基于改进遗传神经网络的压力传感器温度补偿虚拟系统的研究
传感器零点温度漂移补偿方法研究现状综述
传感器零点温度漂移补偿方法研究现状综述我们把传感器在额定电压下，未受输入信号时的输出（一般为电压值）称为传感器的“零点”。
零点输出的企业标准一般控制在满量程输出电压的百分之一。
我们又把传感器零点随时间不断变化的现象，称为传感器的“零点漂移”[1]。
传感器广泛应用于各种工农业生产实践中，一切科学研究和生产过程要获取信息都要通过其转换为易传输与处理的电信号。
但大多数传感器的敏感元件采用金属或半导体材料，其静态特性与环境温度有着密切联系。
实际工作中由于传感器的工作环境温度变化较大，又由于温度变化引起传感器的热输出较大，将会带来较大的测量误差；同时，温度变化影响零点大小，继而影响到传感器的静态特性，所以必须采取措施以减少或消除温度变化带来的影响，即必须进行零点温度补偿。
一、零漂产生原因传感器零点产生漂移的原因很多。
如对压力传感器来说，桥路中元件参数本身就不对称；弹性元件和电阻应变计的敏感栅材料温度系数，线胀系数不同，组桥引线长度不一致等综合因素，最后导致传感器组成电桥后相邻臂总体温度系数有一定差异，当温度变化时，相邻臂电阻变化量不同，从而使电桥产生输出不平衡，即产生了零点漂移[2]；对智能传感器，时漂——即对系统而言，随着时间的增加，相当于对系统进行老化处理，这样，系统的结构特征就要发生变化，从而产生漂移。
温漂——受温度影响而引起的零点不稳定[3]。
可见，温度的影响是产生零点漂移的最主要因素，也是最难控制的。
以压力传感器零点温度漂移为例，零点温度漂移是衡量压力传感器质量的一个重要性能指标，一般零点温度漂移系数用K 0来表示：C FS T U T U T T T U T U K N ︒⨯---=/%100)]()()[()()(00000000 （1） 上式中，)(0T U N 为参考温度下满量程时的输出电压；)(0T U 和)(00T U 分别为温度T 和参考温度T 0时的零点输出电压。
由于热敏电阻制造工艺的不一致性，温度零点漂移系数K 0不是一个定值，它在不同的温度区间有不同的值。
基于BP人工神经网络的压力传感器的温度补偿实现过程研究
［］ ３ 中华人 民共和 国行业标准． 公路 工程 质量检验评定标 准（ｒ ０ １ ＪＪ ｒ７
—
９ ） 人 民交通 出版社 ，９９年 ８． １９
（） ２ 电石渣剂量 的增加反而 降低 了稳定 土的抗压 强度 ，
施工尽量控制不 要超过 １ ％ ， 施工 过程 中应 注意结 合 料 ０ 在
［］ ６ 严家仅． 道路 建筑 材料 ， 民交通 出版社 ，９９年 人 １ ９
提供参 考 ， 促进 电石 渣的研究 和利用 ， 提高经济效益 ； 并改善
Ａｐ ｉａ ｉｎ ｆＩ ｕ ｔ ｙ Ｗ ａ ｔ ｓｄ ｎ Ｃｏ ｍ ｏ ｅ ｗａ ｐｌ ｔｏ ｏ ｎｄ ｓ ｒ ｃ ｓｅ Ｒｅ ｉ ｕｅ ｉ ｍ ｎ Ｆｒ ｅ ｙ
摘
要
对 于 压 力传 感 器 而 言 ， 测 量 压 力 大 小的 时候 ， 感材 料 很 容 易 受 到 温 度 的 影 响 ， 在 敏 因此 需要 对 温 度
补 偿 。 补 偿 的根 本就 是把 温度 的影 响 降到 最低 ， 文 通 过 ＭＡ Ｌ Ｂ神 经 网络 工 具 箱 中提 供 的 构 造 神 经 网络 的 各 本 ＴＡ 种 函数 进 行 编 程 实现 压 力传 感 器 的 温度 补 偿 功 能 。
ｕ ｉ ｂ ｉｄ ｎ ｔｒ ，ｆｌｙ ｒａ ｏ ａ ｌ ｓ ｓ ｉ ｄ ｓｒ ｓ ｔ ｅ ｉｕ ｎ Ｏ ｏ ｏ ａ ｘｓｉ ｇ ｃ ｒ ｉ ｅ ｓａ ． Ａ ｔｒ ｍａ ｓｖ ｏ ｍｓｉ ｓｄ ｎ ｔ ｕ ｌ ｉｇ ｍａ ｅｉ ｌ ａ ｕｌ ｅ ｎ ｂ ｙ ｕ ｅ ｎ ｕ ｔ ｗａ ｅ ｒ ｓｄ ｅ ａ ｄ Ｓ ｎ ｌｃ ｅ ｉ ｎ ａ ｂ ｄ ｌ ｇ ｓ ｙ ｌ ｔ ｆ ｓ ｉｅ ｒｏ ｎ ｉｅ ｅ ｎ ｕｓ ｄ ｘ ｉ ａ ｄ ｏ ｔｉ ｅ ｅ ｐ ｒ ｎ ａ ｔ ｄ ｄ ｔ ｅ ｒ ｔ ａ ｎ ｙ ｉ ，ｔ ｉ ｐ ｐ ｒａｓ ｒ ｍｏ ｅ ｈ ｈ ｎ ａ ｇ ａ ｅ ａ ｏ ａ ｌ ｎ ｖ ｒａ ｏ ｄｒ ａ ｕ － ｅ ｍｅ ｔ ｓｕ ｙ ａ ｈ ｏ ｉ ｌ ａ ｓｓ ｈｓ ａ ｏ ｐ ｏ ｔ ｓｔｅ Ｓ ｅ ｙ ｎ ｒ ａｒ ｓ ｎ ｂ ｅｕ ｉｅｓ ｒ ａ ｄ ｓ ｒ ｌ ｎ ｅ ｃ ａｌ ｅ ｌ ｅ ｌ ｏ
智能压力传感器的研究与开发定稿
智能压力传感器的研究与开发摘要为了提高压力传感器的精度，解决功能单一的问题设计了一种新型的智能压力传感器。
该压力传感器以MSP430单片机为控制核心，通过A/D转换接口实现对压力传感器的温度和压力信号的采集，利用BP网络算法实现了对采集信号的数据拟合，利用LED显示，利用RS485串口通讯实现数据交换及压力值输出，完成功能要求。
详细叙述了压力传感器的温度补偿方法，重点讨论了人工神经网络中的BP网络算法。
BP网络算法主要包括BP网络的结构，基于MATLAB神经网络工具箱的BP网络仿真。
根据BP网络的数据连接关系实现了BP网络的C语言表示，根据BP网络的权值、阈值由数组连接实现了向MSP430单片机的程序移植，完成信号的控制。
提出了基于遗传模拟退火BP网络算法的压力传感器温度补偿系统。
设计了压力传感器的硬件电路。
利用MPM280压力传感器测量压力，通过放大器实现温度和压力信号的放大，利用MSP430自带A/D转换的12位MSP430单片机实现信号处理，通过RS485实现输出，设计了显示功能，设计了丰富的电源电路，并且通过相应的电压转换芯片实现对各个模块的不同电压供电。
实现了压力传感器的软件设计，在MSP430编译软件IAR上利用C语言实现了初始化子程序，温度和压力A/D采样程序，BP网络信号处理子程序，显示子程序和RS485通讯子程序。
设计了基于MATLAB GUI的串行通讯压力传感器标定软件，在GUI上实现了对单片机的信号采集，BP网络训练以及对单片机的串行通信实现的在线标定的功能。
研究设计的智能压力传感器具有体积小、精度高，并实现了基于MATLAB的BP网络在线标定。
通过仿真对软、硬件进行了充分的调试，效果良好，在工业现场已经应用实现，在众多压力测控系统中有着广阔的应用前景。
关键词：压力传感器，MSP430单片机，温度补偿，BP网络算法RESEARCH AND DEVELOPMENT OF SMART PRESSURE SENSORABSTRACTA new type of smart pressure sensor is designed for the problem of pressure sensor's output low precision and single function.The pressure sensor takes the MSP430 MCU as control core, and temperature and pressure signal gathering is realized through A/D converter interface and the data fitting of the collected signals is realized by BP network algorithm, and the functional requirements are completed with the use of LED display, with the use of RS485 serial communication for data exchange and the pressure value output.This paper describes a pressure sensor temperature compensation method, focused on the artificial neural network BP network algorithm. BP network algorithm includes BP network structure, based on MATLAB neural network toolbox of the BP network emulation. The BP network is expressed by C language according to BP network data connection relations, as well as the BP network to the MSP430 microcontroller program transplantation according to BP network weights, the threshold achieved by the array of connections. And the genetic simulated annealing algorithm for BP network pressure sensor’s temperature compensation system is proposed.The circuit of this pressure sensor is designed, using MPM280 pressure sensors