基于BP网络的智能压力器设计和实现 工程管理专业.doc

摘 要 由于目前社会高速发展，智能已经成为各个关键领域最重要的突破方向了。因此，对智能化技术的研究是非常必要的。然而压力监控是工业生产里必不可少的环节，为了提升压力检测的精度，本文研究并设计了一种基于BP神经网络的压力监控系统。系统以单片机为核心，利用BP网络的温度补偿算法进行压力信号的采集与处理。该系统的硬件设计包括基于单片机，压力测量传感器的电路设计，电源电路设计的最低系统设计；软件设计包括C语言基于单片机的方案设计，基于C＃上位机软件设计。最终经过联合调试，系统达到了设计目标。 关键词： 压力传感器；温度补偿；BP神经网络 ABSTRACT With the rapid development of society, intelligence has become the most important breakthrough direction in all key areas. Therefore, the research of intelligent technology is very necessary. However, pressure monitoring is an indispensable link in industrial production. In order to improve the accuracy of pressure detection, this paper studies and designs a pressure monitoring system based on BP neural network. The system takes single chip computer as the core, and uses BP network temperature compensation algorithm to collect and process pressure signals. The hardware design of the system includes the circuit design based on MCU, pressure measuring sensor and the lowest system design of power supply circuit. The software design includes the scheme design of C language based on MCU and the software design of C # host computer. Finally, after joint debugging, the system achieves the design goal. Key words: Pressure Sensors;Temperature Compensation;BP Neural Network II 目 录 摘 要 I ABSTRACT II 前言 1 1 压力传感器的发展和研究状况 2 2 压力传感器补偿方法及原理 3 2.1 压力传感器 3 2.2 压力传感器温度补偿的方法 3 2.3 压力传感器温度补偿原理 4 3 神经网络概论 5 3.1 神经网络的基本内容 5 3.2 BP神经网络在传感器中的应用 7 4 基于BP神经网络的压力传感器数据处理 9 5 压力处理与显示系统设计 12 5.1 主控制器电路设计 12 5.2 显示电路设计 14 5.3 压力采集电路设计 15 5.4 上位机软件设计 16 6 系统测试 16 6.1 硬件测试 16 6.2 软件测试 17 6.3 测试结果 17 7 结论 19 参考文献 20 附录1 神经网络程序： 21 附录2 单片机程序： 22 附录3 上位机程序： 38 附录4 系统电路： 39 致 谢 40 前言 作为现代社会的新发明，传感器的智能化可以说是未来发展的一个方向，他能够通过人类事先预设模式自动运作，不用人为进行干预，就可以达到我们所要求的目标。本设计主要体现多数据融合的智能压力器，对压力和温度传感器的融合数据通过BP神经网络算法进行温度补偿，来降低温度对于传感器的影响。所以，本设计与实际相结合具有很强的现实意义。并且该智能压力器具有便捷性、高速性、可靠性等优点，具有很好的市场前景，实现经济利益的同时，也能促进科技发展。相信在未来的发展中会更加大放光彩。在现如今这个科技以及水平都高速发展的时代，各类企业对智能化技术不断增添的环境下，相信该智能压力器在众多的压力测控系统中更具有广泛的前景。 1 压力传感器的发展和研究状况 突飞猛进的现代科技发展使人类社会进入了信息化时代。在信息化时代，人们的社会活动将主要依靠信息资源的开发、获取、传输和处理。 然而在实际应用中压力传感器的输出不仅决定于所受的压力,而且还受温度、加速度等其它一些因素的作用,这可能会很大程度上影响传感器的性能和测量准确度。压力传感器的温度补偿方法很多，特别是人工智能技术的发展促进了神经网络技术的发展。越来越多的神经网络温度补偿方法已经应用于实践中,并应用于科学技术。随着持续改进,基于神经网络的压力传感器方法将越来越先进,越来越先进,并得到越来越广泛的应用。 由于历史的缘故，国外的压力传感器技术发展得比较早，技术相对比较先进，然而，这种优势并不像过去那样明显，但压力传感器在力敏元件上的核心技术发展使得国外仍然具有优势。开发外国压力传感器有两种主要方式：一种是在军用到民用期间优先发展美国所代表的军工。