高精度智能信号调理系统的研制

《高精度智能信号调理系统的研制》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、山东大学硕士学位论文摘要压阻式压力传感**具有灵敏度高、测量范围大、频率响应范围宽、体积小等优点，而目．易于小型化平fj集成化，能够进行批量生产：但也存在性能受环境温度的影响比较大的缺点，从而影响传感器的测量精度。随着现场总线、自动控制技术的发展，除了对压力传感器自身的精度、非线性、温度漂移和时漂的要求外，对于输出信号的调理要求则更高。因此研制高精度的传感信号调理系统对于实现传感器的高精度和智能化有着十分重要的现实意义。利用计算机与信号渊理电路连接进行检测与渊理，实现信号调理的数字化、信号凋理和数据采集的一体化，提高了传感器的性能。目前对于传感器的补偿算法有多种，本文着重

2、列二维回归分析法、二元插值法和神经网络法三种补偿算法进行了研究。主要的研究工作如下：l基于两个传感器的数据融合技术，对二维回归分析法、二元插值法和神经网络法三种算法进行了研究。通过比较，选择BP神经网络算法作为传感器补偿算法。采用了一个输入层、一个隐含层、k个输出层的BP网络结构。研究了。BP神经网络的计算规则和过程误差反向传播算法，总结出BP神经网络的具体。算法步骤，并根据算法步骤画出程序流程图，用C语言编写程序。通过测试系统，对同一型号的一批传感器，对其中的某个传感器数据进行采集，完成对神经网络的训练，用得到的补偿结果对各个传感器进行补偿，达到预期的补偿效果。2剥MA

3、Xl452的功能结构、通信协议及工作原理进行了研究，并且以此为基础，设计了基于MAXl452的信号调理电路、通信接口电路，完成硬4；t：平台的搭建。利用VC++6．0语言对通信接口进行编程，结合硬件平台对传感器进行补偿试验，验证了神经网络算法的优势及采用该算法的可行性。论文对研究中的关键技术和重点问题作了比较详细的介绍和总结，并给出了本课题所研制的信号凋理系统的性能测试结果。关键词：信号调理，传感器，温度漂移，非线性，MAXl452JJ山东大学硕士学位论文ABSTRACTPiezo,‘esistix”sellsorshavemanyfeatures，suchashighs

4、ensitivity，largescaleofmeasurementandffeqnency，little、，olnmeetcTheyalsocaneasytobeminiaturizedandintegrated，SOtile},canbebatchproduced．Buttheaccuracythatthepiezoresistivesensors’measuredisinfluencedbytemperatureAsthedevelopmentoffield—busandauto—controltechnology，tiledemandsofthepressures

5、ensors’accuracy，nonlinearity，temperaturedriftandtimedriftarefurtherincreased．ButthedemandofoutsignalconditioningcircuitishigherTherefore，tOdevelopandexplosivepressureofsignalconditionerwithhighprecisionisveryunportanttothehighaccuracyandintelligenceofsensors．Tomeasurethepressureandconditi

6、onthesensors，WerisethecomputertOcommunicatewiththesignalconditioningcircuitAnditrealizedthedigitalsignalconditioning，theintegrationofsignalconditioninganddataacquisitionThenthesignalconditioner’Sperformanceisincreased．Therearemanycompensationmethodsatpresent．Two。dimensionalregressionanaly

7、sis，binaryinterpolationandneural"networkarestudiedinthispaper．ThemaincontentstObestudiedareshownas●following：First，thetwo—dimensionalregressionanalysis，binaryinterpolationandneuralnetworkthatbasedontwosensors’dataconfusionarestudied．Theneuralnetworkisselectedastheco