to measure pressure, using amplifier to deals with temperature and pressure, using A/D conversion of 12-bit MSP430 microcontroller for signal processing, achieved output through the RS485, display is designed, the design of power supply circuit is enough, and through the corresponding voltage conversion chip for each module of the different voltage supply.To achieve a pressure sensor-based software design, software, IAR's MSP430 compiler to use C language to achieve the initialization subroutine, temperature and pressure of A/D sampling procedures, BP network signal processing routines, display routines, and RS485 communications subroutines, designed based on MATLAB GUI for serial communication pressure sensor calibration software, in the GUI to achieve signal acquisition of MCU, BPnetwork training and the microcontroller serial communication to achieve on-line calibration function.The research design of smart pressure sensor system has the characteristics of small siz e、low cost、reliability、fast response and high degree of intelligence , and the online calibration of BP network in MATLAB is realized.A full debugging for the hardware and software is achieved through simulation,and has a good effect.The application in the industrial field has been achieved,and in many pressure measurement and control system has broad application prospects.KEY WORDS：Pressure sensor, MSP430 microcontroller, temperature compensation, BP network algorithm目录1 绪论1.1 传感器相关介绍信息革命的两大重要支柱是信息的采集与处理，信息采集的关键是传感器，传感器技术[1,2]已经成为现代信息技术的重要支柱之一，在当代科学技术领域有着重要的地位。
压力传感器温度补偿仪的设计
＿ 静 ＋ห้องสมุดไป่ตู้ｒ
Ｉ 字 技 术 教
髓
应 用研 究
压力传感器温度补偿仪的设计
廖 红 卫
什 堰 市特 种设 备 检验 检 测 所 湖北 十 堰 ４ ２ ０ ） ４ ０ ０
摘 要 ： 常 ， 感 器 的输 入 与 输 出存 在 非 线 性 ， 在 工 作环 境 温 度 改 变的情 况 下 ， 通 传 且 其零 点 、 灵敏 度 均 会发 生改 变。 即若 被 测 的 目标 参 量 为 零或 为恒 定值 时 ， 变工作 环境 温 度Ｔ， 感 器 的零 点或输 出电压 值 均发 生 变化 ， 将给 测 量 目标参 量 带来 误差 ， 改 则传 这 而这 次研 究 的 目的就是 为了
一种新的温度传感器湿度补偿方法
１ 南京信息工程大学 气象灾害预报预警与
评估协同创新中心，南京，２１００４４
２ 南京信息工程大学 江苏省气象探测与信
息处理重点实验室，南京，２１００４４
度传感器的湿度补偿，通过对思维进化算法中的趋同和异化操作进
行讨论，对收敛条件进行优化，以达到改进思维进化算法的目的，并
经元个数，其中改进思维进化算法需要优化的权值
和阈值总个数为 Ｎ ＝ （ ｍ ＋ １） × ｎ ＋ （ ｎ ＋ １） × ｔ，其中
ｍ 为输入神经元个数，ｎ 为隐层神经元个数，ｔ 为输出
层神经元个数．
３） 子种群趋同操作．在每一子群体内，计算每一
个体的得分，也即每个个体对应的适应度，该适应度
图 １ 基于改进思维进化算法的 ＢＰ 神经网络流程
作、异化操作及收敛条件进行研究改进，
对趋同操作中的散布权值进行自适应调
整，在异化操作中引入差分进化算法的
变异操作，并考虑收敛条件中搜索平面
平缓的情况，提出了基于改进思维进化
算法的 ＢＰ 神经网络湿度补偿方法． 由湿
度影响检定实验得到的样本数据，利用
此补偿方法建立湿度补偿模型，将补偿
结果与未经优化的 ＢＰ 神经网络模型的
思维进化算法（ Ｍｉｎｄ Ｅｖｏｌｕｔｉｏｎａｒｙ Ａｌｇｏｒｉｔｈｍ，ＭＥＡ） ［１５⁃１７］ 模仿人类
思维进化的过程，主要是趋同和异化这两个用于进化的操作，为了记
录进化过程中的信息还引入了公告板，因为异化操作是在全局范围
Copyright©博看网 . All Rights Reserved.
ＤＯＩ：１０．１３８７８ ／ ｊ．ｃｎｋｉ．ｊｎｕｉｓｔ．２０１６．０６．００８
压力传感器温度补偿技术
压力传感器温度补偿技术压力传感器温度补偿技术摘要压力传感器是一种较为常用的传感器件，由于自身的非线性特点以及外界因素的影响，传感器的输出结果容易产生误差，其中温度的影响最大，因此，对传感器的温度补偿就显得尤为重要。
文章对目前常用的温度补偿方法进行了分析，在此基础上，提出了一种新的温度补偿方法，并对BP神经网络进行了改进，从研究结果来看，该方法有效提高了传感器的稳定性及精度。
关键词压力传感器;温度漂移;温度补偿压力传感器的输出结果精度容易受到多种因素的影响，其中，唯独是影响传感器输出精度的最主要因素。
目前，国内经常使用硬件补偿和软件补偿两类方法对压力传感器进行温度补偿。
硬件补偿方法调试难度较高、精度低、通用性也较差，在实际工程中应用时，难以去得较好的效果;而软件补偿方法有效弥补了硬件补偿的缺点，其中BP神经网络补偿在实际工程中运用十分广泛，但是典型BP神经网络补偿法虽然精确度高，但是整个流程过于复杂、整个过程耗时较长，因此，本文提出了一种基于主成分分析的BP神经网络补偿方法，希望对提高补偿效率和准确性起到一定的.作用。
1 典型BP神经网络补偿原理分析BP神经网络是目前研究中应用范围最广的神经网络模型之一，BP神经网络术语单向传输网络结构，整个信息传输的过程呈现出高度的非线性特点。
典型的BP神经网络结构包括输入层、隐含层和输出层3层结构。
通常情况下BP神经网络只有这3层结构，这主要是由于单隐层的BP神经网络既可以完成从任意n维到m 维的映射。
其典型结构如下图所示。
BP神经网络结构模型BP算法设计到了信息的正向传播以及误差的反向传播，信息首先从输入层传入，然后经过隐含层的处理传入输出层，最终输出的信息可以用下面的形式进行表示：其中：、分别代表了隐含层及输出层的权值;n0、n1分别对应了输入节点数及隐含层节点数。
输出层神经元的激励函数f1通常呈现出线性特点;而隐含层神经元的激励函数f2通常采用如下所示的形式在(0，1)的S型函数中进行输出：由于BP神经网络隐含层采用的传递函数为对数S型曲线，其输出范围在(0，1)之间。
基于FA-RBF神经网络的压力传感器的温度漂移补偿法
ｌ 厂 ２
￡２ ：
●
， ８一
ｑ
则 因 子 分 析 模 型 的 向 量 矩 阵 形 式 为
Ｘ— ＡＦ＋ ｓ ， （） １
２ 因子 分 析
因子分 析是 从研 究变 量 内部相 关 的依赖 关 系
出发 ， 一 些 具 有 错 综 复 杂 关 系 的 变 量 归 结 为 少 把
收 稿 日期 ：０ ０ １ － ９； 改 日 期 ： ０ ０ １ — ７ ２ １—１１ 修 ２ １ — ２ １
一
其 一１ （－ （一 塞ｘ ｚ ｋ ｉ 骞
，… ， ＝＝ ＝
基 金 项 目 ： 龙 江 省 自然科 学 基 金 （ ． ２ １０ ）齐 齐 哈尔 大 学 青 年 教 师 科 研 启 动 支 持 计 划 项 目（ ． ０ ０ —０ ） 黑 黑 Ｎｏ Ｆ ０ ０ ８ ； Ｎｏ ２ １ ｋＺ ２ ； 龙 江省 普 通 高 等 学 校 青 年 学 术 骨 干 支 持 计 划 项 目（ ｏ １ ２ Ｇ ６ ） Ｎ ． ５ １ ０ ７ 作 者 简 介 ： 艳 梅 （ ９ ９ ） 女 ， 林 前 郭 人 ， 齐 哈 尔 大 学 理 学 院 讲 师 ， 士 研 究 生 ， 要 研 究 方 向 为微 波 技 术 与 电磁 孙 １７一 ， 吉 齐 硕 主
