作者：杨雪,刘诗斌 单位：西安市三才科技实业有限公司 出版：《电子设计工程》2013年第10期 页数：4页  （PDF与DOC格式可能不同） PDF编号：PDFGWDZ2013100320 DOC编号：DOCGWDZ2013100329 下载格式：PDF + Word/doc 文字可复制、可编辑

    • 压力传感器是一种常用的传感元件，由于其自身的非线性和外界测量条件的影响，传感器的输出特性大都为非线性，故存在多种误差因素。这些误差因素通常同时存在，但以温度的影响最为明显，所以对传感器的温度补偿也就尤为重要。本文结合目前应用比较普遍的各种温度补偿方法，通过编制程序，对压力传感器的输出非线性作了补偿。结果表明，基于最小二乘法的温度补偿方法简单，速度快，但是精度一般，应用BP神经网络补偿的效果好，但是算法复杂。

    📙 相关资料

    1. 《压力传感器温度补偿技术分析》PDF+DOC 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......
    2. 《基于LDIW-PSO算法的BP神经网络在压力传感器中的应用》PDF+DOC 提出基于LDIW-PSO算法优化的BP神经网络温度补偿方法。优化的BP神经网络使用LDIWPSO算法调整其权值和阈值，使之收敛速度快，不会产生局部极小值问题。通过实验和仿真结果可以看出：该算法对温度补偿精度高、误差小，效果明显。...
    3. 《基于改进RBF神经网络的传感器温度补偿系统研究》PDF+DOC 考虑到目前常用的温度补偿方法是使用智能算法建立温度补偿模型，并使用群智能优化算法进行优化，提高补偿精度，对于传感器非线性温漂段具有较好的补偿效果，但是对于具有较好的线性使用这种方法的效率较低，而使用常规的线性最小二乘直线拟合方法即可得到较好的补偿效果，因此本文将最小二乘直线拟合方法与RBF神经网络模......
    4. 《基于AFSA-BP神经网络的湿度传感器温度补偿》PDF+DOC 针对HMP45D型温湿一体化传感器在使用中受温度影响的问题，提出了基于人工鱼群算法(AFSA)的BP神经网络温度补偿方法，用AFSA算法优化BP网络的初始权阈值并用该值训练BP网络。根据湿度传感器在多温度下所测数据，建立AFSA-BP神经网络模型实现温度补偿，与传统BP神经网络方法对比。结果表明，与......
    5. 《基于BP神经网络的压力传感器温度补偿方法研究》PDF+DOC 硅压阻式压力传感器在工作时受温度的影响较大，随着温度的升高或降低，传感器的实际测量值会出现一定的误差，出现温度漂移的现象，为了抑制温度漂移对传感器的影响，采用人工神经网络中的BP神经网络的方法对温度漂移现象进行补偿，通过对补偿前后数据的对比，使传感器的灵敏度温度系数和满量程误差分别提升了两个数量级，......
    6. 《基于小波神经网络的压力传感器温度补偿方法》PDF+DOC 介绍了硅压阻式压力传感器温度误差产生的原因及其特点，在比较了多种神经网络优缺点的基础上，提出了一种利用小波神经网络对压力传感器温度误差及非线性误差进行补偿的方法。该网络与BP神经网络相比，具有更快的收敛速度和更好的补偿精度。经过实验证明该网络能够有效地补偿压力传感器的温度非线性误差，在-40～60℃......
    7. 《一种硅压力传感器的高精度宽温度补偿设计》PDF+DOC 本文提出了一种硅压力传感器的温度补偿方法，同时给出了如何进行温度补偿以及非线性修正的具体算法，实现了硅压力传感器宽温度范围下的高精度测量。...
    8. 《基于最小二乘支持向量机的压力传感器温度补偿》PDF+DOC 压力传感器的输出不仅随压力变化，而且易受环境温度的影响，因而限制了传感器的测量精度。为了克服压力传感器的上述缺陷，本文提出了一种基于最小二乘支持向量机的温度补偿方法，并用虚拟仪器技术予以实现。与常用的误差反传神经网络方法相比，最小二乘支持向量机可获得更好的泛化性能，不易发生局部最优及过拟合现象。因此......
    9. 《基于最小二乘法的压力传感器温度补偿算法》PDF+DOC 介绍了压力传感器由于受工作环境温度的影响，其零点和灵敏度经常会发生漂移，因此需要对它进行补偿；讨论了一种基于最小二乘法的补偿算法，运用该算法对温度变化后的数据进行了处理，使得传感器输出基本上不随温度的变化而改变，从而使传感器的零点漂移和灵敏度漂移问题得到了很好的解决；结果表明：该算法能起到很好的补偿......
    10. 《基于GSA-BP神经网络的压力传感器温度补偿》PDF+DOC 针对压力传感器输出的温度非线性特性，采用遗传模拟退火算法优化的BP神经网络(GSA-BPNN)进行误差补偿，并与标准BP神经网络补偿误差进行了比较。通过MATLAB仿真验证，实验结果表明：采用GSA-BP神经网络不易陷入局部极小值，大大减小传感器非线性误差，误差精度小于0.1%，补偿结果优于标准BP......

    提示：百度云已更名为百度网盘（百度盘），天翼云盘、微盘下载地址……暂未提供。