首页--工业技术论文--自动化技术、计算机技术论文--自动化技术及设备论文--自动化元件、部件论文--发送器(变换器)、传感器论文

基于神经网络补偿的阵列式无线压力传感器系统研究

摘要第6-8页
Abstract第8-9页
第一章 绪论第10-23页
    1.1 课题研究目的及意义第10-14页
    1.2 国内外压力传感器技术研究现状第14-19页
        1.2.1 谐振式压力传感器第14-15页
        1.2.2 硅电容式压力传感器第15-17页
        1.2.3 硅压阻式压力传感器第17-19页
    1.3 压力传感器的数据算法补偿第19-21页
        1.3.1 温度补偿算法的研究状况第19-20页
        1.3.2 迟滞非线性补偿的研究状况第20-21页
    1.4 压力传感器的发展方向第21-22页
    1.5 本课题的主要研究内容第22-23页
第二章 硅压阻压力传感器温度漂移和迟滞误差补偿理论第23-42页
    2.1 压阻式压力传感器的工作原理第23-24页
    2.2 压阻式压力传感器的温度特性第24-27页
        2.2.1 零点输出及其热漂移系数第24-26页
        2.2.2 满量程输出及热灵敏度漂移第26-27页
    2.3 压阻式压力传感器的迟滞非线性特性第27-28页
    2.4 无线压力测量系统的算法补偿设计第28-29页
    2.5 硅压阻式压力传感器的温度补偿算法第29-35页
        2.5.1 小波神经网络的定义第29-30页
        2.5.2 小波神经网络的构建第30-33页
        2.5.3 量子粒子群原理优化小波神经网络第33-35页
    2.6 硅压阻式压力传感器的迟滞补偿算法第35-41页
        2.6.1 最小二乘法的迟滞补偿第35-36页
        2.6.2 基于T-S模糊模型的迟滞非线性补偿第36-41页
            2.6.2.1 T-S模糊模型的描述第36-38页
            2.6.2.2 基于迟滞逆算子的T-S模糊模型构建第38-39页
            2.6.2.3 迟滞逆算子的构造第39页
            2.6.2.4 迟滞逆算子的参数意义第39-40页
            2.6.2.5 基于迟滞逆算子的空间维数的提升和单一映射第40-41页
    2.7 本章小结第41-42页
第三章 阵列式无线压力传感器系统的硬件设计第42-62页
    3.1 系统的总体硬件设计第42-43页
    3.2 数字电路设计第43-49页
        3.2.1 数字电路供电模块第43-44页
        3.2.2 微处理器的选择第44-46页
        3.2.3 通信电路设计第46-49页
    3.3 模拟电路设计第49-56页
        3.3.1 模数电路的隔离第49-50页
        3.3.2 模数转换器第50-51页
        3.3.3 电压基准电路第51-52页
        3.3.4 压力传感器阵列第52-54页
        3.3.5 信号采集电路第54-56页
    3.4 无线蓝牙模块的设计第56-58页
    3.5 PCB制图和电路的焊接第58-60页
    3.6 本章小结第60-62页
第四章 阵列式无线压力传感器系统的软件开发第62-83页
    4.1 无线压力传感器系统的软件总体设计第62-63页
    4.2 下位机软件的开发第63-68页
        4.2.1 信号采集电路的程序开发第63-67页
        4.2.2 蓝牙模块的开发第67-68页
    4.3 基于Andriod平台上位机软件开发第68-81页
        4.3.1 Andriod系统的体系结构第70-71页
        4.3.2 Andriod应用程序框架第71-72页
        4.3.3 压力测量系统Andriod应用的开发第72-81页
            4.3.3.1 人机交互的界面设计第72-75页
            4.3.3.2 基于Andriod平台的蓝牙通信开发第75-77页
            4.3.3.3 蓝牙应用程序开发的步骤第77-81页
    4.4 本章小结第81-83页
第五章 阵列式无线压力传感器系统数据标定和补偿分析第83-99页
    5.1 压力测量系统的数据标定实验第83-86页
        5.1.1 实验平台的搭建第83-85页
        5.1.2 具体测试第85-86页
    5.2 量子粒子群优化的小波神经网络算法构建第86-89页
    5.3 压力传感器温度补偿效果测试第89-93页
    5.4 压力传感器迟滞补偿效果与分析第93-97页
        5.4.1 最小二乘法的迟滞补偿第93-95页
        5.4.2 T-S模糊模型的的迟滞补偿效果第95-97页
    5.5 压力传感器的重复性误差分析第97页
    5.6 压力传感器的线性度分析第97页
    5.7 系统的总体误差分析第97-98页
    5.8 本章小结第98-99页
第六章 结论与展望第99-101页
    6.1 结论第99-100页
    6.2 展望第100-101页
参考文献第101-106页
致谢第106-107页
作者简介第107页

论文共107页,点击 下载论文
上一篇:静脉分子指纹Eph-B4在移植静脉适应动脉环境过程中的调控机制的动物模型研究
下一篇:基于25S rDNA的假丝酵母菌基因分型及抗真菌药物敏感性研究