推荐星级：

基于AVR的智能数字气压计的优化设计

更新时间：2020-03-01 12:50:37 大小：3M 上传用户：xiaohei1810 查看TA发布的资源 标签：avr 智能数字气压计 下载积分：3分评价赚积分（如何评价?）打赏收藏评论(0) 举报

资料介绍

数字气压计在地矿、气象台站、环保、实验室等各种工程环境已有广泛应用，它是利用压敏元件将被测气压直接变换为容易传输、检测的电流或电压信号，再经过后续电路处理并能够进行实时显示的一种设备。它的核心元件就气压传感器，它在控制压力变化、监视压力大小以及物理参量的测量等方面起着至关重要作用。采用单片机进行处理具有控制方便、简单和灵活性大等优点。

目前具有单一测压功能的气压计，其设定值是系统默认，无法调节和校正，使用起来不方便。本设计在许多方面做出改进，开发了一种多功能的数字气压计，可根据需要修改设定值并导入系统工作，其工作温度范围和测量气压范围较大，精确度较高，系统稳定性和抗干扰能力较强，多显示功能使使用者直观监测当前各个信号的状况(如显示温度、电源电压及压力电压值等)，系统预留串行通信端口能将测得数据传输给计算机进行所需的各种处理，实现气压计的智能化，给使用者带来极大的方便。

本设计在当今主流气压计(基于传感器的气压计)的基础上，研究了影响气压计测量精度和工作稳定性方面的的问题，提出了一种用BP人工神经网络进行数据融合的方法来补偿传感器特性。传感器的输出特性直接影响整个系统的性能，但该特性容易受到如温度、磁场等许多环境因素的影响。本文通过人工神经网络(BP神经网络)对压力传感器输出信号进行处理后，最终实现压力传感器的温度补偿，提高传感器的测量精度。即把通过压力传感器和温度传感器测量到的目标量(气压)和干扰量(温度)作为样本数据输入到BP神经网络中，把待测量作为神经网络的期望输出值，可以看作神经网络的输出值。这样，就可以组成通常所需要的输入、输出样本数据对，然后送入神经网络学习，采用整批或分批数据学习输入学习，学习好的神经网络就可以用来工作或检验神经网络控制的效果。传感器特性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。

通过分析BP神经网络的压力传感器温度补偿的研究结果，表明建立的BP神经网络模型经过训练后，达到了很好地补偿压力传感器所受的温度干扰，并提高测量精度的效果。此外，指出了本文的不足，并提出了改进方案。

综上所述，本文对数字气压计和其传感器温度补偿方面的研究具有实际应用价值。