智能压力传感器的研究与开发定稿.doc

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 sensors 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 sensors 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, IARs 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, BP network 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 size、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 录摘 要IABSTRACTIII1 绪论11.1 传感器相关介绍11.2.1 压力传感器11.2.2 智能压力传感器的定义21.2.3智能压力传感器的功能31.3 智能型压力传感器研究现状与发展趋势41.3.1 我国压力传感器研究现状41.3.2 国外智能压力传感器研究现状41.3.3 智能压力传感器发展趋势51.4 课题研究的内容与意义51.4.1 课题研究的内容51.4.2 研究背景及课题研究的意义61.5 本论文的主要工作62 压力传感器温度补偿方法82.1 压阻式压力传感器的温度漂移82.2 压阻式压力传感器的温度补偿方法82.2.1硬件电路补偿方法92.2.2线性插值法102.2.3曲线拟合法102.2.4曲面拟合法112.2.5 人工神经网络算法112.3 BP网络算法在压力传感器温度补偿中的应用122.3.1压力传感器模型122.3.2 BP网络介绍122.3.3 MATLAB 神经网络工具箱介绍142.4 试验样本的采集及相应处理202.4.1 试验样本采集及相应处理202.4.2基于MATLAB神经网络工具箱的BP网络仿真222.4.3 神经网络函数式推导242.4.4神经网络C语言转化程序262.5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272.5.1遗传算法 (genetic Algorithm，GA）282.5.2 模拟退火算法(simulated annealing,SA)282.5.3 遗传模拟退火BP网络算法（SABP）292.5.4 遗传模拟退火算法的MATLAB程序312.6 本章小结353 硬件电路设计363.1 智能压力传感器的硬件框图363.2 MSP430单片机363.2.1 MSP430单片机的选取363.2.2 MSP430单片机的特点363.2.3 MSP430单片机与89C51单片机的比较383.2.4 MSP430单片机在本课题中的应用383.3压力传感器383.3.1扩散硅压力传感器测量压力原理383.3.2扩散硅压力传感器的选取403.4 供电模块的实现413.5 信号放大电路的实现433.6 温度压力信号A/D转换实现443.7 串行通讯的实现443.7.1 RS-485介绍453.7.2 RS485硬件电路实现463.8输出压力显示的实现463.9 JTAG技术473.10 本章小结484 智能压力传感器的软件设计494.1 软件设计整体框架494.2 MSP430单片机程序设计514.2.1 上电初始化子程序514.2.2 温度压力信号采集子程序524.2.3 数据处理子程序544.2.4 LED显示功能554.2.5串口通讯子程序554.3 上位机软件设计564.3.1 MATLAB GUI574.3.2 MATLAB GUI上温度压力信号采集584.3.3 MATLAB GUI 上对压力传感器的标定604.4 本章小结635 工作总结与展望645.1 工作总结645.2 本文创新点645.3 前景展望64致 谢65参考文献66附录A：硬件电路原理图70附录B：上位机界面程序71攻读学位期间发表的学术论文95原创性声明及关于学位论文使用授权的声明96智能压力传感器的研究与开发1 绪论智能压力传感器的研究与开发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。