气压传感器神经网络算法及单片机实现

pulbieup

气压传感器神经网络算法及单片机实现

摘要:谐振筒式气压传感器测量范围为45 ~ 107 kPa,其输出的周期信号与气压呈非线性关系，且受环
7 I  ]# }, J1 S2 n/ t3 Y: E境温度影响,为了达到准确度要求(+0.05kPa),提出了应用神经网络算法对周期和温度信号进行数据融
合，实现消除温度影响和非线性校正及在单片机上的实现方法。实验结果表明:神经网络算法对气压传感
6 C6 \$ S" q/ h" }# k( I0 F0 D器的数据融合可行有效。
7 e% O. z7 x6 g" E6 O关键词:气压传感器;神经网络;数据融合;单片机

0引言
" j) R" S# v. n+ V. `1 M" ^1 M谐振筒式气压传感器是一种精密测压装置,具有Q值
高,输出信号稳定性好、灵敏度高、低功耗、长寿命、宽工作
3 I) w6 d; f% w8 z" t温度范围、抗振动、耐冲击、可靠性高等特点,并可承受恶劣
环境,在气压的测量中,被普遍采用。
! n0 P, h1 h1 E2 k在本文设计的基于通用无线分组业务(generalpacket
radio
service,GPRS)的自动气象站中,气压的检测使用了
GDJ-5电激励谐振筒式气压传感器,该传感器的输出有
  G2 _/ U* H. a9 h& X2种信号:周期C(频率)与气压相关的TTL电平的矩形波信
& M3 P' j" I+ ]号和一个和工作温度t呈线性关系的0~5 V的模拟电压信
# Y2 B3 t+ W* K, S# B号。但是,传感器输入-输出存在着严重的非线性关系,且
  O2 b% c5 e6 R3 D2 j受环境温度影响。因此,为了提高测量精度,满足系统的要
求,必须进行非线性校正，同时,还得消除温度的影响。但
是,怎样消除温度对传感器输出信号的干扰一直是解决的
难点问题。消除非目标参量t对传感器输入-输出特性的
) s7 E% F' e* m" K+ B; B) ]6 `

游客，如果您要查看本帖隐藏内容请回复

9 y- l. c1 ]( E; r* I8 P, f

pulbieup

感觉自己棒棒哒