?

目前傳感器存在因溫漂而導致穩(wěn)定性差 、測量精度低的問題，表現(xiàn)為傳感器的輸出值不僅僅決定于標稱的目標參量——壓力。當壓力恒定時，環(huán)境溫度——非目標參量變化時，其輸出值也隨之變化。為增強其在環(huán)境溫度變化條件下的穩(wěn)定性，我們采用了多傳感器數(shù)據(jù)融合的智能化技術(shù)。在傳感器模塊上增加一個溫度傳感器，用來監(jiān)測非目標參量——環(huán)境溫度，由測量目標參量的傳感器與測量非目標參量的溫度傳感器的輸出數(shù)據(jù)，經(jīng)計算機信息融合處理后，可大大消除環(huán)境溫度變化的影響，從而使壓力傳感器系統(tǒng)獲得高穩(wěn)定性與測量精度。

?

人工神經(jīng)網(wǎng)絡

人工神經(jīng)網(wǎng)絡（Artificial Neuron Networks），縮寫為ANN，是由大量的處理單元組成的非線性大規(guī)模自適應動力系統(tǒng)。它是在現(xiàn)代神經(jīng)生理科學研究成果的基礎上提出來的，是人們試圖通過模擬大腦神經(jīng)網(wǎng)絡處理、記憶信息的方式設計一種使之具有人腦那樣的信息處理能力的新“機器”。目前神經(jīng)網(wǎng)絡廣泛應用于傳感器信息處理 、信號處理 、自動控制 、計量檢測 、運輸與通信等領域。

?

反向傳播神經(jīng)網(wǎng)絡

反向傳播網(wǎng)絡是一種多層前饋網(wǎng)絡，它是人工神經(jīng)網(wǎng)絡的重要一類 。該網(wǎng)絡的監(jiān)督學習采用誤差反向傳播算法。反向傳播網(wǎng)絡自出現(xiàn)以來 ，一直是神經(jīng)網(wǎng)絡中最為流行的神經(jīng)計算模型，得到了極其廣泛的應用。反向傳播學習算法簡稱 BP 算法 (Back Propagation，BP)，采用BP算法的前饋型神經(jīng)網(wǎng)絡簡稱BP網(wǎng)絡。作為一種前饋型神經(jīng)網(wǎng)絡模型，BP網(wǎng)絡與多層感知器沒有什么區(qū)別。但是，有了BP算法，BP網(wǎng)絡便有了強大的計算能力，可表達各種復雜映射。

?

BP神經(jīng)網(wǎng)絡通常有一個或多個隱層。在實際應用中，用得最多的還是三層 BP 神經(jīng)網(wǎng)絡 。簡單的三層BP 網(wǎng)絡模型。網(wǎng)絡的輸入層包含 i(i=3 )個節(jié)點，隱層包含 j(j=4 )個節(jié)點，輸 出層有k(k=2 )個節(jié)點 。連接權(quán)值w (j，i)表示輸入層第 i個節(jié)點與隱層的第 i個節(jié)點的連接權(quán)值，共有4~3個權(quán)值。v(k，i)表示隱層第j個節(jié)點與輸出層第k個節(jié)點的連接權(quán)值，共有2~4個連接權(quán)值。

?

壓力傳感器的工作原理

經(jīng)典壓力傳感器的輸入一輸出特性大都存在非線性，且易受工作環(huán)境溫度影響，其零點 、靈敏度均隨工作環(huán)境溫度的改變而變化。其表現(xiàn)是被測的目標參量為零，或保持恒定值時，改變工作環(huán)境的溫度T，則傳感器的零點或輸出電壓值均發(fā)生變化。這將給測量目標參量帶來誤差。因此為了消除因溫度帶來的測量誤差，需要對傳感器進行溫度補償。

?

對傳感器進行溫度補償要引入溫度監(jiān)測傳感器。具有溫度自補償?shù)膲毫y試系統(tǒng)。溫度補償器功能的實現(xiàn)與設計原理，也是兩個傳感器數(shù)據(jù)融合的實現(xiàn)。故溫度補償軟件模塊也即為一數(shù)據(jù)融合系統(tǒng)。

?