传感器的性能在很大程度上决定着整个信息技术的性能，其生产能力与应用水平直接影响到技术的发展与应用。传感器种类繁多，其是和人类的感觉器官相对应的元件。国家标准的定义是：能够感受规定的被测量并按照一定的规律转换成可用输出信号的器件与装置，通常是由敏感元件和转换期间组成。智能传感器，据Honeywell工业测量与控制部产品经理Tom Griffiths的定义：“一个良好的智能传感器是由微处理器驱动的传感器与仪表套装，并且具有通信与板载诊断等功能，为监控系统和/或操作员提供相关信息，以提高工作效率及减少维护成本。”智能传感器的特征是带有微处理器，本身具有采集、处理以及交换信息的能力，是传感器集成化与微处理机相结合的产物。与一般传感器相比，智能传感器具有三个优点：通过软件技术可实现高精度的信息采集，而且成本低；具有一定的编程自动化能力；功能多样化。总体而言，智能传感器3,4的有以下功能：(1)具有双向通讯、标准化数字输出或者具有符号输出功能；(2)能够自动采集数据并能够对数据进行预处理；(3)具有自动补偿功能；(4)具有判断、决策处理的功能(5)具有数据存储、记忆与信息处理功能；(6)能够自动进行检验、自选量程、自寻故障；(7)具有自校零矫正、自标定、自校正功能；（8）具有一定的高精度；1.2 智能压力传感器介绍1.2.1 压力传感器压力传感器是测量压力压强的仪器，一般意义上讲压力传感器主要由测量元件传感器，测量电路和过程连接件组成，他能过将气体，液体等压力信号转化成标准的电信号，以供控制领域使用，或者进行二次测量。本文选择的传感器是压阻式压力传感器，压阻式压力传感器是应用最广泛的压力传感器之一。压阻式压力传感器是利用硅的压阻效应和微电子技术制成的，易于微型化和集成化等特点，因此获得广泛应用，而且是发展迅速的一种新的物性型传感器，它具有灵敏度高、动态响应好、精度高等特点。1.2.2 智能压力传感器的定义由于非智能压力传感器的硬件电路温度补偿精度不高，随着计算机技术的发展使通过微处理加一定算法的软件补偿方式成为可能。所谓智能压力传感器就是一种带有微处理器的，由于如DSP，ARM芯片在压力传感器上应用是大材小用，一般来说微处理器是单片机，并且随着控制系统的要求，智能压力传感器5兼有信息存储、信号处理、自身故障自检及报警、信息检测的压力传感器。智能压力传感器具有较强的信息处理功能的能力，其主要是通过微处理器的程序来完成的，主要的核心是数据拟合算法，所义说智能压力传感器是硬件电路和软件程序结合的产物，可以说将人的思维嵌入到微处理器中，按照人的思维去操作控制。其典型结构如图1-1所示。 DA转换 压力传感器信号放大压力信号LED显示微处理器数据拟合RS485输出图1-1 智能压力传感器结构图Fig1-1 The structure of smart pressure sensor智能型压力传感器的一般实物图如图1-2所示,其前端有螺纹部分为感受图1-2 智能压力传感器实物图Fig1-2 The picture of smart pressure sensor压力部分，通常是以螺旋方式嵌入到液体或气体中，前端是信号线主要是给压力传感器供电以及实现感受压力输出的。1.2.3智能压力传感器的功能 微处理器能够在智能压力传感器系统中按照给定的程序对传感器实现软件控制，利用软件控制算法实现数据拟合，进而实现精度的提高，把传感器从单一功能变为多功能。智能压力传感器一般都具有基本功能：人机对话功能：可以将计算机、智能压力传感器、仪表等器件组合在一起，配合操作人员指导工作，减少操作失误和读数失误，及时进行修改，可配备各种显示装置和输入键盘，使系统具有灵活的人机对话功能进行人机对话。数据处理功能：智能压力传感器能对各个被测参数进行测量，并能够根据已知被测参数利用计算方法实现输出数据拟合结果，并能够根据自身的特征分析判断并自动调零、自动平衡、自动补偿等。接口功能：可以通过一些列的标准通讯协议将传感器的输出值传送到远方，标准的协议主要有RS485通讯协议，CAN总线，MODUS总线等，另外智能化传感器可以将数据通过DA转换实现模拟量电压电流形式的输出，以满足客户要求。软件组态功能：可以在上位机上编写GUI来更好的配合下位机的要求，如获取下位机工作环境的信息，并实现与下位机的信息交互等。信息存储和记忆功能：为了防止数据丢失影响生产，智能压力传感器具有信息存储、记忆功能，能把测量参数、状态参数等通过RAM和EEPROM进行存储。