因子 的线性 函数 与特 殊 因子之 和来 描述 原来 观测 的 每一分量 ＿ ． ２ ］
２ １ 因子 分 析 模 型 ．
一
ቤተ መጻሕፍቲ ባይዱ
估算 载 荷 阵 Ａ 的估 算 方 法 有 多种 ， 主 成 分法 、 如
极大 似然 法 、 因子 法等 ， 主 本文 选用 主成 分法． １ 计 算 （ ， ， 的相 关 系数 矩 阵 １一 ） ．， … ｚ） ｚ １
基于Labview和BP神经网络的温度补偿的研究
对于 给 定的 训练 样 本集 （ ， ） …． ， ， 为样 本数 （ ： ， 一 ） ｐ ｌ． ． ，网络 运算 结 果与 训练 ２ Ｐ 样 本 目标输 出之 间的均方误 差可表示 为 ：
１
出的 电信 号 经过放 大调整 电路后 ， 由系统的 数 据采集卡送入 计算 机 ， 然后 计算机把采集到 的数据 经过 Ｂ 温 度智 能补偿 网络及虚拟仪器 Ｐ 控 制面 板处理后 ， 输出补偿后的压 力值 。因为 是 两个 传感 器数据融 合的 实现 ，故温 度智能 补 偿软 件模块实 际上 也是 一个数据融合 系统 。 总之 ，压 力测 试 虚拟仪 器系统 包括 ２个 主 要内容虚拟温度补偿 Ｂ Ｐ神经 网络构建和基 于 Ｌ ｂ ｉｗ 的虚拟 仪器的设 计。前者主要实 ａ ｖｅ 现 了压 力传感 器温 度的智 能化补 偿 ，而 后者 则完成 了虚拟 的主要 计算 、控制 与显示
摘 要 ：经典压 力传感 器的输 入输出大都存在非 线性 、 易受工作环境温度的影 响。本文提 出了基于 Ｌ ｂ ｇＷ 和 Ｂ ａ ＶＩ Ｐ神经网络的传感 器 温度 补偿 系统 得设 计 ，实 验证 明温 度 补偿 效 果较 好 ，有 一定 的 实用价 值 。 关键字 ： Ｐ神经网络 Ｌ ｂ Ｉ Ｗ 温度补偿 Ｂ ａＶ Ｅ 中图分 类号 ： ｉ ＴＰ３ ７ 文献标识码 ： Ａ 文章编号 ：６ ２ ３ ９ （ ０ ６ １ （ ） ０ ６ ０ １ ７ ７ １ ０ ）１ａ一 ０ ６ ２ ２ －
１ 引 言
虚拟 仪 器是基于 计算 机的仪 器 ，它实 际 上是一个按 照仪 器需 求组织的数据采集 系统。 目前使用 最广泛的编程 语言是 Ｌ ｂ ａ ＶＩ ｗ 。 Ｅ Ｌ ｂ Ｅ 是一种 图形化 的编程 语言 ，被工业 ａ ＶＩｗ 界、学 术界和研 究实验室所广泛接受 ，已成 为 个标 准的数 据采集 和仪 器控制软 件 。将传 感器和 插入 计算机 的数据 采集卡组 成 各种测 量系统 ，以 通用计算 机硬 件及操 作系统 为依 托， 实现 各种物 理量的测量功能 ，这种将计算 机和仪 器密切 结合 的方式是 目前仪 器测 量领 域发展的一个重要方 向。然而 ，对于 由压力 传 感器和 数据采 集卡组 成的 压力测量 系统 ，因 为压 力传感 器的输入输 出存在非线 性 ，而 且 压力 传感器容 易受 到工作 环境温 度影 响 ，其 零点 、 灵敏度均随环境温度的改变而改变 ， 表 现为被 测压 力为零或者 保持 不变时 ，改变 工 作环境 的温 度 ，则 压力传 感器 的零 点 或输 出 电压值 均发生 变化 ，这会 给实 际测 量结 果带 来误差。 传统 的 温度 补 偿方 法是 引入 热敏 元 件 ， 根据温 度状态 修正测 量 电桥输 出来抵消温 度 影响 ， 比如串接 负温 度系数的热敏 电阻 、 修改 电桥增 益等 ，该 方法 需 要增加额 外 的补偿 １ 电路 。当前越 来越 多的研 究是应用 人 工神经 网络进 行温 度补 偿［Ｉ。 ２３ １Ｉ 鉴于 以上 原因 ，为充 分利用 现有 微机 自 身资源 ，本文应用 Ｂ Ｐ神经 网络原理 ，在 Ｌ ｂ ａ ＶＥ Ｉ ｗ环 境下设计出虚拟压力传感 器温度补 偿 系统 ，该补偿 系统 经过 由用户选择 的学 习样
测控技术与仪器专业毕业设计题目汇总
测控技术与仪器专业毕业设计题目汇总【本文由大学生电脑主页( )收集整理，大学生电脑主页——大学生的百事通】基于遗传算法的图像阈值分割方法的研究探地雷达回波信号数据采集系统的设计基于支持向量机软测量的研究盲信号处理及其应用研究神经网络在模式识别中的应用研究计算机绘制曲线的方法途径与及其应用光纤布喇格光栅温度和应变同时测量系统光纤加速度传感研究与系统设计分布式光纤温度传感器系统的设计等精度频率计的设计分布式光纤电压测量系统的设计与研究光纤光栅不均匀受力特性分析轧机扭振测量无线感应电源的设计水泥篦冷机熟料温度测量方法的研究分布式光纤微弯压力传感器的研究水泥篦冷机料层厚度测量方法研究超声波水流量计的设计基于小波理论的图像压缩技术研究基于信号消噪的语音增强技术的研究光纤小波滤波器的研究智能变频空调器的模糊控制技术的研究高双折射光纤应变测量系统的研究玻璃钢玻瓦生产线温度控制方法的研究测试信号分析网络虚拟实验平台设计数字图像相关法动态位移测量研究及其应用光孤子通信的仿真研究光纤自适应偏振模色散补偿系统的研究基于Sagnac效应的光纤电流传感系统的研究图像处理中几种算法的研究与应用倒立摆智能模糊控制系统的研究基于网络环境的数字信号处理ICAI系统图像边缘检测在关节镜图像处理中的应用光纤波长扫描干涉方法在位移测量中的应用光纤光栅扭转传感器的研究基于信息熵的振动信号分析技术研究参数自整定模糊PID控制器的设计基于FPGA的分布式声表面波应变传感系统智能模糊控制在全自动洗衣机中的应用研究ABS系统的应用与设计光孤子源的研究取样光栅特性的理论研究智能化RLC测量仪的设计基于虚拟仪器的光纤电压传感器的研究智能测厚仪的设计光纤光栅横向应变传感器的研究神经网络控制器设计光纤光栅特性及其色散特性的应用神经网络在轧机AGC系统中的应用研究光纤微位移传感器的研究基于偏振调制的光纤电压传感器的研究数据处理在三维图像显示及处理中的应用基于半导体吸收原理的光纤温度传感器研究取样光纤布喇格光栅滤波器的设计热式气体质量流量计的设计扭转光纤电流传感器的研究几种基本光学原理的仿真分析图像处理中各种显示方法的研究与应用光谱吸收式气体传感器的研究与设计表面粗糙度的光纤测量仪研究与设计原油多相流流量测量仪的研究与设计光学式电流互感传感器的研究与设计变压器油中微水含量测量仪的设计与研究光纤亮度与颜色温度测量仪的研究与设计激光在线测径仪的研究与系统设计用于高温状态下的涡流式流量传感器及其系统的设计压电传感器即插即用技术的研究激光三角法测厚系统的设计准静态电荷放大器的设计激光脉冲测距系统的设计基于牛顿环的透镜曲率半径自动测量系统的设计基于CCD的玻管尺寸测量系统的设计激光表面粗糙度检测系统的设计CCD平板位置检测系统的设计便携式多功能测尘仪的研制成分含量近红外快速检测技术及系统的研究基于声光传感技术的楼道照明系统的研究近红外光谱分析在药品识别中的应用研究便携式井下甲烷浓度检测仪器的设计多传感器火灾报警系统的设计智能化压力传感器的研究储粮仓群微机测温系统的研究智能化水平仪的研究与设计数据融合在压力容器声发射检测中的应用玻璃厚度激光在线监测系统的研究基于PLC的污水处理系统的研究给排水系统研究在机测量与反求系统的研究智能仪表的设计及CAN总线接口技术研究红外热辐射温度测量系统设计与研究基于热电偶的温度测量系统的设计与研究基于石英晶体温度传感器的温度测量系统设计与研究吊车防撞报警系统的设计与研究差动电容压力测量系统设计与研究数字式汽车参数测试系统设计与研究粮食含水率测量系统设计与研究非导磁材料镀层厚度检测系统设计与研究超声海水流速测量系统研究海水温度检测系统的研究海水浪高测量系统的研究海水流速测量系统研究海水噪声测量系统研究海水浪涌压力测量系统研究基于混沌理论的微弱信号检测研究小波分析在奇异信号检测中的应用研究声光器件参数测量系统研究便携式数字化超声波检测仪器的设计与研究超声波在火车车轮裂纹检测系统中的应用研究正交矢量型锁相放大器在微弱信号检测中的应用基于经验模态分解的旋转机械故障诊断的研究信息融合技术在轧机故障诊断中的应用研究基于小波神经网络的旋转机械故障诊断的研究激光多普勒扭转振动测试技术的研究轧机主传动轴在线监测系统研究非接触式轧机主传动系统扭矩监测系统的研究单晶硅吸收型光纤温度传感器的设计研究光纤传感位移测量系统设计超声波智能硬度检测仪的设计粮食烘干塔中温度水分智能检测系统设计在线无创伤植物水势自动监测仪的设计研究虚拟仪器在供水网络监控与故障诊断中的应用掺稀土光纤光源传感器测量可燃气体的研究组态软件在换热系统虚拟成像中的应用基于虚拟仪器的锅炉模糊控制系统的研究基于虚拟仪器的供热多路巡回检测系统基于虚拟仪器的多功能测量系统的研究图像处理技术在人脸识别中的应用研究数据压缩技术在遥测遥控系统中的应用用于面粉品质检测的吹泡示功仪的研究与设计可吸入颗粒物监测系统的设计办公用门禁系统的研究与设计粮食筒仓温控系统的研究与设计双自整角机角度测量系统的设计基于热电偶的智能测温系统的设计温湿度测量系统的研究与设计轿车自动变速系统的研究与设计激光微束捕陷生物粒子原理和特性分析指纹认证技术和信号处理方法研究滴定法测量血清HCO3离子浓度原理和设计热力管道流量测量方法及测量系统设计赤潮的生成机制和预报模型研究海水中矿物油污染浓度荧光测量方法和仪器设计汽车尾气排放检测仪的设计非接触式表面粗糙度测量系统的设计工件直线度在线测量系统的研究与设计激光干涉式微位移测量系统的研究与设计烟尘颗粒浓度在线监测系统的设计基于CCD的小尺寸测量系统的研究与设计光纤布喇格光栅曲率传感技术的研究LED宽带光源的设计研究光纤光栅电流传感技术的研究光纤光栅电压传感技术的研究基于温度补偿技术的光纤光栅位移传感器的设计研究热释红外线无线报警系统的设计研究热释红外卫生间节水控制器的设计研究光纤光栅温度传感器的设计研究汽车轮胎运行状态的监测研究基于超声波技术的避障检测系统的研究锥度检测仪的设计驾驶员疲劳状态的视频监测的研究呼吸次数和心率的测量研究基于FPGA的图像边缘检测的研究电机运行监测仪的设计传送带运行状况监测的研究基于霍尔元件的钻机转盘扭矩测量系统的研究智能压力传感器系统的研究高压开关柜触点温度在线监测技术的研究基于霍尔传感器的金属管转子流量测量的研究基于单片机构成环境温湿度实时测控系统的研究高压容器超声波液位检测系统的研究电子舌及其应用的研究人工嗅觉系统的研究与设计光纤光栅应力传感系统的研究超声硬度检测仪的研究与设计超声波流量计的研究【本文由大学生电脑主页( )收集整理，大学生电脑主页——大学生的百事通】。
