振動筒式壓力傳感器的FLANN非線性校正

表1 傳感器在溫度20℃時的部分壓力標定值數據

在實驗過程采用較為流行的MATLAB軟件進行仿真。初始化中，學習因子取值為1.1，誤差e取值0.00035，n＝3。經過多次迭代，不斷調節網絡的連接權值，最終求出權值，確定了式（1）中多項式的系數為：a0＝237.6144，a1＝－54.1649，a2＝2.9464，a3＝0.001129。所以該振動筒壓力傳感器的校正函數為：

（5）

表2傳感器在溫度20℃時的部分壓力計算值與標定值的比較

根據所得以上函數，對－40℃～60℃范圍內8個溫度點的標定值和由方程式（5）所得的估計值進行了比較。在表2中列出了溫度在20℃時的估計值，和表1比較可知該模型的精度較高。其最大相對誤差小于0.08%，完全可以滿足大多數工程允許的誤差，以實現壓力非線性校正。

5結論

使用函數鏈神經網絡進行振動筒式壓力傳感器非線性校正具有結構簡單、自學習能力強、易于收斂、效果良好的特點。它的訓練的確比BP算法容易，而且算法也簡單得多；是一種很好的非線性校正方法，它也可以完全用于其他類型傳感器的非線性校正。