可以设置掉电保护以防止数据的丢失。1.2.4 智能压力传感器的特点根据智能型压力传感器功能5，可以简单规划为一下几点：（1）高性能价格比的特点。（2）高信噪比和高分辨率的特点。（3）灵活性强的特点。（4）强自适应性的特点。（5）精确度高的特点。（6）设计制造容易，使用维修简单的特点。（7）高可靠性和高稳定性的特点。（8）集中控制的功能。（9）灵活性强的特点。1.3 智能型压力传感器研究现状与发展趋势1.3.1 我国压力传感器研究现状我国传感器产业68起步晚，但是发展速度很块，特别是改革开放之后。早在八十年代之前，我国的传感器的研究单位主要是集中在科研单位和大学高校，如中国科技大学，北京航空航天大学，浙江大学等研究机构。如1996年，河北工业大学研制了WPS-1型智能压力传感器，1996年，河北工业大学研制了WPS-1型智能压力传感器，信息产业部第49研究所也对智能压力传感器进行了研制，并取得了一定的成果。进入到90年代以及21世纪前十年，我国的传感器厂家发展到成百上千家，都有一定的智能型压力传感器的出现。如西安中星测控有限公司推出的PT600系列智能型压力传感器，成都先达电子有限公司生产的PS1016系列智能压力传感器，上海托克智能仪表有限公司生产的DH4智能数显电流电压表，苏州敏芯推出MEMS压力传感器芯片，它们的特征是有相对较高的精度，宽温度范围下使用，宽量程等。目前的压力传感器的品种繁多，应用领域范围大大拓宽，已有微压、表压、高压、绝对压力、差压等力敏元件及其配套仪表在销售，已经基本满足生产生活要求。1.3.2 国外智能压力传感器研究现状由于历史条件，国外的压力传感器技术起步早，发展早，技术相对先进，但是这种优势应经相对国内已经没有以前那么明显，但是力敏感元件上的压力传感器的研制核心技术国外仍然有优势。国外压力传感器的发展主要有两条途径，其一是以美国为代表的优先发展军工在由军工过度到民用的阶段，这种途径能在较长时间内在压力传感器行业保持技术优势，但是由于要保持科学技术的领先地位要投入大量的人力物力，经济回收效率很慢。其二是以日本为代表的先生产普及在进一步技术提高的途径，首先引进再生产研制，这样能够形成规模，迅速占领市场，具有很好的效益优势。honeywell于2009年推出了0到10英寸水柱表压、10英寸水柱差压、5英寸水柱差压的各种压力传感器。该传感器为超低功耗传感器，采用集成电路进行内置放大与信号调理，可以更快地读取更精确的压力读数。伊玛电子推出了PA系列压力传感器，其具有高精度，可扩展的压力范围，可编程的智能型压力传感器，并设置有电源保护的功能。据了解,在1994年世界传感器市场总的交易额达到260亿美元,并且在2000年以的前,世界传感器市场规模年增幅为7%以上,其中高档传感器增幅可达20%以上,而那些采用微机械加工技术（MEMS）和微系统技术等高新技术制造的各类型新型智能传感器,其年增长率可达25%以上，到2006年交易额突破500亿美元。1.3.3 智能压力传感器发展趋势随着科学技术的发展，为了和控制技术向结合，智能型压力传感器向小型化，集成化，智能化，标准化，系列化方向发展，并且向无线传感器方向发展，传感器之间的通讯也有可能实现。总之，智能压力传感器是随着客户需求而发展的。纵观几十年的压力传感器的发展情况，智能压力传感器的发展趋势912主要是有两个方面。其一是寻找新原理，新工艺，新材料来提高压力传感器的本身感应压力信号的能力。其二是提高压力传感器的技术性能。为了提高压力传感器的技术性能参数，可以通过以下几个方面：1）差动技术：利用差动技术可以消除共模误差，减小非线性误差。2）平均技术：其原理是利用若传感器同时感受被测量，输出其平均值。3）补偿与修正技术：针对传感器工作条件或外界环境进行误差补偿，也是提高传感器精度的有力技术措施。4）屏蔽、隔离与干扰抑制：压力传感器的工作场合有可能很复杂，会受到电磁波的干扰，可以设置抗干扰技术减少对传感器的影响。5）稳定性处理：随着时间的推移和环境条件的变化，构成传感器的各种材料与元器件性能将发生变化。为了提高传感器性能的稳定性，可以对材料、元器件或传感器等整体进行电压稳定性处理。开发新型传感器让你仍然是未来发展的一个方向，开发新型的压力传感器主要是基于利用新原理来填补传感器的空白，新原理的开发有很大一方面是来自于大自然的灵感。