基于數據融合技術(shù)的智能壓力傳感器研究

　　式中：xi為節點(diǎn)接受的信息;wij為相關(guān)連接權重;y為節點(diǎn)輸出;θ為閾值;n為節點(diǎn)數。如上所述，建立一個(gè)三層BP神經(jīng)網(wǎng)絡(luò )模型，把實(shí)驗標定的樣本數據輸入網(wǎng)絡(luò )進(jìn)行學(xué)習訓練后，再進(jìn)行交叉敏感的消除，從而達到數據融合的目的。

　　由以上的討論可以看出，多維回歸算法和BP神經(jīng)網(wǎng)絡(luò )算法均能有效達到溫度補償的效果。前者算法簡(jiǎn)單，容易理解，但是數據融合能力有限，補償程度不如后者;后者數據融合能力強，補償效果明顯，但是算法較難理解，軟件編程工作量大。在本設計中，多維回歸融合算法可以滿(mǎn)足要求，并且軟件編程工作量小，所以本文采用多維回歸算法補償溫度對壓力傳感器的影響。

　　3 智能壓力傳感器數據融合的應用

　　3.1 溫度敏感元件的標定

　　對傳感器進(jìn)行靜態(tài)標定，標定系統由YJF型浮球式標準壓力計、HT-1714C直流穩壓電源、34401 A型數字萬(wàn)用表、奔騰4PC機和自制的控溫系統組成。在此分別對傳感器在27℃，37 ℃，47 ℃，57℃，67℃的溫度條件下做了靜態(tài)標定，如表1所示。

　　從以上計算所得的結果可以看出，補償結果都有提高，說(shuō)明本文的設計方案是可行的。

　　3.2.3 誤差分析

　　誤差來(lái)源主要有3個(gè)方面：

　　(1)壓力實(shí)驗時(shí)用浮球式壓力計存在壓力誤差，因為加壓時(shí)要用肉眼觀(guān)察壓力基準，由此產(chǎn)生誤差;

　　(2)壓力、溫度結果計算擬合參數時(shí)有計算誤差，此誤差很小;

　　(3)采集數據誤差，放大器對壓力傳感器輸出數據的放大和進(jìn)行A/D轉換都會(huì )產(chǎn)生誤差。