这种做法将使压力传感器行业保持自己的技术优势很长一段时间，但由于需要在保持科学和技术领域的领先地位，以投入更多的资源，经济复苏缓慢。其次，日本在进一步技术的前提下，表示重新制作的方式，首次推出重新生产和发展，使之能形成较大规模，迅速占领市场,在效率良好的优势。据了解，在1964年，全球传感器市场总交易额达到26亿美元，并在2010年之前，世界传感器市场规模年均增长超过7％，其中高端传感器，增加了超过20％，和那些通过各种类型的通过高科技加工技术（MEMS）和微系统技术制造新的智能传感器具有大于25％的年增长速率。到2004年，交易额突破200亿美元美国[1]。 进入到90年代以及21世纪前十年，中国的传感器制造商已经发展到数百个家庭，还有一些智能压力传感器。譬如，西安中兴测控有限公司推出成都迅达电子有限公司生产的P1T600系列智能压力传感器，PS121016系列智能压力传感器，上海苏州生产的D2H4智能数字显示电流电压表闽新托克智能仪表有限公司推出MEM3S压力传感器芯片，具有精度相对较高，温度范围宽，广泛的功能。目前，压力传感器种类繁多，应用范畴大大扩展。销售的微差压，绝对压等力敏元器件及其配套仪器，基本满足生产和使用要求[2]。 伴随着科技的发展，智能压力传感器与控制技术相结合，正向着便捷化，集成化，智能化，标准化，无线化的方向发展。传感器之间的通信也是可能的。简而言之，智能压力传感器是根据客户需求开发的。新传感器的开发仍然是未来发展的方向。新型压力传感器的开发基于使用新原理来填补传感器的空白。新原则的发展很大程度上受到自然的启发。 2 压力传感器的温度补偿方法 2.1 压力传感器 压力是工业生产中常见的一个重要参数，无论是工业生产的监测和控制过程还是日常生活中的汽车，传感器都是各个电子控制单元的核心部件，是获取信息的工具，人们依靠不同性质、传感器的输出特性直接影响整个系统的性能，但该特性易受温度因素干扰,进而造成传感器测量精度降低，导致各个电子控制单元的工作性能下降，因此传感器特性温度补偿技术的研究对提高传感器的测量精度具有重要的现实意义。 特别是在一些需要精确温度控制的生产过程中，如果要在现有硬件设备条件下进一步提高温度控制精度，必须努力学习软件。目前，基于精确数学模型的PID控制方法更多地用于温度控制，温度控制系统是惯性连接。此外，许多温度控制系统受负载的影响很大并且存在于系统中。由于时变和结构非线性等参数，很难建立精确的数学模型。因此，在实际应用中，人们经常根据实际应用环境使用不同的温度控制方法[3]。近年来，随着科学技术的发展，越来越多的温度补偿方法在实践中得到应用，特别是随着人工智能的发展，特别是神经网络技术的发展，神经网络也得到了广泛的应用和实践。 2.2压力传感器温度补偿的方法 通常，压力传感器对温度，加速度或一些其他环境参数具有交叉敏感性，也就是说，压力传感器的输出不仅由压力决定，而且还由温度和加速度等其他因素决定，这可能是很大。传感器的性能和测量精度受到影响的程度。 对于这个实际问题，硬件补偿或软件补偿通常在国内外使用。硬件补偿通常通过向传感器电路添加其他组件或改变传感器的内部结构来实现补偿。它一般分为两类:第一，传感器的核心是电感桥的温度补偿设计，如掺杂、串联/并联电阻、双全桥、PN部分、双半部分等。压力传感器输出信号由一些信号调理芯片处理，例如AX1452，ZMD31020等。其中，信号调理芯片的软件补偿和硬件性能也通常通过处理压力传感器的校准数据来处理传感器输出信号。目前，主流软件补偿具有多维回归和神经网络方法[4] （如双线性插值，样条插值函数，BP神经网络，RBF神经网络，小波等）。 然而在实际应用中,对于通过设计压力传感器内部压敏电阻或者内部结来实现温度补偿度很高,但是也有开发周期较长,难度大等缺点,所施加信号的补偿通常由传感器输出信号处理（类似于软件补偿），并且还需要外部特征，譬如，软件补偿灵活性。对于软件补偿中的多维回归分析方法，缺点是模型的矩阵方程。求解方程时，维数越大，数据量越大；随着人工智能技术尤其是神经网络的发展，神经网络算法拥有较强的自学和自适应能力。 在神经网络算法方面，BP神经网络被广泛应用于压力传感器的温度补偿算法中。因此在实际应用中，人们应该根据实际的应用要求以及应用的环境选择实用的压力传感器的温度补偿方法，尤其是随着现代科技的发展,基于神经网络的压力传感器的温度补偿算法越来越进步越来越得到人们的认可，应用的范围越来越广。 2.3压力传感器温度补偿原理 使用神经网络算法改善传感器输出特性的示意图由两部分组成：传感器模型和神经网络模型，如图2-1所示[5]。 图2-1 传感器温度补偿原理 在图2-1中，P表示神经网络温度补偿后的输出压力值，压力传感器的数学模型为： (1) 在公式中，x--待测目标压力参量；t--非待测目标温度参量；y--传感器输出量。 如果y和t都是x的单值函数，则存在等式（1）的逆。压力传感器的目标参数值和温度敏感元件的非目标参数值作为网络的输入，网络处理后的输出压力P是待测试的目标参数x，消除温度干扰。 3 神经网络概论 3.1 神经网络的基本内容 基于人工神经网络的控制称为神经网络控制系统，称为神经控制。随着人工神经网络的发展，神经网络越来越多地用于控制该领域的各个方面，例如过程控制，机器人控制，模式识别和决策支持。目前，人工神经网络方法已被广泛应用于误差补偿，因为神经网络具有较强的环境适应性，学习能力，容错性和并行处理能力，使得信号处理过程更接近人类思维活动[6]。人工神经网络传感器温度补偿方法的优点是：1具有良好的适应性，自组织性和强大的学习功能。 2具有更好的容错性，即在仅部分输入的情况下，即使网络包含错误的输入条件，网络也可以提供正