开发新型压力传感器的另外一个方面是新材料的研发，纵观新材料的发展趋势，主要是有：a)从单晶体到多晶体、非晶体；b)从单一型材料到复合材料；c)原子（分子）型材料的人工合成。利用复杂材料来制造性能更加良好的压力传感器是今后的发展方向之一。另外研究智能材料，采用新工艺仍然是研究的一个方向。1.4 课题研究的内容与意义1.4.1 课题研究的内容在一定的温度和压力下，要改善传感器的非线性变化引起的输出误差特性这里是将温度作为非目标参量采用人工神经网络算法中的BP网络算法对其实现软件补偿的，即看做标定压力是温度和所加压力的二维函数，这种二维函数用BP神经网络进行映射。该BP网络分为输入层，表示温度和压力的输入，第一隐含层，为5个神经元，第二隐含层为4个神经元，输出层，为1个神经元。根据BP网络的自组织自学习能力，完成对训练样本下的BP网络训练，实现压力传感器的非线性映射。分析了智能型压力变送器的硬件电路设计，以及软件实现方式，针对BP网络的应用复杂的问题，设计了基于MATLAB的GUI标定界面，通过一定的通讯协议，在该界面上完成对下位机工作环境温度和压力信号的采集，通过自动组建BP网络在GUI界面上实现在线训练，利用通讯协议完成在线标定的功能，实现了批量生产的目的。在MATLAB环境下实现了BP网络算法，分析了对于BP网路易陷入局部极小问题，分析了用于优化的遗传模拟退火BP网络算法，该算法对加速BP网络的训练起到优化作用，并对陷入局部极小实现了改进。1.4.2 研究背景及课题研究的意义对压力传感器的研究仍然是一个很重要的领域，对压力传感其的研究主要是提高其精度方面，国外的技术先进，传感器的售价比起国内来说很贵，但是销售情况来看并不比国内的商家差，主要原因还是国内产品技术相对有一定的差距。所以改善压力传感器的产品具有一定的商业意义，对我国经济的发展也有一定的贡献。对压力传感器的数据拟合，以往在生产过程中都是采用线性差值方法或者最小二乘法等拟合方法，还没有利用BP网络算法进行数据拟合的，这里利用BP网络算法对压力传感器进行数据拟合，也是对研究的一次创新。该课题为在公司实习课题，对于压力传感器的标定还没有用过BP网络算法标定的情况实现了用BP网络算法进行数据拟合，并且实现了在线标定并应用到批量生产的目的。1.5 本论文的主要工作本研究论文共包括六章，具体介绍如下：第一章绪论。研究智能压力传感器的特点、功能，并介绍了智能压力传感器的研究国内外研究现状及发展趋势，总结本文的主要工作及研究的意义。第二章详细说分析了用于压力传感器数据拟合的线性差值法，多维曲线拟合法，多维曲面拟合，BP网络算法等，介绍了MATLAB人工神经网络工具箱，以及BP网络算法在压力传感器标定中的应用，介绍了利用遗传模拟退火算法对BP网络进行优化的方法。第三章系统的总体设计。主要对智能压力传感器硬件电路概述，以及智能压力传感器的硬件的总体设计。设计了以MSP430单片机为核心的硬件电路。第四章系统软件设计。硬件设计主要围绕微处理器即单片机的选型、A/D转换、接口电路、显示电路、等作了一定的研究工作，提出了相应的设计方案，并介绍了以MATLAB的GUI为核心的标定界面。第五章总结与展望。总结本文所进行的工作，总结本文的创新点，展望智能压力传感器的发展与趋势。2 压力传感器温度补偿方法2.1 压阻式压力传感器的温度漂移压阻式传感器1315是根据半导体的电阻率随应变力变化的性质制成的半导体器件,当电阻受到力作用的时候，电阻的电阻率发生变化，这种情况称为压电效应，对于这种情况半导体材料更为明显，特别是硅型压力传感器。硅压阻式压力传感器的核心部分是一硅膜片,集成在硅片上的四个等值电阻连成平衡的电桥,当被测压力作用在硅片上时,电阻的阻值由于电阻率变化就发生变化,电桥失去平衡,产生了电压电压差，就相应有电压输出。外界压力通过外壳的接口，加到传感硅片上，引起传感硅片上惠斯通电桥的四个电阻阻值发生变化，引起传感硅片上惠斯通电桥的四个电阻阻值发生变化，阻值的变化就转化为电压信号输出。扩散硅压力传感器具有滞后和蠕变小灵敏度高量程适应度广等优点，应用潜力很大。但是由于压力传感器的前端压敏材料是由半导体材料制成的，半导体材料的主要特征之一就是受到温度的影响较大，如硅材料和温度t就有一个指数型的关系，从因果关系上来讲，扩散硅压力传感器的输出电阻值存在温度漂移，表现为一定的指数型关系。温度漂移问题的表现即输出电压值不是完全的和锁甲压力值呈现线性关系，并且和温度呈现函数关系，即加相同的压力的条件下，温度发生变化电压输出值也会发生变化。