| 摘要 | 第6-7页 |
| Abstract | 第7-8页 |
| 第一章 绪论 | 第9-23页 |
| 1.1 课题研究背景及其意义 | 第9-13页 |
| 1.2 MEMS压阻式压力传感器的国内外发展现状 | 第13-16页 |
| 1.3 MEMS传感器阵列国内外发展现状 | 第16-17页 |
| 1.4 智能压力传感器补偿技术发展现状 | 第17-20页 |
| 1.4.1 压力传感器温度补偿技术发展现状 | 第18-19页 |
| 1.4.2 压力传感器迟滞补偿技术发展现状 | 第19-20页 |
| 1.5 本课题研究的主要内容与安排 | 第20-23页 |
| 第二章 阵列式MEMS压力传感器理论分析与结构设计 | 第23-41页 |
| 2.1 压阻式压力传感器基本原理 | 第23-26页 |
| 2.1.1 压阻效应 | 第23-24页 |
| 2.1.2 压阻式压力传感器工作原理与电路结构 | 第24-26页 |
| 2.2 压力传感器基本特性 | 第26-28页 |
| 2.2.1 压阻式压力传感器的静态特性 | 第26-27页 |
| 2.2.2 压阻式压力传感器的温度特性 | 第27-28页 |
| 2.3 阵列式MEMS压阻式压力传感器结构设计 | 第28-32页 |
| 2.3.1 感压膜片设计 | 第29-30页 |
| 2.3.2 硅杯掩模窗口的确定 | 第30-31页 |
| 2.3.3 压敏电阻设计 | 第31-32页 |
| 2.4 阵列式MEMS压阻式压力传感器结构设计有限元分析 | 第32-40页 |
| 2.4.1 结构建模与仿真 | 第32-36页 |
| 2.4.2 阵列式压力传感器灵敏度与信噪比理论分析 | 第36-40页 |
| 2.5 本章小结 | 第40-41页 |
| 第三章 阵列式压力传感芯片的工艺设计与制作 | 第41-53页 |
| 3.1 掩膜版图设计 | 第41-43页 |
| 3.2 阵列式压力传感器工艺流程 | 第43-49页 |
| 3.3 阵列式压力传感器封装设计 | 第49-50页 |
| 3.4 测试结构分析 | 第50-52页 |
| 3.5 本章小结 | 第52-53页 |
| 第四章 阵列式智能压力传感系统硬件设计 | 第53-67页 |
| 4.1 阵列式智能压力传感器硬件系统总体设计 | 第53-54页 |
| 4.2 信号输入电路设计 | 第54-56页 |
| 4.2.1 阵列式压力传感器电路 | 第54-55页 |
| 4.2.2 温度传感器电路 | 第55-56页 |
| 4.3 信号采集电路设计 | 第56-59页 |
| 4.3.1 ADC电源与基准电源 | 第56-57页 |
| 4.3.2 信号采集模块设计 | 第57-58页 |
| 4.3.3 隔离通信电路 | 第58-59页 |
| 4.4 微处理器电路设计 | 第59-62页 |
| 4.5 显控电路设计 | 第62页 |
| 4.6 通信电路设计 | 第62-64页 |
| 4.6.1 DM9000A网络通信电路设计 | 第62-64页 |
| 4.6.2 RS-232串口通信电路设计 | 第64页 |
| 4.7 PCB布局布线的设计 | 第64-66页 |
| 4.8 本章小结 | 第66-67页 |
| 第五章 阵列式智能压力传感系统程序与辅助软件设计 | 第67-84页 |
| 5.1 系统软件平台总体设计方案 | 第67-68页 |
| 5.2 嵌入式Linux软件平台搭建 | 第68-69页 |
| 5.3 数据采集端AD7794设备与应用程序设计 | 第69-75页 |
| 5.3.1 AD7794设备驱动编写 | 第70-73页 |
| 5.3.2 温度/压力采集应用程序设计 | 第73-75页 |
| 5.4 Qt/Embedded服务端GUI设计 | 第75-80页 |
| 5.4.1 用户登录界面 | 第77页 |
| 5.4.2 温度与压力显示模块 | 第77-78页 |
| 5.4.3 历史数据统计模块 | 第78-80页 |
| 5.5 数据远程传输与本地存储的实现 | 第80-82页 |
| 5.5.1 多线程局域网通信 | 第80-82页 |
| 5.5.2 采集信息的本地存储 | 第82页 |
| 5.6 Windows/Linux客户端设计 | 第82-83页 |
| 5.7 本章小结 | 第83-84页 |
| 第六章 测试结果分析及数据融合算法补偿 | 第84-100页 |
| 6.1 阵列式压力传感器的数据标定 | 第84-88页 |
| 6.2 基于遗传算法的小波神经网络数据融合 | 第88-93页 |
| 6.2.1 神经网络概述 | 第88-90页 |
| 6.2.2 小波神经网络概述 | 第90-92页 |
| 6.2.3 基于遗传算法的小波神经网络模型 | 第92-93页 |
| 6.3 基于遗传算法小波神经网络的补偿结果分析 | 第93-98页 |
| 6.4 本章小结 | 第98-100页 |
| 第七章 总结与展望 | 第100-102页 |
| 7.1 总结 | 第100-101页 |
| 7.2 展望 | 第101-102页 |
| 参考文献 | 第102-109页 |
| 致谢 | 第109-110页 |
| 作者简介 | 第110-111页 |
