[发明专利]湿度传感器及湿度测试方法

权利要求书

1.一种湿度传感器，其特征在于，所述湿度传感器包括：

基板；

压力测试装置，所述压力测试装置设于所述基板上；

湿度敏感薄膜，所述湿度敏感薄膜设于所述压力测试装置上，且所述湿度敏感薄膜与所述压力测试装置之间形成第一封装腔体。

2.如权利要求1所述的湿度传感器，其特征在于，所述湿度传感器还包括设于所述基板上的壳体，所述壳体与所述基板围合形成第二封装腔体，其中，所述第一封装腔体位于所述第二封装腔体内，且所述壳体上开设有用于连通所述第二封装腔体以及外部环境的开口。

3.如权利要求1所述的湿度传感器，其特征在于，所述湿度传感器还包括存储装置，所述存储装置设于所述基板上，且所述存储装置与所述压力测试装置电性连接。

4.一种湿度测试方法，其特征在于，所述湿度检测方法应用于如权利要求1-3任一项所述的湿度传感器，所述湿度测试方法包括：

获取第一封装腔体内的当前气压，其中，所述第一封装腔体为设于所述湿度传感器内部的湿度敏感薄膜以及压力测试装置之间形成的腔体；

根据湿度与气压的映射关系，获得所述当前气压对应的环境湿度值。

5.如权利要求4所述的湿度测试方法，其特征在于，所述映射关系为映射关系为映射函数或径向基函数神经网络模型。

6.如权利要求4或5所述的湿度测试方法，其特征在于，所述方法还包括获取所述映射关系的步骤，包括：

获取由多个训练样本组成的训练样本集合，其中，每一所述训练样本包括样本环境湿度和与所述样本环境湿度匹配的样本压力；

根据所述训练样本集合，获得所述映射关系。

7.如权利要求6所述的湿度测试方法，其特征在于，所述映射关系为径向基函数神经网络模型，所述径向基函数神经网络模型中包括扩展常数和输出节点权值，所述根据所述训练样本集合，获得所述映射关系的步骤包括：

将所述训练样本集合输入至所述径向基函数神经网络模型中，以获得所述扩展常数和所述输出节点权值的最优参数值组合；

根据所述扩展常数和所述最优参数值组合对所述径向基函数神经网络模型进行优化，以获得优化后的所述径向基函数神经网络模型。

8.如权利要求7所述的湿度测试方法，其特征在于，所述将所述训练样本集合输入至所述径向基函数神经网络模型中，以获得所述扩展常数和所述输出节点权值的最优参数值组合的步骤包括：

将所述训练样本集合中的多个训练样本输入至所述径向基函数神经网络模型中，得到输出结果；

将所述输出结果与所述训练样本中对应的样本压力进行比对，获得比对结果；

若所述比对结果满足预设阈值，则以所述比对结果对应的输出结果作为所述扩展常数和所述输出节点权值的最优参数值组合。