通过检测，这种变化不是完全的自由式变化，而是有一定规律的，如呈现递减型，递增型或者抛物线型变化。2.2 压阻式压力传感器的温度补偿方法压阻式压力传感器的温度补偿方法有硬件电路补偿和软件补偿方法，在硬件电路补偿中，压力传感器制作是利用在硅片上制造出四个阻值相等的薄膜电阻，并组成惠斯登电桥，其原理是当惠斯登电桥不受外力作用时，电桥处于平衡状态，无输出电压值为零；当受到压力的作用时，四个压敏电阻会发生阻值变化，电桥就会失去平衡，电桥输出相应的电压，通过材料的选定，电桥输出的电压与压力是做到成比例的。由于温度的影响，四个电阻的阻值变化表现为所受压力和温度的二元函数，将使传感器的温度漂移。传感器的温度漂移可采用在电桥电路中串联，并联补偿电阻的方法来解决。对于软件补偿方法主要是随着计算机技术的发展，将待补偿数据通过A/D转换通道输入到微处理器中，利用一定算法实现温度补偿的，其根本方法有插值法，曲线拟合法，曲面拟合法，人工神经网络算法等。2.2.1硬件电路补偿方法硬件电路的补偿方法主要是在惠斯登电桥上改善压力传感器的特性，其中的一个常用的例子就是在桥壁上并联或者串联电阻的方式来实现温度补偿。例如，如果传感元件是一个正向温度系数的压敏电阻，我们可以串联上一个浮想温度系数的热敏电阻以抵消正温度系数的压敏电阻的阻值变化。当温度改变时，当传感元件的阻值增大时，热敏电阻的阻值减小，所以实现电桥的总体总之平衡。但是这样涉及到新材料新工艺，对于热敏电阻和压敏元器件之间的匹配问题增减了这种补偿的难度，同时这种补偿方法不利于减少压力传感器的体积。硬件电路补偿方法16另外一种可以用模数转换器的输入电压和参考电压之间的关系来实现对传感器进行温度补偿。如图2-1所示，Rt为感应元件，但为热敏性质的电阻，当加上不同的压力是，惠斯登电桥实现不同形式的压力输出，压力信号可以通过差压后输入到A/D转换芯片ADC0809的9端以便经过转换之后变为数字量，但是由于温度变化引起的电压变化也引起了放大器差压信号的变化，放大器将差压信号经过放大后输入到ADC0809的Vref端，Vref为A/D转换的参考电压，因此可以说，当发生温度漂移时同时引起了参考电压的变化，这种变化抵消了温度偏移引起的影响，实现稳定的数字量输出。图2-1 硬件电路温度补偿图Fig2-1 The circuit of hardware circuit temperature compensation 2.2.2线性插值法 线性插值法17，18是一个在数学，计算机图形学领域中广泛应用的差值方法应用。在平面直角坐标系中假设我们已知坐标A(x0,y0)与B(x1,y1),要得到x0,x1区间内某一位置x在直线AB上的值，可以根据式2-1计算： (2-1)首先根据公式2-2计算AB的斜率. (2-2)则计算出插值点的值。在压力传感器数据拟合即是在多个标定点下的线性差值，它是首先将数据存储到RAM中，在应用中首先将数据与所采集参数进行比对，判断其落入到何区域，然后根据其所在的区域找出其温度点下的直线方程，按照线性函数对应找出标定结果。就是将被测量数据按照量程分为若干段，然后将相邻两分段点用直线连起来，再用直线来描述数据曲线。插值法优点在于根据采集的数据比对处理速度快，算法简单，缺点为如果选择的插值数据多则需要占用很大的存储空间，若插值基点少则精度不够。2.2.3曲线拟合法 曲线拟合法19的数据拟合步骤如下所示。(1)对标定压力P的数据拟合方程利用所采集到的实验数据将不同工作温度条件下所对应的的输入与输出可以用一维多项式方程表示如式2-3所示。温度t1: 温度t2: （2-3） 温度ti: 根据所测量得到的数据，利用个温度点下所输出值U，计算其1次方，二次方到5次方，标定压力为，此方程输出根就可以确定。故首先由输出压力和输出压力找出其多项式系数.（2）对系数k的曲线拟合方程对于上式中各个系数k随温度变化的规律通常不是线性的，这里也用一位多项式进行数据拟合，式方程表示为如式2-4：常数项系数一次项系数 （2-4） 五次项系数在标定试验中，可以根据不同温度点的T和标定系数.用实验标定数据，可以求解出上式式中各个系数:A0，A5;B0，B5;C0，C5;D0，D5;E0，E5。从而方程组(2-4)就被确定。