基于BP神经网络汽车传感器温度补偿技术的研究
的温 度 补偿 方 法 …有 曲 面 拟 合 法 、硬 件 补 偿 方 法 。 这 两 种 方 法 或 者 效 果 不 明 显 ，或 者 成 本 太 高 ，都 很 难达到预期 的补偿效果 。 当今 最 前 沿 的 Ｂ Ｐ神 经 网 络
在 图 １中 ， Ｐ表 示 经 Ｂ Ｐ神 经 网络 温 度 补 偿 后 的
制 。为 此 ，对 传 统 神 经 网 络 建 模 方 法 进 行 改进 ，采 用 Ｍ ＴＡ Ａ Ｌ Ｂ提 供 的 Ｂ Ｐ神 经 网 络 函数 仿 真 设 计 出 一 个
３层 前 向 Ｂ Ｐ神 经 网 络 ， Ｂ 该 Ｐ神 经 网络 仅 用 １ ８组 样
１ 温 度 补 偿 原 理
采 用 Ｂ 神 经 网 络 函数 法 改 善 传 感 器 输 出 特 性 Ｐ 的 原 理 图 由传 感 器 模 型 和 神 经 网 络 模 型 两 部 分 组 成 ，如 图 １所 示 。本 文 研 究 一 个 非 目标 温 度 参 量 的
补 偿 问题 。
收 稿 日期 ：２ ０ － ４ ０ Ｏ７ ０ －４
传感 器的测量精 度和测量 稳定性 。
２ ＢＰ神 经 网 络 数 据 样 本 库 的 建 立
本 文 以 汽 车 常 用 的 Ｃ Ｊ １ １ 型 压 力 传 感 器 为 Ｙ 一０ 例， 明Ｂ 说 Ｐ神 经 网 络 函数 新 技 术 在 改 善 汽 车 压 力 传
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 。
成果公报内容
成果公报内容(15)仪器仪表及文化、办公用机械制造业多功能精密传动链光电测量机部门地方登记号:20112678 单位名称:廊坊开发区莱格光电仪器有限公司课题来源:地方计划主要人员:许兴智、李国洪、陈刚、高峰、王晓、张一钢、侯艳、史淑华、刘世成、李丽华、杨昆、陈红侠、杨朝、周行评价单位名称:河北省科技成果转化服务中心评价日期:2011.09.22 成果公报内容该测量机主要属于光机电一体化技术领域，是一种新型的多功能测量装备。
主要用于高档数控机床、精密仪器、重要机电设备等高端制造装备中关键传动部件传动误差的高精度动态测量。
采用高精度光电轴角编码器、光栅尺和光电长度计，实现了角 -角、角-线、线-线位移量的多功能精密测量。
微纳米级光栅测量系统(光电长度计)，实现了微位移量的高精度测量。
自主研发的密封式超长标尺光栅传感器，实现了大量程线位移的高精度测量。
使用三组相互平行的精密直线导轨机构和安装误差检测系统，提高了被测物的安装效率，减小了安装误差。
作为一种多用途精密传动功能部件传动误差测量仪器，具有广阔的市场前景。
电位差计使用条件的优化研究部门地方登记号:20112927 单位名称:河北工业大学廊坊分校课题来源:其他主要人员:王菊香、忻彦、张继县、刘会丽、郝海辉、张君、蔺晓峰、胡和智、苏双臣、李荣美、赵丽茹评价单位名称:廊坊市科学技术局评价日期:011.07.08 成果公报内容结合教学实际，根据电位差计的特点，详细研究电位差计在测量温差电动势的应用中，零点漂移的变化规律、系统探讨影响测量零点漂移的原因。
在工作电源、检流计、电位差计一定的情况下，系统地研究了标准电源电压的稳定性对电位差计测量中零点漂移的影响的规律和大小。
在工作电源、检流计、标准电源一定的情况下，系统地研究了工作电流调节电阻和热稳定性对零点漂移的影响，定量地分析了这些因素对测量结果影响的显著水平。
在工作电源、标准电源、电位差计一定的情况下，系统地研究了检流计热稳定性对零点漂移影响的规律和大小，分析了对测量结果影响的显著水平。
基于神经网络技术的虚拟传感器温度补偿系统
式传感器 ， 它与数据采集卡 （ Ａ 组成测 试 系统 ； 主传 感 Ｄ Ｑ） 对
器进行 温度补 偿要 引入 温度监测传感器 ， 它起到监测工作 环 境 温度的作用 ； 温度补偿 器是 一个 软件模块 ， 补偿 系统要 对 上述 ２个传感器进行数据融合 ， 因此温度补偿 软件模块也 是
一
Ｕ ／ Ｖ 一１ ．１ ２ ． ２ ６ ． ９ ８ ．９ ９ ．７ ｐｍ ４ Ｏ ５ ４ ４ ２ ３ ３ １７
Ｕ ｍＶ ２ ３ ７． ６ ２ Ｏ ７． １ ２．９ ６ ８ ２ ９１ ４． ２ ．５ ２３
Ｕ／Ｖ ｐ ｍ 一１ ．３ ２ ．ｌ ３ ６ ４ ３
Ｕ／ ｔ ｍＶ ３ ２ Ｏ． ８ ３ ５ ４． ２
５ ． ８ ７ ．８ ８ ．８ ８ ８ ６ ４ ５ ３
３ ７ ０． ４ ３ ９ ０． ９ ２ ．４ ９ １
｛温 传 器 ｝ ． 度感 Ｌ偿 器
图 １ 具 有 温 度 补 偿 的 压 阻 测 试 系统
５ ℃ ５
一８． ９ １ ２１ ２ ． ３
Ｕｔ ｍＶ ／
７１ ０ ．６
６ １ ４． ２
６ ３ ２． ５
６ ．７ ｏ ０
６ ０ ０． ５
６ ５℃
ｕ／Ｖ ｐｍ
Ｕｔ ｍＶ ／
传感器 ， 其灵敏度将 随温度 的变化 而变化 ， 导致 输入 输 出特
性存 在非线性 。表现为被测 的 目标 参量 为零 或保持 恒定 值
神经网络所处理的数据应是在 一１和 ＋１间的归 一化数 据， 因此采用如下公式进行传 感器输 出数据 的归 一化处理 ：
：
．
时， 改变工作环境温 度 ， 则传 感器 的零点 或输 出电压 值均 发
山西 电子 技术 ２１ ０ ０年第 ６期
虚拟仪器设计中压力传感器的BP神经网络温度非线形校正
时间短 ，准确 度高，有 实际应用价值 。
【 关键 词１ Ｐ神经网络 压力传感器 非线性校正 Ｂ
Ａｂ ｔ ａ ｔ Ｔ ｅｉ ｐ ｔ ｎ ｕｐ ｔ ｆ ｒ ｓ ｕ ｅｓ ｎ ｏ ｓ ｒ ｌ ｏ ｔ ｏ ｌｎ ａ ， ｄｔ ｅ ｅａｗａ ｓ ｎ ｕ ｎ ｅ ｙｅ ｖ ｒ ｎ ｅ ｔ ｓ ｒ ｃ ： ｈ ｕ ｄｏ ｔ ｕ ｐ ｅ ｓ ｒ ｅ ｓ ｒ ｅａ ｎ ａ ｏ ａ ｍ ｓ ｎ ｉ ｅ ｒ ａ ｙａ ｌ ｙ ｆ ｅ ｃ ｄ ｂ ｎ ｉ ｍ ｎ ． ｎ ｎ ｈ ｒ ｉｌ ｏ
Ｔ ｅ ａＶＩＷ ｆ ｒｅ ｄ Ｑ （ａ ｑ ｉｔ ｎ ｏ ｌ－ａａ ｔｒ ｎｎｉｅ ｒｒ ｃｒ ｃｉｎ ｆ ｒｓｕｅｓｎｏ ｈ ｂ Ｅ ｓｔ Ｌ ｏ ｗａ ｎ ａ ＤＡ ｄｔ ａ ｕｓｉ ） ｆ ｔｐ ｍｅｅｓ ｏ ｌ ａ ｅ ｏｓ ｏｒ ｔ ｅｓｒ ｓｒ ａ ｃ ｉｏ ｍｕ ｉ ｒ ， ｎ ｒ ｒ ｅ ｏ ｏｐ ｅ
维普资讯
测控技术和仪器专业毕业设计题目汇总
测控技术与仪器专业毕业设计题目汇总【本文由大学生电脑主页( )收集整理，大学生电脑主页——大学生的百事通】基于遗传算法的图像阈值分割方法的研究探地雷达回波信号数据采集系统的设计基于支持向量机软测量的研究盲信号处理及其应用研究神经网络在模式识别中的应用研究计算机绘制曲线的方法途径与及其应用光纤布喇格光栅温度和应变同时测量系统光纤加速度传感研究与系统设计分布式光纤温度传感器系统的设计等精度频率计的设计分布式光纤电压测量系统的设计与研究光纤光栅不均匀受力特性分析轧机扭振测量无线感应电源的设计水泥篦冷机熟料温度测量方法的研究分布式光纤微弯压力传感器的研究水泥篦冷机料层厚度测量方法研究超声波水流量计的设计基于小波理论的图像压缩技术研究基于信号消噪的语音增强技术的研究光纤小波滤波器的研究智能变频空调器的模糊控制技术的研究高双折射光纤应变测量系统的研究玻璃钢玻瓦生产线温度控制方法的研究测试信号分析网络虚拟实验平台设计数字图像相关法动态位移测量研究及其应用光孤子通信的仿真研究光纤自适应偏振模色散补偿系统的研究基于Sagnac效应的光纤电流传感系统的研究图像处理中几种算法的研究与应用倒立摆智能模糊控制系统的研究基于网络环境的数字信号处理ICAI系统图像边缘检测在关节镜图像处理中的应用光纤波长扫描干涉方法在位移测量中的应用光纤光栅扭转传感器的研究基于信息熵的振动信号分析技术研究参数自整定模糊PID控制器的设计基于FPGA的分布式声表面波应变传感系统智能模糊控制在全自动洗衣机中的应用研究ABS系统的应用与设计光孤子源的研究取样光栅特性的理论研究智能化RLC测量仪的设计基于虚拟仪器的光纤电压传感器的研究智能测厚仪的设计光纤光栅横向应变传感器的研究神经网络控制器设计光纤光栅特性及其色散特性的应用神经网络在轧机AGC系统中的应用研究光纤微位移传感器的研究基于偏振调制的光纤电压传感器的研究数据处理在三维图像显示及处理中的应用基于半导体吸收原理的光纤温度传感器研究取样光纤布喇格光栅滤