基于msp430的高精度压力计设计

《基于msp430的高精度压力计设计》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、检测与仪表化工自动化及仪表，2010，37(12)：70～72ControlandInstrumentsinChemicalIndustry基于MSP430的高精度压力计设计和卫星，王彬，吴文亚，吕继东(江苏大学电气信息工程学院，江苏镇江212013)摘要：针对高精度测压的要求，提出一种基于MSP430F2013的高精度测压方案。利用单片机上20ppm电压基准和16位AD，辅助以非平衡电桥和过采样的方式，能够实现高精度的压力测量；通过BP神经网络智能化数据融合方法对压力传感器输出进行处理以消除非目标参量(温度)对传感器的

2、影响。该方案具有测压精度高、功耗低、成本低的特点。关键词：压力测量；高精度；低成本；MSP430F2013中图分类号：TP212文献标识码：A文章编号：1000—3932(2010)12-0070-031弓l言把测量电路的模拟信号进行数字化。测压电路往往需要恒压或恒流源、A／D转换器MSP430F20XX系列单片机具有功耗低、运行速度快和高精度运放。当测量精度较高时，复杂的调理电的特点，其中MSP430F2013内置16位A／D模块和路和高位数的A／D转换使成本和功耗增加。随着18ppm的1．2V的参考电压，适合做低功耗

3、传感器大规模集成电路的发展，许多外设可以集成在片内，信号采集和处理。为设计低功耗高精度测压系统提供了硬件基图1是系统硬件电路图，压力传感器一般采用础～。桥式电路，在金属梁上贴有4个对称的应变电阻片，利用MSP430F2013的片上16位A／D和20ppm在压力发生变化时金属梁发生形变，导致4个桥臂的电压基准，辅助以非平衡电桥和过采样的方式，能上的应变片电阻发生变化，输出电位差。因为压力够实现高精度的压力测量；通过BP神经网络智能桥的输出幅度不仅正比于被测压力，也正比于激励化数据融合方法对扩散硅压力传感器输出进行处理电压，

4、故采用内部参考基准1．2V，激励电压的变化以消除非目标参量(温度)对传感器的影响；所完成将导致输出信号和基准源同时发生变化，两者变化的测压系统具有精度高、功耗低、成本低的特点。比例相等，ADC采样结果实际上是两者相除，电压2测压硬件电路设计的影响将完全被消除。因为是比值测量系统，所在压力采集电路中，需要高分辨率A／D变换器以可以消除系统中的漂移误差。图1硬件电路图MSP430F2013的SD16模块不带输入缓冲，其况下，当工作温度变化时将引起传感器输出发生差分输入阻抗在PGA增益为2时约为250k1]，直接变化。为了消除

5、非目标参量(温度)对传感器输入测量输出千欧级的电桥输出时会带有mV级的测量一输出特性的影响，可采用多种先进补偿算法。本误差。为提高测量精度，要在外部提供输入缓冲，缓文采用BP神经网络智能化数据融合方法，对压力冲运放采用低噪低温漂双运放。传感器进行温度补偿，并就补偿效果进行分析。3压力数据的融合方法扩散硅压力传感器在输入压力P数值不变的情收稿日期：2010~810(修改稿)第12期和卫星等．基于MSP430的高精度压力计设计·71·3．1数据采样)=(2)在压力传感器的量程范围内确定n个压力的标输出层的激励函数选用线性函数

6、，即：定点，在工作温度范围内确定m个温度标定点，于是A)=kx(3)由压力P与温度标准值产生各个标定点的标准输各层节点的输出可按下式计算：入值为：Pi：P1，P2，P3，⋯，PnY=，(∑．一0)(4)巧：T1，T2，／3，⋯，Tm式中：y——节点输出；——节点接收的信息；对应上述各个标定点的标准输入值读取压力传——相关连接权重；一阀值；n——节点数。感器输出值为和温度输出值l，，这样我们实现了如上所述，建立一个三层BP神经网络模型，把样本的实验标定。实际标定的样本数据输入网络进行学习训练后，再3．2BP神经网络法进行交

7、叉敏感的消除，从而达到数据融合的目的。BP算法的基本思想是：学习过程由信号的正向隐含层传播与误差的反向传播两个过程组成。正向传播时，输入样本从输入层传人，经各隐层逐层处理后，传向输出层。若输出层的实际输出与期望的输出不符，则转入误差的反向传播阶段。误差反传是将输出误差以某种形式通过隐层向输入层逐层反传，并将误差分摊给各层的所有单元，从而获得各层单元图2单隐层BP神经网络模型的误差信号，此误差信号即作为修正各单元权值的依据。这种信号正向传播与误差反向传播的各层权4数据分析处理值调整过程是周而复始地进行的。权值不断调整的4．

8、1补偿前压力传感器数据过程，也就是网络学习训练的过程。此过程一直进本压力计的量程为0～10MPa，根据传感器的行到网络输出的误差减少到可接受的程度，或进行测试要求，对实验数据进行标定，压力测试点从0～到预先设定的学习次数为止。1OMPa内选择6个点，温度测试点从一10～50℃图2给出了单隐层BP神经网络模型，它具有两