（3）确立工作温度T时的U-P特性的曲线拟合方程通过不同温度点标出各项系数，这样就确定了压力传感器的标定多项式如式2-5： （2-5）根据上式可以根据输出的压力传感器的电压值找到输出的标定值Pt，设计的方法简单，比较容易实现，并且精度很高。2.2.4曲面拟合法曲面拟合方法相对于最小二乘法在二维空间上的一个扩展。对于压力传感器的输入电压U和标定压力P，如果简单的看成一维形式的线性曲线来直接进行数据拟合，就会有很大的误差，实质上压力输出值不是压力信号的一元函数，而是二元函数，即式2-6： （2-6）在数据拟合的过程，可以看做输出压力关于U与Ut,基本公式如式2-7： （2-7）这样，我们就可以把标定电压值视为输出电压值和相应温度值的二维函数。可以用二维回归方程来拟合这个函数关系: ，具体表述如式2-8： （2-8）对于曲面拟合，如若拟合的次数太低，则会出现误差下降，拟合精度较差，不能够满足精度要求，如果拟合的次数较大，则精度会相对提高，但同时则会出现计算量大的情况，但是根据数据分析已经有一些函数可以实现这种数据拟合。2.2.5 人工神经网络算法随着人工智能的发展，人工神经网络技术2023作为一门新兴的学科得到了长足发展。人工神经网络是由大量具有非线形映射能力的神经元广泛连接而成的非线形动力学系统，能完成复杂的非线性映射功能,同时神经网络具有自组织，自学习及推理的自适应能力。其应用的基本思想是通过训练样本的输入与输出对神经网络训练来实现的，利用神经网络的自身修正实现输入数据到输出数据的映射，BP网络自身修正是基于最小二乘法实现。人工神经网络的运用主要是BP(BackPorpgaatino)网络和径向基函数RBF(rdaial BasiS Function)神经网络，其中80%以上主要是BP网络算法对压力传感器进行温度补偿的。这种方法准确度高，具有较高的收敛性，其突出的优点是可以通过训练数据的增减来改善BP网络的映射特性，由于BP网络的数据拟合是一种动态的，并且是通过输入的训练样本和目标样本是BP网络向最小的误差方向逼近，又BP网络具有泛化能力，所以补偿精度也较高。在本设计中的主要应用是BP网络算法，所以对此进行详细介绍。2.3 BP网络算法在压力传感器温度补偿中的应用2.3.1压力传感器模型压力传感器模型图如图2-2所示，气压或液压作用在前端压力传感器上，压力传感器将压力和温度的电压信号输入到放大器，通过放大器信号放大输入到MSP430单片机的A/D转换通道，MSP430单片机将压力和温度的电压信号转换成数字量进行处理后通过LED显示出来，并通过RS485通讯接口将数据传送给上位机，实现数据的输出。由于压力传感器的温度漂移使不能够实现现行输出，存在线性误差与温度误差，这里选择BP网络数据拟合算法进行温度补偿，则上式反函数为。通过标定压力实现不同温度点下压力和温度信号获取完成BP网络训练样本采集，利用BP网络可以通过训练数据完成权值与阈值的修正，使其输出值无限接近于真实输出值，利用BP网络的泛化能力实现整个量程内近似线性输出。信号调理压力传感器温度信号BP网络数据处理数据输出图2-2 系统温度补偿模型图 Fig.2-2 Temperature compensation system model diagram2.3.2 BP网络介绍BP神经网络模型24,25是目前应用最广泛的神经网络模型，它分为输入层、隐含层和输出层三层，一把来说输入层输出层使用一层，而隐含层可以扩展，层与层之间多是采用全互连方式的，同一层单元之间不存在相互的连接。BP神经网络模型用数据的训练是由信息的正向传播和误差的反向传播动态组成的，在正向传播的输入模式是从输入层经隐层逐层处理并传向输出层，如果输出层和期望目标值进行比较没有得到期望的误差，则将误差信号沿原来的通路返回并修改各层的权值转为反相传播，然后在逐次运算，直到误差最小,最终达到期望的目标值。这里BP神经网络的训练采用在神经网络工具箱中变步长和带动量因子的算法，即LM算法,既可以加快网络训练速度,又可以防止网络限于局部极小点。BP神经网络结构如下图2-3：图2-3 BP神经网络结构图Fig2-3 BP neural network structure diagram 在图2-3所示中，P为输入向量，R为输入维数，SI为输入各个神经元个数，WI神经元层数，ni为输入节点，ai为节点输出，wij为各个神经元连接权值，fi为激励函数，bi为神经元阈值。