波器的设计热式气体质量流量计的设计扭转光纤电流传感器的研究几种基本光学原理的仿真分析图像处理中各种显示方法的研究与应用光谱吸收式气体传感器的研究与设计表面粗糙度的光纤测量仪研究与设计原油多相流流量测量仪的研究与设计光学式电流互感传感器的研究与设计变压器油中微水含量测量仪的设计与研究光纤亮度与颜色温度测量仪的研究与设计激光在线测径仪的研究与系统设计用于高温状态下的涡流式流量传感器及其系统的设计压电传感器即插即用技术的研究激光三角法测厚系统的设计准静态电荷放大器的设计激光脉冲测距系统的设计基于牛顿环的透镜曲率半径自动测量系统的设计基于CCD的玻管尺寸测量系统的设计激光表面粗糙度检测系统的设计CCD平板位置检测系统的设计便携式多功能测尘仪的研制成分含量近红外快速检测技术及系统的研究基于声光传感技术的楼道照明系统的研究近红外光谱分析在药品识别中的应用研究便携式井下甲烷浓度检测仪器的设计多传感器火灾报警系统的设计智能化压力传感器的研究储粮仓群微机测温系统的研究智能化水平仪的研究与设计数据融合在压力容器声发射检测中的应用玻璃厚度激光在线监测系统的研究基于PLC的污水处理系统的研究给排水系统研究在机测量与反求系统的研究智能仪表的设计及CAN总线接口技术研究红外热辐射温度测量系统设计与研究基于热电偶的温度测量系统的设计与研究基于石英晶体温度传感器的温度测量系统设计与研究吊车防撞报警系统的设计与研究差动电容压力测量系统设计与研究数字式汽车参数测试系统设计与研究粮食含水率测量系统设计与研究非导磁材料镀层厚度检测系统设计与研究超声海水流速测量系统研究海水温度检测系统的研究海水浪高测量系统的研究海水流速测量系统研究海水噪声测量系统研究海水浪涌压力测量系统研究基于混沌理论的微弱信号检测研究小波分析在奇异信号检测中的应用研究声光器件参数测量系统研究便携式数字化超声波检测仪器的设计与研究超声波在火车车轮裂纹检测系统中的应用研究正交矢量型锁相放大器在微弱信号检测中的应用基于经验模态分解的旋转机械故障诊断的研究信息融合技术在轧机故障诊断中的应用研究基于小波神经网络的旋转机械故障诊断的研究激光多普勒扭转振动测试技术的研究轧机主传动轴在线监测系统研究非接触式轧机主传动系统扭矩监测系统的研究单晶硅吸收型光纤温度传感器的设计研究光纤传感位移测量系统设计超声波智能硬度检测仪的设计粮食烘干塔中温度水分智能检测系统设计在线无创伤植物水势自动监测仪的设计研究虚拟仪器在供水网络监控与故障诊断中的应用掺稀土光纤光源传感器测量可燃气体的研究组态软件在换热系统虚拟成像中的应用基于虚拟仪器的锅炉模糊控制系统的研究基于虚拟仪器的供热多路巡回检测系统基于虚拟仪器的多功能测量系统的研究图像处理技术在人脸识别中的应用研究数据压缩技术在遥测遥控系统中的应用用于面粉品质检测的吹泡示功仪的研究与设计可吸入颗粒物监测系统的设计办公用门禁系统的研究与设计粮食筒仓温控系统的研究与设计双自整角机角度测量系统的设计基于热电偶的智能测温系统的设计温湿度测量系统的研究与设计轿车自动变速系统的研究与设计激光微束捕陷生物粒子原理和特性分析指纹认证技术和信号处理方法研究滴定法测量血清HCO3离子浓度原理和设计热力管道流量测量方法及测量系统设计赤潮的生成机制和预报模型研究海水中矿物油污染浓度荧光测量方法和仪器设计汽车尾气排放检测仪的设计非接触式表面粗糙度测量系统的设计工件直线度在线测量系统的研究与设计激光干涉式微位移测量系统的研究与设计烟尘颗粒浓度在线监测系统的设计基于CCD的小尺寸测量系统的研究与设计光纤布喇格光栅曲率传感技术的研究LED宽带光源的设计研究光纤光栅电流传感技术的研究光纤光栅电压传感技术的研究基于温度补偿技术的光纤光栅位移传感器的设计研究热释红外线无线报警系统的设计研究热释红外卫生间节水控制器的设计研究光纤光栅温度传感器的设计研究汽车轮胎运行状态的监测研究基于超声波技术的避障检测系统的研究锥度检测仪的设计驾驶员疲劳状态的视频监测的研究呼吸次数和心率的测量研究基于FPGA的图像边缘检测的研究电机运行监测仪的设计传送带运行状况监测的研究基于霍尔元件的钻机转盘扭矩测量系统的研究智能压力传感器系统的研究高压开关柜触点温度在线监测技术的研究基于霍尔传感器的金属管转子流量测量的研究基于单片机构成环境温湿度实时测控系统的研究高压容器超声波液位检测系统的研究电子舌及其应用的研究人工嗅觉系统的研究与设计光纤光栅应力传感系统的研究超声硬度检测仪的研究与设计超声波流量计的研究【本文由大学生电脑主页( )收集整理，大学生电脑主页——大学生的百事通】。
基于RBF神经网络模型和SVM模型的压力传感器温度补偿方法
⑥
２ １ Ｓ ｉ ｅｈ Ｅ ｇ ． ０２ ｃ Ｔ ｃ ． ｎ ｒ ． ｇ
基 于 Ｒ Ｆ神 经 网络 模 型和 Ｓ Ｍ 模 型 的 Ｂ Ｖ 压 力传感器温 度补偿方法
景 晓璐 张 小栋 耿 加 民。
（ 西北工业大学 动力与能源学院 ， 西安 ７ ０７ 东安发动机（ 团） 限公司。 哈尔滨 １０ ６ ） １０ ２； 集 有 ， ５０ ６
方法有 ： 表法 、 查 曲线 拟合法 … 、 经 网络 法 神
等。
径 向基 函数神 经 网络 （ａ ｉ ｂ ｓ ｎｔ ｎｎｕａ ｒｄａ ａｉｆ ｃ ｏ ｅ ｒｌ ｌ ｓｕ ｉ
查表 法 只能在 给定 点 处得 到 较 好 的结 果 ， 而数 据 点
２１ ０ ２年 ５月 ２ １日收到
了压力传感器的性能和测量精度。最后 ， 通过补偿结果 的对 比分析， 讨论 了两种算法 的优劣性。
关 键词 温度漂移 压力传感器 智能算法
文献标志码
Ａ
压力 测量 作为 现 代 测 控 系统 的重要 环 节 ， 供 提 着 系统 赖 以进 行处 理 和 决 策 所必 需 的原 始信 息 ， 所 以传感 器性 能 的好坏 ， 出信 息 的准 确性 对 整 个 测 输 控 系 统 的质 量 至 关 重 要 。硅 压 阻 式 压 力 传 感 器 作 为应 用最 广 泛 的压 力 传 感 器 之 一 ， 有 灵 敏 度 高 、 具 动态 响应 好 、 于 集 成化 等 特 点 。它 利用 半 导 体 硅 易 的压 阻效 应 ， 现 压 力 与 电信 号 的转 换 ， 由于 半 实 但 导体材 料受 到环 境温 度 的影 响 较大 ， 而 产 生 温度 从
第１ ２卷
第２ ６期
２１ ０ ２年 ９月
基于BP神经网络的一种传感器温度补偿方法
变 化 ； 外 ， 压 阻 传 感 器 的温 度误 差 有 很 大 的 分 散 性 ， 至 此 硅 甚
由 同一 制 造 商 提 供 的 同 一 型 号 传 感 器 的误 差 幅 度 彼 此 之 间 也 会 有 轻 微 的 差 异 。这 些 特 点 给 硅 压 阻 式 传 感 器 的温 度 误 差 补 偿 带 来 了一 定 的 困 难 。鉴 于 硅 压 阻 传 感 器 温 度 误 差 的 特
张 潜 ，武 强
（ 熟 市公 安 局 机 动 车检 测 站 江 苏 常 熟 ２ ５ ０ ） 常 １ ５０
摘 要 ：简 单介 绍 了硅 压 阻式 传 感 器 温度 误 差 产 生 的 原 因及 其 特 点 ，提 出 了一 种 利 用 Ｂ Ｐ神 经 网 络 对 其 温 度 误 差 及 非 线 性 误 差 进 行 补偿 的 方 法 。根 据 传 感 器 温度 误 差 的 特 点 设 计 了一 个 多层 的 Ｂ Ｐ神 经 网 络 ， 中传 感 器测 试 电路 中四 其 臂 电桥 的桥 路 电 压 和 未 经 补 偿 的 传 感 器 的 输 出作 为神 经 网络 的 两 个 输入 。 用 Ｍ ｔａ 利 ａＬ ｂ对 该 网络 进 行 训 练 ， 到 了 网 得 络 的 权 值 和 闽值 。经过 试 验 证 明 ， 网络 能 够有 效 的补 偿 传 感 器 的 温 度 非 线 性 误 差 ， ４ ～ ０℃ 范 围 内 ． 温 度 误 差 该 在－ Ｏ ６ 使
假 设 温 度 为 幻时 ， ｌＲ ＝ ＝ ４Ｒ ， 温 度 、 力 发 生 变 Ｒ ＝ ２Ｒ３Ｒ＝ ０当 压 化 时 ， 电 阻 阻 值 可 以用 式 （ ） （ ） 示 ： 各 １ 、２ 表
基于LabWindows／CVI神经网络技术虚拟温度补偿仪的实现
Ｐ ｎｌ ａｅ 上添 加如 下控件 ： １ 个 数字 输入 框 ：由使 用者 键入 “ 力传 感 ）３ 压 器输 出值 ” 温 度传 感器 输入 值 ” 压 力 ”数据 输 、“ 、“
常有输入层、隐层 （ 中间层 ）和输出层，各层按
顺序 连接 ，如 图 １ 示 ．输 入层 是与 外部 激励 打 所 交道 的界 面 ，接受 外部 输入 模式 ，并 由各输 入神
型 （ｉｍｏｄ 、线 性型 （ｉｅ 、硬 限幅型 （ａｄｉ 、 ｓ ｇ ｉ） １ ） ｎ ｈｒｌ ｍ） 高 斯 函数型 （ ｕｓ Ｇａｓ）等 ．Ｓ型 作用 函数 反映 了神经 元 的非 线 － 州永益建筑工程有 限公司 ，江苏 苏州， ２ ５ ０ ； １苏 １０ ０ ２ 富士康科技集团富誉电子科 技 （ ． 淮安） 有限公司，江 苏 淮安 ，２ １０ ） １７ ０
摘 要 ：通 过虚 拟温度补偿仪 的实现 ，阐述 了 运用常用 的 Ｂ 神 经 网络技 术与虚 拟仪 器技 术相结合创建虚 Ｐ
出 ．神 经元 的输入 与输 出的关系 一般 数学表 达 式如
式 （ ）所 示［． １ ５ １
、
理 的计算结构 ，那么这种结构就是人工神经 网
络 ．根据 神经 元之 间连接 的拓扑 结构 上 的不 同，
