰,汽车传感器的测量精度降低,致使汽车的整体性能下降。为此,以对温度干扰最敏感的CYJ-101型压力传感器为例,采用18组样本数据对建好的3层前馈BP神经网络进行温度补偿训练。仿真结果表明,温度对压力传感器的干扰波动由补偿前的22%减小到补偿后的2.2%。BP神经网络技术的应用极大地提高了压力传感器的测量精度,并最终改进了汽车的整体性能。作为一种分析、处理温度补偿问题的新技术,它与传统方法相比具有无可比拟的优势。     

FDR土壤水分传感器田间性能测试分析

为了解不同土壤水分传感器的工作性能,以目前国内应用最为广泛的频域反射性(FDR)土壤水分传感器为例,考虑当前新型的探管式结构,选取3种国产主流的FDR (管式)传感器(编号为Q1、Q2和Q3)进行261 d的田间性能测试试验。结果表明:3种传感器监测的土壤含水量曲线变化规律一致,峰值出现在有降雨时,表层土壤含水量曲线波动幅度大于深层土壤。但3种传感器在绝对数值上存在较大差异,土壤含水量变异系数在0.20～0.58之间。3种传感器的观测数值受温度影响较大,表层(0～20 cm)土壤变异系数大于深层土壤,增幅为38%以上,夏季(6月到7月)的土壤含水率变异系数大于其他季节,增幅为16%。通过对传感器观测值和人工观测值进行数据拟合,分别建立了3种传感器土壤水分的原位二次标定方程,有效降低了传感器之间的变异系数,降幅为53%～66%。因此,在农田应用中,应考虑土壤温度、土壤类型因素对FDR传感器原位二次标定的影响,以消除不同传感器工厂标定的差异性。     

灌溉水质对FDR土壤水分传感器的性能影响研究

为探究在灌溉控制系统中灌水水质对土壤水分传感器性能的影响效应,选择了3种国内外常用的基于介电原理(FDR)的土壤水分传感器(5TE、CSF13、FDS100)对其精准性、一致性等关键性能进行评价分析,结果表明:在测量精度方面,5TE和FDS100传感器精度较好,土壤含水量测试值与实际值的R2达到0.892与0.914;...     

FDR土壤水分传感器的快速校准与验证

FDR(Frequency Domain Reflectometry)土壤水分传感器是一种用于测量土壤含水量的传感器,本文以FDR土壤水分传感器的工作原理为基础,重点研究了FDR传感器的快速校准方法,使之与标准传感器具有相同的输入输出特性。通过软件对FDR传感器进行校准,并利用校准后的系统与标准传感器进行了对比验证,检验结果表明,校准后的传感器与标准传感器的输入输出特性具有良好的一致性。     

基于二硫化钼的电容式土壤湿度传感器

[目的/意义]土壤中含水率直接影响农作物生长状态和产量。开发出一种可靠、高效的土壤湿度传感器对实施农田科学灌溉具有重要指导意义。[方法]本研究提出一种基于微加工工艺制备的二硫化钼电容式土壤湿度传感器,通过叉指电极上同一平面上的金电极阵列实现数个电容并联,表面修饰二硫化钼作为敏感层实现对土壤湿度的测量。通过计算及使用COMSOL Multiphysics多物理场仿真软件研究电极参数对电容敏感度的影响,最终确定电极参数使用10μm间距、75对叉指。[结果和讨论]在保证测量精度的前提下,大大缩小了传感器的体积,可以实现土壤湿度的原位动态监测。在室温下相对湿度值从11%变化到96%时,电容式土壤湿度传感器在200 Hz频率下的电容输出为12.13 pf～187.42 nF;当土壤含水量由8.66%增加到42.75%时,传感器的电容输出在200 Hz频率下由119.51 nF增长到377.98 nF,显示出较高的湿度灵敏度及较宽的敏感范围。[结论]本研究提出的土壤水分传感器有望实现原位长期监测电容式土壤传感器的电容变化,从而监测土壤湿度的变化。     

一种土壤湿度传感器的研制

针对目前国内外土壤湿度传感器价格昂贵的现状,研制了一种轻便、响应快和经济的阻抗式土壤湿度传感器。介绍了土壤湿度传感器设计原理和材料选择,设计制作了探针传感器;用LM324四运放集成电路设计了变送电路,配合烘干称重法测出了湿度-电压实验数据;并用正交实验法确定了探针尺寸,用MATLAB对土壤湿度传感器进行了标定。     

EC-5土壤水分传感器温度影响机理及补偿方法研究

针对EC-5传感器温度实验中出现的两种截然不同现象,根据温度对土壤介电常数和电导率影响的机理分析,建立土壤水分传感器测试结果随温度变化的理论模型。通过对模型的仿真分析发现,EC-5传感器测得的土壤水分含量随温度变化的趋势与土壤电导率密切相关。利用最小二乘支持向量机对传感器的温度实验数据建立补偿函数并提出相应补偿算法,有效地抵消了温度变化造成的传感器测试误差。     

WSN土壤湿度采集节点电压补偿方法研究

针对适用于WSN土壤湿度采集节点的EC-5传感器对电源电压敏感的问题,从传感器工作原理入手分析电源电压引起检测误差的来源,且发现当传感器各项参数确定后,这种误差随着被测土壤湿度增大而增大。采用CC2430芯片作为WSN信息传输节点,建立具有多节点的上下位机WSN土壤湿度采集系统,以节点电压u和被测土壤实际湿度θ为对象,运用神经网络对采集节点中非线性土壤湿度传感器系统进行逆向建模,在上位机上实现由电源电压引起EC-5传感器检测误差的补偿,实验结果表明,该方法能有效地减少节点电池电压变化对WSN土壤湿度采集精度的影响。     

基于神经网络灰色模型的农田土壤湿度预测研究

为了提高农田土壤湿度预测的效果,采用神经网络灰色模型。首先灰色模型对农田土壤湿度数据建模,神经网络对误差进行校正;然后神经网络灰色模型考虑湿度数据之间的关联度,只对关联度值较大的单个预测模型进行组合预测;最后给出了算法流程。实验结果表明,随着农田土壤深度的增加,湿度数据预测值的相对误差以及波动性都在增加;多模型对比实验显示:对垂直深度70 cm和80 cm的土壤湿度预测值接近真实值,剩余预测偏差指标最小值为2.69、平均值为2.75,模型判定系数为0.98,结果优于其他预测模型指标。     

多元回归分析在土壤湿度传感器标定中的应用

提出了一种应用MATLAB语言／SIMULINK仿真环境来对湿度传感器进行标定的方法，用四次多项式拟合标定曲线并通过分析所拟合的曲线找出能代表此类传感器的最优曲线方程。此方法同样也适用于其它类型传感器的标定。     

基于土壤张力的土壤湿度传感器的设计与标定

为实时准确监测土壤的水吸力,基于土壤张力计电阻应变原理,研制开发一款结构简单、价格低廉的土壤张力传感器。传感器标定与误差分析结果表明,该传感器的精度与灵敏度较高,能够满足设计要求。