根据BP神经网络的特征，BP网络的计算关系式如下：每个节点的输出如式2-9： （2-9）对于每个输入模式p网络误差如式2-10： （2-10）上式中为节点上的实际输出值，为节点上期望输出值。求误差之和如式2-11： （2-11）权值修正如式2-12： （2-12）式中为k时刻的误差之和负梯度，为k-1时刻的误差之和的负梯度，0,1是动量因子，加入动量因子可以减少训练过程的振荡趋势，为学习率，可以改变训练时间。2.3.3 MATLAB 神经网络工具箱介绍MATLAB 神经网络工具箱是面向人工神经网络的创建，仿真在内的GUI界面，其直观操作方便，一般利用的是创建BP网络，这里对于BP网络的仿真进行介绍。1）神经网络工具箱打开在MATLAB的主界面上输入nntool，按enter键或者在左下角start上找toolboxs找到nntool打开即进入神经网络仿真主界面，主界面如图2-4所示。图2-4 神经网络工具箱主界面 Fig2-4 Neural network toolbox main interface如上图所示，对此主界面的具体介绍如下：input表示输入的数据显示，target表示目标样本显示，input delay status表示输入延迟状态，这里一般不用，network表示创建的网络显示，outputs是仿真的输出值，errors表示仿真输出的误差值。 点击help可以查看帮助，new data用来创建新的数据，New network可以创建一个新的网络，import表示导入保存过的数据或者网络，Export表示导出或保存一个数据或者网络，点击view可以查看输入输出的数据，查看网络特征，仿真输出值等，Delet可以用来删除数据或者一个创建好的网络Networks only里面initiate可以用来初始化创建好的网络权值，simulate可以用来仿真,train用来训练网络，点击Adapt可以对神经网络进行自适应训练。2）训练样本的创建数据的创建理论上有两种方式。第一种方式就是直接在工具箱中创建，如图2-5为点击New data进入创建新数据界面，如图所示，在这里我们可以在name中改写数据的名称，在value中改写数据的值，还可以选择数据的类型，一般都是选择inputs（输入样本），target(目标样本)，输入好后点击creat就可以创建完成。第二种方式就是从MATLAB的COMMAND WINDOW界面导入数据，输入一个数据sustdata20.2 0.2 0.2 0.2;然后我们在神经网络工具箱主界面进行导入，点击import，就会发现中间import a varible 中sustdata2出现，可以选择导入。这样数据就会在神经网络工具箱主界面出现。图2-5 创建数据界面Fig2-5 Create a data interface3）BP网络的创建在神经网络GUI主界面中，点击New Network 进入创建神经网络工具栏，如图2-6所示，在这里我们可以在Network Name更改神经网络的名称，在Network Type选择神经网络的类型，一般我们选择BP网络，如图2-7，在input ranges选择输入的数据取值范围，在training function中选择训练函数，一般选择TRAINLM，在Adaption learning function选择自适应学习函数，一般选择默认值TRAINGDM，表示带附加动量因子，performance function 选择网络特性函数，一般选择默认值MSE，表示神经网络计算误差为均方差，在number of layer 中选择神经网络层数，一般默认为2，我们改为3按enter键表示输入，然后我们可以更改properities for 选项可以为每一层神经元更改属性，在Number of neurons 选择改层神经元的个数，在TRANSFER FUNCTION 选择该层神经元激励函数。当把参数设置好后我们就可以点击creat 创建好网络。如图2-8为显示我们创建好的网络。图2-6 创建神经网络的界面Fig2-6 Create a neural network interface图2-7 更改神经网络的类型图Fig2-7 To change the type of neural network graph图2-8 创建好的网络在工具箱中显示图Fig2-8 Create a good network in the toolbox to display map4）BP神经网络仿真当我们在工具箱主界面点击自己创建的神经网络sust example的时候，我们可以看到Network only一栏的字体颜色由暗色变成白色，我们点击initiate 可以对神经网络的权值进行初始化，要对神经网络进行数据的训练，点击Train按钮进入神经网络训练的界面，如图2-9所示。