可将 神经 网络 结构 分 为 ２大类 ：分 层 网络 、相 互 连接 型 网络【 ： ｊ Ｊ
图 ３ 具 有 温度 自补 偿 的 压 力 测 试 系统 原 理 框 图
ｐＲ
Ｂ 神 经 网络 是通过 误差 反 向传播 来实 现 ， 经 Ｐ 神
图 ２ 神 经 元 模 型
元必 须是 连续 可微 的 ． Ｐ Ｂ 网络 一个 样本 的学习流 程 如 图４ 所示 【 引 。 ． ２ ２ 补偿 仪面 板设 计 ． 进 入 用 户界 面编 辑 窗 口，建立 面 板 Ｐ ｎ １ ａ ｅ．在
基于FA-RBF神经网络的压力传感器的温度漂移补偿法
基于FA-RBF神经网络的压力传感器的温度漂移补偿法孙艳梅;刘树东;陶佰睿【摘要】针对温度对硅压阻式压力传感器输出的影响问题,提出基于因子分析和RBF神经网络相结合的补偿方法.利用因子分析实现对原始信息的筛选和降维;结合RBF神经网络的非线性映射、自适应能力和强容错性对补偿过程进行建模,减少网络的输入,利于简化网络结构,进而加快收敛,节省运行时间,提高网络的学习速率与泛化能力.研究结果表明,该方法有效地抑制了温度对压力传感器的影响,提高传感器的稳定性和准确性.【期刊名称】《物理实验》【年(卷),期】2011(031)007【总页数】5页(P21-25)【关键词】温度补偿;因子分析;神经网络;传感器【作者】孙艳梅;刘树东;陶佰睿【作者单位】齐齐哈尔大学,通信与电子工程学院,黑龙江齐齐哈尔,161001;齐齐哈尔大学,理学院,黑龙江齐齐哈尔,161001;齐齐哈尔大学,通信与电子工程学院,黑龙江齐齐哈尔,161001;齐齐哈尔大学,通信与电子工程学院,黑龙江齐齐哈尔,161001【正文语种】中文【中图分类】TP2121 引言硅压阻式压力传感器在输入压力p数值不变的情况下，当工作温度t变化时将引起传感器输出发生变化.为了消除非目标参量（温度）对传感器输出特性的影响，可采用多种智能化技术[1]，本文结合因子分析（Factor Analysis，FA）和RBF （Radial Basis Function）神经网络的优点，将这两种方法相结合用于压力传感器的温度补偿，并就补偿效果进行了分析和对比.2 因子分析因子分析是从研究变量内部相关的依赖关系出发，把一些具有错综复杂关系的变量归结为少数几个综合因子的一种多变量统计分析方法.对于所研究的问题试图用最少的不可测的所谓公共因子的线性函数与特殊因子之和来描述原来观测的每一分量[2].2.1 因子分析模型一般地，设p个可观测变量（x1，x2，…，xp）与q个公共因子（其中q≤p）满足：此模型称为因子分析模型.若记：则因子分析模型的向量矩阵形式为其中，矩阵A称为公因子载荷矩阵，aij称为因子载荷；F称为公共因子向量；X 为原变量向量；ε称为随机误差.2.2 因子分析模型计算方法为确定因子分析模型，即估计载荷矩阵A，对可观测变量（x1，x2，…，xp）必须获得1个观测样本（xi1，xi2，…，xip），i＝1，2，…，n，以此样本出发估算载荷阵A的估算方法有多种，如主成分法、极大似然法、主因子法等，本文选用主成分法.1）计算（x1，x2，…，xp）的相关系数矩阵R＝（rij）p×p，其中2）计算相关系数矩阵R的特征根，记为λ1≥λ2≥…≥λp≥0.3）确定公因子个数q的值，以前q个特征值的累积百分数≥85%选取公因子个数. 4）计算特征根λ1，λ2，…，λq对应的单位特征向量，记为γ1，γ2，…，γq.5）对特征向量进行规格化，即aj＝，j＝1，2，…，q.6）写出载荷矩阵A，即A＝（a1，a2，…，aq）＝（aij）p×q，至此得到因子分析模型.2.3 因子得分模型一般地，因子得分模型为f＝Bx＋ε，即fi＝bi1x1＋bi2x2＋…＋bipxp＋εi，i＝1，2，…，q.如何估计B＝（bij）p×q是关键问题.SPSS统计软件提供了3种方法：即回归法（Regresson）、巴特莱特法（Bartlett）、安德森－鲁宾法（Anderson－Rubin）[3]，本文采用回归法计算因子得分.这里通过因子分析主要是简化系统结构，排除补偿因子间的相关因素，找出可用于描述系统变量的公因子，作为新的样本为神经网络所用，达到降维的目的.3 径向基函数RBF神经网络RBF神经网络是前馈神经网络中的一类特殊的3层神经网络，是典型的局部逼近神经网络，具有学习快、不会陷入局部最优的优点[4].RBF神经网络是新颖有效的前馈式神经网络，具有较高的运算速度和较强的非线性映射能力，能以任意精度全局逼近某非线性函数.径向基函数网络由3层组成，输入层节点传递输入信号到隐层，隐层节点由类似高斯函数的辐射状作用的函数构成，而输出层节点通常是简单的线性函数.高斯函数的一般表达式为式中，x是n维输入向量；Ri（x）为隐层第i单元的输出；ci为第i个基函数的中心，与x具有相同维数的向量；σi为基函数围绕中心点的宽度，m是感知单元的个数；‖x－ci‖为向量x－ci的欧氏范数，表示x与ci之间的距离.输入层实现从x到Ri（x）的非线性映射，输出层实现从Ri（x）到yi的线性映射.即式中，p为输出节点数；ωij为第i个基函数与输出节点yj的连接权值.2个输入节点，1个输出节点的RBF网络结构如图1所示[5－6].图1 RBF网络结构本文将带遗忘因子的梯度下降法应用于RBF神经网络的参数调整[7].其具体算法如下：其中，J为误差函数；Y（k）代表希望的输出；Y（ω，k）为网络的实际输出；ω是网络所有权值组成的向量.隐层－输出层连接权值矩阵的调整算法为隐层中心值矩阵的调整算法为隐层标准偏差矩阵的调整算法其中，μ（k）为学习率；α（k）为动量因子.4 因子分析径向基神经网络算法的实现步骤1）进行数据预处理时，为了避免量纲不同而带来数据间无意义的比较，故将数据进行标准化处理：其中，Xi和pi为标定值，Ximin和Ximax为温度传感器输出电压标定的最小值和最大值，pimin和pimax为压力标定的最小值和最大值.2）将数据分为验证数据和训练数据.3）对标准化的数据运用SPSS软件进行因子分析.4）运用Matlab软件设计RBF神经网络，并将因子分析后的所得数据通过因子旋转得到的各个公因子得分，作为输入层变量输入神经网络进行网络的训练和仿真. 5）将验证样本通过数据标准化代入训练好的网络进行检验.5 压力传感器温度补偿5.1 传感器标定数据实验采用Honeywell的24PCGF1G型压力传感器，把压力传感器和温度传感器放在恒温槽中，温度分别为8，22，35，50℃共4个温度点，然后测量出不同温度下不同压力标定值的电压测量值[8].压力传感器对应的被测压力为p，传感器的输出电压为Up，在数据测量时，外加2mA的恒流源以激励压力传感器，环境温度由集成温度传感器AD590测定，当温度为t时，用AD590的输出Ut（mV）反映温度t，数据见表1.运用SPSS软件对数据进行因子分析，采用主成分分析方法选取特征值累积≥85%的因子，得到相关矩阵，见表2.因子特征根、方差贡献率和方差累计贡献率见表3. 由表3可知，前2个主成分的累积方差贡献率为97.616%，已超过85%，故提取出了2个主成分，其因子得分系数见表4.表1 传感器标定数据p／（103 Pa）Up／mV Ut／mV 8℃22℃35℃50℃0 29.6 31.9 33.6 34.9 1 405.8 1 475.8 1 540.9 1 615 8℃22℃35℃50℃.8 0.04 28.7 27.7 27.2 30.5 1 394.9 1 463.9 1 528.4 1 602.7 0.06 23.6 25.3 26.7 26.3 1 383.7 1 452.2 1 515.9 1 589.5 0.08 20.3 23.6 24.5 26.2 1 372.1 1 440.0 1 503.6 1 576.6 0.10 17.4 21.0 22.6 22.1 1 360.8 1 427.9 1 490.1 1 563.4 0.1216.1 18.5 20.3 21.9 1 348.9 1 416.1 1 478.5 1550.4表2 相关矩阵VAR00001VAR00002VAR00003VAR00004VAR00005VAR00006 VAR00001 1.000 0.327 0.934 0.986 0.911 0.999 VAR00002 0.327 1.000－0.290 0.310 0.235 0.359 VAR00003 0.934－0.029 1.000 0.918 0.856 0.921 VAR000040.986 0.310 0.918 1.000 0.967 0.985 VAR00005 0.911 0.235 0.856 0.9671.000 0.908 VAR00006 0.999 0.359 0.921 0.985 0.908 1.000表3 总方差解释成分初始特征根特征根方差贡献率／%累积方差贡献率／%提取初始特征根特征根方差贡献率／%累积方差贡献率／%1 4.834 80.559 80.5594.834 80.559 80.055 2 1.023 17.057 97.616 1.023 17.057 97.616 3 0.1432.384 100.00 4 1.8×10－163.1×10－15 100.00 5－4.6×10－17－7.7×10－16 100.00 6－1.3×10－16－2.2×10－15100.00表4 因子得分系数主成份VAR00001VAR00002VAR00003VAR00004VAR00005VAR00006 1 0.199－0.119 0.253 0.202 0.203 0.192 2 0.056 0.923－0.286 0.043－0.013 0.089通过因子分析系数计算数据的因子得分，并将其作为RBF网络的输入项，网络的输入层引入因子分析抽取的2个主成份，共2个节点，每个节点代表样本对应的主成份；输出层用1个节点表示，采用Matlab语言对RBF网络进行设计和训练，选取神经网络的隐层神经元个数为8，目标误差与基函数的扩展常数的取值对网络的拟合和泛化能力有很大影响，训练集的拟合程度低，蕴含的规律无法获取；拟合程度高，则对测试集的泛化能力减弱.