| 摘要 | 第6-8页 |
| Abstract | 第8-9页 |
| 1 绪论 | 第12-17页 |
| 1.1 课题的研究目的和意义 | 第13-14页 |
| 1.2 国内外研究现状 | 第14-15页 |
| 1.3 本文的主要研究内容 | 第15-16页 |
| 1.4 本论文的各章节安排 | 第16-17页 |
| 2 压阻式压力传感器的工作原理与温度特性 | 第17-24页 |
| 2.1 压阻式压力传感器的工作原理 | 第17-18页 |
| 2.2 压阻式压力传感器温度特性 | 第18-20页 |
| 2.2.1 零点温漂产生的原因 | 第18-19页 |
| 2.2.2 灵敏度温漂产生的原因 | 第19页 |
| 2.2.3 传感器温度特性 | 第19-20页 |
| 2.3 压力传感器温度漂移的常用补偿方法 | 第20-23页 |
| 2.3.1 硬件补偿 | 第20页 |
| 2.3.2 软件补偿 | 第20-23页 |
| 2.4 本章小结 | 第23-24页 |
| 3 神经网络 | 第24-36页 |
| 3.1 神经网络概述 | 第24-25页 |
| 3.2 神经网络模型 | 第25-28页 |
| 3.2.1 神经元模型 | 第25-26页 |
| 3.2.2 神经网络的拓扑结构 | 第26-27页 |
| 3.2.3 学习与记忆 | 第27页 |
| 3.2.4 神经网络的功能 | 第27-28页 |
| 3.3 BP 神经网络 | 第28-30页 |
| 3.4 RBF 神经网络 | 第30-32页 |
| 3.5 小波神经网络 | 第32-34页 |
| 3.6 三种神经网络的比较 | 第34-35页 |
| 3.7 本章小结 | 第35-36页 |
| 4 压力传感器温度漂移标定数据及数据分析 | 第36-44页 |
| 4.1 温度漂移标定实验及数据 | 第36-40页 |
| 4.2 数据分析 | 第40-43页 |
| 4.3 误差分析 | 第43页 |
| 4.4 本章小结 | 第43-44页 |
| 5 压阻式压力传感器温度补偿 | 第44-65页 |
| 5.1 基于主成分分析的 BP 神经网络温度补偿模型 | 第44-51页 |
| 5.1.1 基于主成分分析的 BP 网络温度补偿模型 | 第44-45页 |
| 5.1.2 具体实现步骤 | 第45-46页 |
| 5.1.3 压力传感器温度补偿仿真及结果 | 第46-50页 |
| 5.1.4 补偿效果及分析 | 第50-51页 |
| 5.1.5 小结 | 第51页 |
| 5.2 基于因子分析的 RBF 神经网络温度补偿模型 | 第51-59页 |
| 5.2.1 因子分析 | 第51-53页 |
| 5.2.2 基于因子分析的径向基神经网络算法的实现步骤 | 第53-54页 |
| 5.2.3 压力传感器温度补偿仿真及结果 | 第54-57页 |
| 5.2.4 补偿效果及分析 | 第57-58页 |
| 5.2.5 小结 | 第58-59页 |
| 5.3 基于遗传算法的小波神经网络温度补偿模型 | 第59-63页 |
| 5.3.1 基于遗传算法的小波神经网络模型 | 第59页 |
| 5.3.2 具体实现步骤 | 第59-60页 |
| 5.3.3 补偿效果及分析 | 第60-63页 |
| 5.3.4 小结 | 第63页 |
| 5.4 三种温度补偿模型的各自特长 | 第63-64页 |
| 5.5 本章小结 | 第64-65页 |
| 结论 | 第65-67页 |
| 参考文献 | 第67-71页 |
| 攻读硕士学位期间发表学术论文情况 | 第71-72页 |
| 致谢 | 第72-73页 |
