基于BP网络的压力传感器的智能化研究与设计

论文摘要

多传感器信息融合技术是近年发展起来的一门新兴技术,通过融合多个传感器提供的冗余、互补或更实时的信息,可以获得系统所需的更准确和更精确的信息。多传感器系统通常都存在交叉敏感性问题,传感器静态特性不仅受某一个环境参量的影响,有时甚至受多个非目标参量的影响,致使测量精度低。本文针对压力和温度测量系统中,压力和温度之间的相互干扰问题,利用一种基于BP神经网络的多传感器交叉敏感性抑制的方法。通过对应用神经网络融合前后的数据进行比较分析,表明该方法大大降低了相互交叉干扰,提高了测量精度,达到了预期效果,本文利用ST公司的具有最新CORTEX-M3内核的STM32F101C8微控制器,在其上实现了基于BP网络的压力和温度传感器的数据融合。本文详细阐述了此智能化传感器系统的设计方案,该方案主要包括；传感器电路设计原理、传感器测量系统硬件设计、传感器智能化软件设计。在软件设计中利用μC/OS-Ⅱ这一实时操作系统来实现各任务的实时调度,完成了数据采集、数据转换、数据处理、异常报警、显示和通信等功能。本课题将理论与实际有机地结合起来,结合最新的嵌入式系统开发平台,成功的实现了BP网络在STM32F101C8上的移植,在此智能传感器上实现了BP神经网络对压力、温度两传感器的数据进行融合,对其交叉敏感进行抑制,经测试达到了良好的效果。

论文目录

• 摘要
• Abstract
• 1 绪论
• 1.1 传感器的发展和研究现状
• 1.2 压力传感器的研究现状和发展趋势
• 1.2.1 压力传感器技术国内外现状
• 1.2.2 压力传感器的发展趋势
• 1.3 智能压力传感器概述
• 1.3.1 智能压力传感器的定义
• 1.3.2 智能压力传感器的类型
• 1.3.3 智能压力传感器的功能
• 1.3.4 智能压力传感器的特点
• 1.4 本论文的研究意义和主要工作
• 1.5 本章小结
• 2 BP网络原理及在传感器数据融合上的应用
• 2.1 BP网络结构
• 2.2 LM算法的原理
• 2.3 常用的传感器温漂和非线性补偿方法
• 2.4 BP网络在传感器数据融合上的应用
• 2.5 本章小结
• 3 利用BP网络对压力和温度进行信息融合
• 3.1 传感器的选取
• 3.2 获取样本数据
• 3.3 BP神经网络训练样本数据的归一化
• 3.4 BP网络模型的建立
• 3.5 BP网络的训练
• 3.6 融合结果
• 3.7 本章小结
• 4 智能压力传感器的硬件设计
• 4.1 STM32F101微处理器简介
• 4.2 电源电路设计
• 4.2.1 恒流源的选取
• 4.2.2 稳压电源的设计
• 4.3 传感器输出信号放大电路
• 4.4 关于STM32101C8的电路设计
• 4.4.1 时钟电路
• 4.4.2 复位电路
• 4.4.3 通信电路
• 4.4.4 LCD显示电路
• 4.4.5 调试接口电路
• 4.5 本章小结
• 5 系统的软件设计与测试
• 5.1 软件开发流程
• 5.2 嵌入式实时操作系统μC/OS-Ⅱ
• 5.2.1 μC/OS-Ⅱ在STM32上的移植
• 5.2.2 在μC/OS-Ⅱ中的多任务划分
• 5.3 具体任务的实现
• 5.3.1 主任务
• 5.3.2 数据采集任务
• 5.3.3 BP融合计算任务
• 5.3.4 显示任务
• 5.3.5 串行通信任务
• 5.3.6 报警任务
• 5.4 系统测试
• 5.4.1 传感器的实验标定
• 5.4.2 测试结果分析
• 5.5 误差分析
• 5.6 本章小结
• 6 结论
• 6.1 总结
• 6.2 展望
• 致谢
• 参考文献
• 附录