初始数据中心、扩展常数和输出权值均由随机函数产生，通过调整网络中的参数，包括隐层节点数、学习速率、遗忘因子和网络权值、隐层标准偏差等，进行网络的训练和测试，采用均方根计算其精度，目标误差为0.000 1，扩展常数的学习率为0.006时结果最好，此时网络的训练精度为0.039%，测试精度为0.048%.温度补偿后的压力输出值如表5所示.表5 FA－RBF神经网络温度补偿效果p／（103 Pa）Up／mV8℃22℃35℃50℃0.05 0.049 2 0.050 6 0.050 9 0.050 7 0.07 0.070 5 0.069 2 0.069 5 0.070 6 0.09 0.090 6 0.089 8 0.090 4 0.089 5 0.11 0.110 6 0.109 5 0.110 3 0.109 9 0.13 0.130 9 0.130 8 0.129 7 0.130 55.2 算法补偿效果分析分别计算压力传感器的零点温漂和灵敏度温漂[9].零点温度漂移：式中，（t1）为室温t1时传感器的零点平均输出值，（t2）为在规定的高温或低温t2保温1h后传感器的零点输出平均值；U（t1）为室温t1时传感器的理论满量程输出，可用实际的满量程输出平均值（t1）代替.灵敏度温度漂移式中，（t1）为室温t1时传感器的满量程输出平均值，（t2）为在规定的高温或低温t2保温1h后传感器的满量程输出平均值[10].计算补偿前性能参数同理，根据表2中的数据，计算出温度补偿后的性能参数α0＝4.37×10－4，α＝5.54×10－4.补偿后零点温度漂移和灵敏度温度漂移都显著提高，减小了温度对压力传感器输出的影响.基于因子分析的RBF神经网络与RBF神经网络相比，它的训练时间要比RBF网络短，而且迭代的次数较少，零点温度漂移和灵敏度温度漂移都显著提高.限于篇幅原因，本文将运行RBF神经网络的补偿结果直接给出，如表6所示，利用因子分析对数据降维，减少了网络的输入，利于简化网络结构，进而加快收敛，节省运行时间.综上，基于因子分析的RBF神经网络算法提高了传感器的稳定性和准确度.表6 RBF神经网络与FA－RBF神经网络比较神经网络平均训练次数平均训练时间／sα0／10－4α／10－4 RBF 16 2.972 5 4.74 6.14 FA－RBF 9 1.732 8 4.375.546 结论针对硅压阻式压力传感器温度漂移问题，提出了基于因子分析和RBF神经网络相结合的补偿方法，并验证了方法的有效性，该方法通过因子分析实现了对原始信息的筛选和降维，既减少数据冗余，又排除相关、重复数据的影响，形成新的训练样本集；结合RBF神经网络的非线性映射、自适应能力和强容错性对补偿过程进行建模，减少了网络的输入，利于简化网络结构，进而加快收敛，节省运行时间，大大提高了网络的学习速率与泛化能力.结果证明，基于因子分析的RBF神经网络有效解决了传感器在大范围环境温度变化情况下静态电压零点漂移和灵敏度漂移的问题，提高了传感器的稳定性.【相关文献】[1] 黄晓因，张悦，张丽莲.压力传感器样本数据更新和数据融合算法研究[J].电子器件，2005，28（4）：882－885.[2] 蔡建琼，于慧芳，朱志洪.SPSS统计分析实例精选[M].北京：清华大学出版社，2006.[3] 苏金明，傅荣华，周建斌，等.统计软件SPSS系列二次开发篇[M].北京：电子工业出版社，2003.[4] 何平，潘国峰，赵红东，等.基于RBF网络的智能气敏传感器温度补偿[J].仪表技术与传感器，2008，（7）：6－8，42.[5] Bianchini M，Frasconi P，Gori M.Learning without local minim a in radial basis function networks[J].IEEE Transactions on Neural Networks，1995，6（3）：749－756. [6] Yao Xin.Evolving artificial neural networks[J].Proceedings of the IEEE，1999，87（9）：1423－1447.[7] Catelsni M，Fort A.Fault diagnosis of electronic analog circuits using a radial basis function network classifier[J].Measurement，2000，28（3）：147－158.[8] 鲁长宏，张瑞，李玉兰.超稳定TO－8型压力传感器在气体导热系数测定实验中的应用[J].物理实验，2006，26（11）：31－34.[9] 严家明，毛瑞娟，谢永宜.两种数据融合算法对扩散硅压力传感器的温度补偿[J].计算机测量与控制，2008，16（9）：1363－1365.[10] Pramanik C，Islam T，Saha H.Temperature compensation of piezoresistive micro－machined porous silicon pressure sensor by ANN[J].Microelectronics Reliability，2006，46：343－351.。
用BP神经网络法对压力传感器进行温度补偿
用BP神经网络法对压力传感器进行温度补偿李佳君;卢文科【摘要】压阻型扩散硅压力传感器在测试压力时,容易受到环境温度的影响.为了消除温度所带来的影响,需要对压力传感器进行温度补偿.神经网络技术中的BP神经网络算法可以在压力试验中对压力传感器进行温度补偿.此方法将压力传感器和温度传感器所采集到的电压信号进行数据融合,削弱了温度对压力传感器所产生的干扰,补偿后比补偿前得到压力传感器灵敏度温度系数和满量程时相对误差都分别提高了2个数量级.【期刊名称】《工程与试验》【年(卷),期】2015(055)001【总页数】5页(P66-69,79)【关键词】压力传感器;温度补偿;BP神经网络;灵敏度温度系数;满量程时相对误差【作者】李佳君;卢文科【作者单位】东华大学信息科学与技术学院,上海201620;东华大学信息科学与技术学院,上海201620【正文语种】中文【中图分类】TP212利用半导体材料（硅）的压阻效应制作而成的压力传感器称为压阻式压力传感器，也称为扩散硅压力传感器。
压阻式压力传感器在压力试验时容易受到温度的影响，导致零点漂移和灵敏度漂移，它来源于半导体物理性质对温度的敏感性，对此要进行温度补偿[1]。
传统的硬件补偿方法存在调试、维护困难，精度低，通用性差等缺点，增加了测试系统的成本，不利于大范围推广[2]。
本文运用BP神经网络算法，对压力传感器在压力测试中进行软件温度补偿。
BP神经网络是一种按误差逆传播算法训练的多层前馈网络，目前80%-90%的人工神经网络都是基于BP神经网络的变化形式[3]。
此方法将压力传感器和温度传感器所采集到的电压信号进行数据融合，削弱了温度对压力传感器的干扰。
2.1 压力传感器的工作原理压阻式压力传感器的压力敏感元件是压阻元件，它是基于压阻效应工作的。
所谓压阻元件，实际上就是在半导体材料的基片上，用集成电路工艺制成的扩散电阻，当它受外力作用时，其阻值由于电阻率的变化而改变。
扩散电阻正常工作时，需依附于弹性元件，常用的是单晶硅膜片[4]。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
毕业设计报告（论文）报告(论文)题目: 基于改进遗传神经网络的压力传感器温度补偿虚拟系统的研究作者所在系部：电子工程系作者所在专业：应用电子技术作者所在班级： 09212 作者姓名：贾琼作者学号： 20093021240 指导教师姓名：张志通完成时间： 2012年6月10日北华航天工业学院教务处制北华航天工业学院电子工程系毕业设计（论文）任务书指导教师：教研室主任：系主任：摘要在工业生产中，监测和控制生产过程中经常需要使用压力传感器，并且日常生活中传感器也是各个电子控制单元的核心部件，是获取信息的工具，传感器的输出特性直接影响整个系统的性能，但该特性易受温度因素干扰，进而造成传感器监测、控制、测量精度降低，因此传感器温度补偿算法的研究对提高传感器的测量精度具有重要意义。
随着人工智能特别是神经网络技术的发展，将实验数据与理论数据进行对比找到基于神经网络的压力传感器温度补偿算法的优缺点，使其更好的运用于实践中。
固态压阻式传感器是利用半导体的压阻效应所制成的传感器, 其灵敏度将随温度的变化而变化, 导致输入输出特性存在非线性。
