扩散硅压力传感器的高精度误差补偿算法

扩散硅压力传感器的传输特性受温度影响较大,必须采用某种手段将传感器的输入压力与温度进行解耦,从而实现对压力传感器输出的有效补偿,进而得到准确可靠的压力测量值.文中分析了一般扩散硅压力传感器的误差组成,针对误差提出了一个简单而又高精度的补偿模型,建立了有效算式,最后通过实例验证了算法的正确性,其精度可达到0.1％FS以下.     

基于BP神经网络的压力传感器误差补偿算法研究

采用BP神经网络来建立扩散硅压力传感器的输出输入模型,其网络模型具有三层结构,采用改进型的差分进化算法来优化BP神经网络的权值和阀值,并在MATLAB中进行了仿真。经训练得到补偿后扩散硅压力传感器的输出满量程误差可达到0．035％,结果表明采用基于改进型差分进化算法的BP神经网络建模对提高智能差压传感器的测量准确度具有参考价值。     

单纯形-差分进化算法及其在软测量建模上的应用

针对差分进化算法（Differential Evolution Algorithm,DEA）容易陷入局部最优值且搜索效率不高的缺点,提出一种单纯形一差分进化算法（SM—DEA）。该算法在DEA中引入计算量小、搜索速度快且局部搜索能力很强的单纯形方法（Simplex Method,SM）,在迭代过程中交叉使用DEA和SM。对标准函数的测试表明,该算法具有很强的全局搜索能力和很高的搜索效率。将算法应用于乙炔加氢反应器出口乙炔浓度的软测量建模,结果表明该算法能提高模型的精确度,降低预测误差,具有较高的实用价值。