导　　师： 李开林

授予学位： 硕士

作　　者： (）;

机构地区： 华南理工大学

摘　　要： 扩散硅差压传感器,作为基本的压力测控现场仪表,广泛应用于工业过程控制、物联网、航天航空、现代生物医疗等诸多领域。随着我国控制工程作业自动化和精细化的提升,对差压传感器的测量精度、测量稳定性和测量可靠性等均提出了新的要求。国内传感器产业起步较晚,与国外差距较大,高精度差压传感器市场主要被国外占据。本文依托国家863重大专项,针对差压传感器变温环境下输出精度不高和高温环境下过载能力不足两个问题展开研究,设计差压传感器温度补偿算法和过载保护中心膜片,以提高传感器的输出精度和过载保护能力。差压传感器受硅片和封装介质温度特性的影响,在使用环境温度发生改变时,传感器压力输出会呈现明显的非线性,须进行温度补偿。传统的硬件补偿及线性软件补偿存在操作困难和补偿精度低等问题,补偿效果均不理想。神经网络智能算法因其在非线性映射方面的优越表现,已广泛应用于非线性系统的拟合,分类等。本文回顾了现有神经网络算法在传感器补偿上的应用,提出了一种基于广义径向基网络,融合了聚类算法和智能寻优算法的温度补偿算法。该算法在原有广义径向基网络的基础上,针对4个未知网络参数设计新的选取策略并逐个优化:利用迭代误差收敛速度和精度确定网络隐藏层节点数,利用聚类算法优化网络中心值,利用智能寻优算法确定网络扩展值,利用伪逆法算得网络权值。分别将3种不同类型的聚类算法和寻优算法融入其中,共形成9种子算法。为验证算法的有效性,设计传感器变温标定实验,获取实验数据,训练网络并进行温度补偿输出。补偿结果表明:差压传感器变温输出精度较未补偿前大幅提升;随着网络参数的优化补偿精度不断提升。输出结果验证了算法用于硅压力传感器温度补偿的有效性,抑制了温�

关 键 词： 硅差压传感器 温度补偿 过载保护 神经网络算法 波纹膜片

领　　域： [] []