在这里我们可以点击Train按钮并排的其他按钮进入到其他功能的切换，从左往右面依次是view:查看创建的神经网络.initiate:初始化权值，simulink:神经网络进行仿真，train: 训练网络 adapt:对网络自适应训练 weight:权值属性.图2-9 神经网络训练主界面 Fig2-9 The main interface of neural network training图2-9第二排的三个选项分别是和神经网络训练相关的参数设置，最主要的是Train information 和Training Parameters 两个选项，如图2-10为点击Train information后出现的界面，在这里主要是进行数据的输入的，主要是训练输入样本的数据和目标样本的数据。我们可以把我们以前建立的神经网络数据输入进去。如图2-10为点击Train information后出现的界面，在这里我们主要是用来选择神经网络训练各种参数的，神经网络训练的过程就是不断的迭代调整权值和阈值，从而使网络的输出达到我们预想目标的过程，在选项中epochs表示最大训练步数，如果网络训练的步数超过这个数值，那么神经网络就停止训练。Goal表示训练目标，表示如果网络训练达到或者超过这个目标神经网络就停止训练，默认值为0，max_fail表示曲线拟合的关系，如果训练过程的插值次数超过这个数值，就停止插值，避免网络出现过渡插值，mem_reduc的值越大训练过程所需要的内存就越少，训练时间就越长，min_grad表示如果特性训练的梯度已经小于此值，则停止训练，show 表示神经网络训练过程显示时，每隔的步数。Time表示训练时候的时间设置，如果训练时间超过这个数值，那么就停止训练。图2-10训练神经网络设置界面Fig2-10 Training neural network settings interface5）其他选项板设置图2-11点击View 查看创建的神经网络结构。图2-12初始化权值界面 点击initiate可以随机初始化权值。图2-13训练好的网络仿真界面，点击input输入要仿真的输入数据。图2-14自适应选项卡。图2-15权值选项卡，在这里可以查看每一层神经网络的权值以及阈值。图2-16 神经网络训练界面图。图2-11查看创建的神经网络结构图Fig2-11 View created neural network structure diagram 图2-12 初始化权值界面Fig2-12 Weight initialization interface图2-13 BP网络仿真界面Fig2-13 BP Network Simulation Interface图2-14 自适应选项卡Fig2-14 Adaptive tab map图2-15 权值选项卡 Fig2-15 Weight Tab map图2-16 神经网络训练界面图Fig2-16 Neural network training interface diagram2.4 试验样本的采集及相应处理2.4.1 试验样本采集及相应处理试验样本的采集需要的器材有：MPM280压力传感器，压力传感器信号控制电路板，标准压力计，压力传感器高低温测试温箱，测试电脑，MSP430下载线。将压力传感器连接好置于压力传感器测试温箱内，将压力传感器反映温度和压力信号的四根导线连接到压力传感器信号控制电路板上，电路板上通讯接口与主机相连，MSP430下载线一端与单片机JTAG相连，另一端与主机相连。在神经网络的试验样本及检测样本的采集中，单片机完成的工作是上电初始化，温度和压力的A/D转换，将转换之后的数据通过RS485通讯发送到主机上显示出来，记录温度和压力的A/D采样值，其中A/D采样值选择的参考电压为单片机内部设定电压1.5V，所测得的数据如下表2-1所示:表2-1 温度压力A/D采样值Tab2-1 Temperature and pressure values of A/D sampling实际温度()-40-3