表现为被测的目标参量为零或保持恒定值时, 改变工作环境温度, 则传感器的零点或输出电压值均发生变化, 这将给测量目标参量带来误差。
传统的温度补偿方法有: 恒流源供电法、电压正反馈补偿法、热敏电阻补偿法,但以上三种方法只能是灵敏度温度系数接近于零, 很难在较宽的温度范围内得到完全补偿。
因此, 本文将人工神经网络和虚拟仪器相结合, 设计了压阻式压力传感器的温度补偿系统, 消除了温度影响同时也进行了零点及非线性补偿。
关键词：压力传感器神经网络技术虚拟仪器温度补偿系统目录第1章绪论 (4)1.1课程设计的意义 (4)1.2课题背景 (4)1.3 国内外技术现状 (5)第2章神经网络 (6)2.1人工神经网络 (7)2.2人工神经网络工作原理 (7)2.3研究内容 (9)2.4研究方向 (10)2.5BP神经网络 (10)2.6 BP神经网络的学习算法 (11)2.7神经网络的结构与训练 (12)2.8BP神经网络的局限性 (13)第3章压力传感器相关介绍 (13)3.1 简介 (13)3.2工作原理 (14)3.3基本要点 (14)3.4 性能参数 (15)3.5应变特点 (16)3.6常见故障 (16)3.7 八大发展趋势 (17)第4章虚拟补偿系统 (18)4.1虚拟仪器技术 (18)4.2虚拟仪器的优势 (19)4.3虚拟仪器系统的构成 (20)4.4虚拟仪器系统软面板的设计标准 (22)4.5 虚拟仪器系统的组建方案 (22)4.6补偿系统的基本原理 (23)4.7样本数据归一化处理 (24)4.8 学习算法的图形化编程 (25)第5章系统设计与实现 (26)5.1程序流程图设计 (26)5.2 LabVIEW中对LabSQL的使用 (29)5.3数据运行及保存 (30)5.4界面设计 (31)第6章结论 (36)致谢 (37)参考文献 (38)基于改进遗传神经网络的压力传感器温度补偿虚拟系统的研究第1章绪论1.1课程设计的意义介绍了一体化虚拟温度传感器补偿仪,运用多传感器数据融合技术与神经网络技术,与虚拟仪器技术相结合创建了虚拟压阻式传感器的温度补偿系统.实验结果表明,该方法有效的抑制干扰因素,获得高稳定性测量结果。
测试技术中将测试分为电参数的测量和非电参数的测量，电参数有：电压、电流、功率、频率、阻抗、波形等，这些参量都是表征系统或设备性能的。
非电参数有：机械量（如位移、速度、加速度、力、应力等）、化学量（如浓度、成分等）、生物量（霉、组织等）。
在生活实践中，经常遇到的非电量的测量。
现在非电量的测量大部分是用电测量的方法去完成的，其中的关键技术就是如何将非电量转化成电量，即传感器技术。
从生产实践看，从人们日常的衣食住行到各种复杂的工程，都离不开传感器。
例如，工厂自动化的柔性制造系统FMS、大型发电厂、飞机、武器指挥系统、雷达、宇宙飞船、海洋探测器、各种家用电器、生物工程等都依靠不同性质、不同个数的传感器来获取信息。
毫不夸张的说，未来的社会是传感器的社会。
1.2课题背景传感器是仪器仪表系统中的重要部件，也是过程控制的重要环节，传感器的误差直接影响到整个系统的性能和测量精度，现代测控系统对传感器的精度、稳定性和工作条件提出了很高的要求，希望输入-输出特性成线性关系。
然而，传感器的输入-输出特性总存在一定的非线性度。
对传感器非线性校正的方法很多，总体上分为硬件和软件两种补偿方法。
硬件补偿是采用适当的电子线路和元件进行校正，但硬件补偿很难做到全程补偿,而且会受到技术和电子漂移的影响，因此可靠性差、测量精度低，应用受到限制。
近年来，随着计算机技术的发展，各种数据处理的软件方法应运而生，软件补偿措施受到人们的普遍关注，用神经网络方法进行传感器线性化处理的方法引人注目。
传感器系统通常存在交叉灵敏度,其输出不仅仅取决于目标输入量,而当其它非目标参量变化时，其输出值也随之变化。
很多场合下，传感器的输出对温度变化比较敏感，其静态特性呈现出多元函数的特征。
为了提高传感器相对温度波动的稳定性和重复性，可利用软件方法对传感器信号进行温度补偿。
虚拟仪器是基于计算机的仪器，它实际上是一个按照仪器需求组织的数据采集系统。
目前使用最广泛的编程语言是LabVIEW，LabVIEW 是一种图形化的编程语言，被工业界、学术界和研究实验室所广泛接受，已成为一个标准的数据采集和仪器控制软件。
将传感器和插入计算机的数据采集卡组成各种测量系统，以通用计算机硬件及操作系统为依托，实现各种物理量的测量功能,这种将计算机和仪器密切结合的方式是目前仪器测量领域发展的一个重要方向。
然而，对于由压力传感器和数据采集卡组成的压力测量系统，因为压力传感器的输入输出存在非线性，而且压力传感器容易受到工作环境温度影响，其零点、灵敏度均随环境温度的改变而改变；表现为被测压力为零或者保持不变时，改变工作环境的温度,则压力传感器的零点或输出电压值均发生变化,这会给实际测量结果带来误差。
传统的温度补偿方法是引入热敏元件，根据温度状态修正测量电桥输出来抵消温度影响，比如串接负温度系数的热敏电阻、修改电桥增益等，该方法需要增加额外的补偿电路。
当前越来越多的研究是应用人工神经网络进行温度补偿，LabVIEW环境下设计出虚拟压力传感器温度补偿系统,该补偿系统经过由用户选择的学习样本进行网络训练后，能很好地抵消温度对压力测量结果的影响。
1.3 国内外技术现状1.虚拟仪器的国内外研究现状虚拟技术、计算机通讯技术和网络技术是信息技术最重要的组成部分。
虚拟技术蕴含的巨大潜力，使发达国家趋之若鹜。
20 世纪80 年代首先在美国兴起和发展起来的虚拟仪器无疑是虚拟技术领域中的重要组成部分。
在美国，虚拟仪器系统及其图形编程语言已作为各大学理工科学生的一门必修课程。
美国斯坦福大学的机械工程系要求三、四年级的学生在实验时应用虚拟仪器进行数据采集和实验控制。
因此它已成为发达国家研究开发的热点技术之一。
计算机技术的迅猛发展极大推动了虚拟仪器技术的发展。
计算机具有仪器所需要的、最先进及性价比最好的显示与存储能力。
目前，计算机在显示、数据处理与存储能力等方面一直按指数率提高并将继续高速发展。
并且，随着众多虚拟仪器通用硬件产品厂家技术的日益更新，必将进一步提高虚拟仪器的性能和实用性。
虚拟仪器技术目前在国际上已进入实用阶段，以美国国家仪器公司(NI 公司)为代表的一批厂商已经在市场上推出了基于虚拟仪器技术而设计的商品化仪器产品，而且出现了以NI 公司开发的LabVIEW、LabWindows/CVI 为优秀代表的虚拟仪器软件开发平台，这些开发平台大大方便了工程技术人员的开发工作，从而更进一步促进了虚拟仪器的迅速普及和发展。
在NI 公司之后，著名的美国惠普(HP)公司紧紧跟上。
该公司推出HPVEE 编程系统可提供数十至数百种虚拟仪器的组建单元和整机，用户可用它组建或挑选自己所需的仪器。
除此之外，世界上陆续有数百家公司，如Tektronix 公司、Racal 公司等也相继推出了多种总线系统多达数百个品种的虚拟式仪器。
2.神经网络发展历史1943年,心理学家W.S.McCulloch和数理逻辑学家W.Pitts建立了神经网络和数学模型，称为MP模型。
他们通过MP模型提出了神经元的形式化数学描述和网络结构方法，证明了单个神经元能执行逻辑功能，从而开创了人工神经网络研究的时代[11]。
60年代，人工神经网络的到了进一步发展，更完善的神经网络模型被提出，其中包括感知器和自适应线性元件等。
M.Minsky等仔细分析了以感知器为代表的神经网络系统的功能及局限后，于1969年出版了《Perceptron》一书，指出感知器不能解决高阶谓词问题。
他们的论点极大地影响了神经网络的研究，加之当时串行计算机和人工智能所取得的成就，掩盖了发展新型计算机和人工智能新途径的必要性和迫切性，使人工神经网络的研究处于低潮。
在此期间，一些人工神经网络的研究者仍然致力于这一研究，提出了适应谐振理论（ART网）、自组织映射、认知机网络，同时进行了神经网络数学理论的研究。
以上研究为神经网络的研究和发展奠定了基础。
1982年，美国加州工学院物理学家J.J.Hopfield提出了Hopfield神经网格模型，引入了“计算能量”概念，给出了网络稳定性判断。
1984年，他又提出了连续时间Hopfield神经网络模型，为神经计算机的研究做了开拓性的工作，开创了神经网络用于联想记忆和优化计算的新途径，有力地推动了神经网络的研究，1985年，又有学者提出了波耳兹曼模型，在学习中采用统计热力学模拟退火技术，保证整个系统趋于全局稳定点。
1986年进行认知微观结构地研究，提出了并行分布处理的理论。
90年代初，又有脉冲耦合神经网络模型被提出。
人工神经网络的研究受到了各个发达国家的重视，美国国会通过决议将1990年1月5日开始的十年定为“脑的十年”，国际研究组织号召它的成员国将“脑的十年”变为全球行为。
在日本的“真实世界计算（RWC）”项目中，人工智能的研究成了一个重要的组成部分。
第2章神经网络2.1人工神经网络人工神经网络（Artificial Neural Networks，简写为ANNs）也简称为神经网络（NNs）或称作连接模型（Connection Model），它是一种模范动物神经网络行为特征，进行分布式并行信息处理的算法数学模型。
这种网络依靠系统的复杂程度，通过调整内部大量节点之间相互连接的关系，从而达到处理信息的目的。
神经网络是：思维学普遍认为，人类大脑的思维分为抽象（逻辑）思维、形象（直观）思维和灵感（顿悟）思维三种基本方式。