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--物理传感器论文

高精度MEMS硅压力变送器温度漂移影响与补偿研究

摘要第5-6页
ABSTRACT第6页
第一章 绪论第10-15页
    1.1 课题来源、背景及研究意义第10-11页
    1.2 高精度MEMS硅压力变送器结构与工作原理第11-12页
    1.3 压力变送器温度补偿现状第12-14页
    1.4 研究内容及论文安排第14-15页
第二章 高精度MEMS硅压力变送器温度误差分析第15-24页
    2.1 温度对智能电路板的影响第15-16页
    2.2 温度对测量膜盒的影响第16-17页
    2.3 硅压力传感器温漂及原因分析第17-19页
        2.3.1 压力传感器结构和工作原理第17-18页
        2.3.2 零点热温漂第18-19页
        2.3.3 灵敏度温漂第19页
    2.4 现有补偿方法第19-23页
    2.5 本章小结第23-24页
第三章 压力变送器温度特性实验及数据分析第24-34页
    3.1 压力变送器标定实验第24-26页
    3.2 实验数据与分析第26-32页
        3.2.1 样本数据第26-29页
        3.2.2 端基一致法第29-32页
    3.3 差压变送器温度特性离散性分析第32-33页
    3.4 本章小结第33-34页
第四章 采用恒温标定数据的压力变送器温度补偿算法第34-44页
    4.1 绝压变送器温度补偿算法第34-37页
        4.1.1 经验公式第34-35页
        4.1.2 算法设计第35-37页
    4.2 绝压变送器补偿效果及分析第37-41页
    4.3 差压变送器的温度补偿第41-43页
        4.3.1 差压变送器温度补偿算法及结果分析第41-42页
        4.3.2 变温标定数据的提出及保温时间的确定第42-43页
    4.4 本章小结第43-44页
第五章 采用变温标定数据的差压变送器温度补偿算法第44-57页
    5.1 神经网络概述第44-48页
        5.1.1 神经网络基本理论第44-47页
        5.1.2 BP算法的存在的问题第47-48页
    5.2 基于BP神经网络的温度补偿模型第48-52页
        5.2.1 温度补偿模型建模思想第48-49页
        5.2.2 温度补偿神经网络模型的建立第49-52页
    5.3 采用变温标定数据温度补偿实例及结果分析第52-56页
        5.3.1 实验方案第52-53页
        5.3.2 补偿效果及分析第53-56页
    5.4 本章小结第56-57页
第六章 基于改进遗传算法的BP神经网络补偿模型第57-66页
    6.1 遗传算法的基本理论第57-59页
        6.1.1 遗传算法原理第57-59页
        6.1.2 BP算法和遗传算法的互补第59页
    6.2 改进的遗传算法第59-63页
        6.2.1 GA-BP算法编码第59-60页
        6.2.2 适度函数的确定第60-61页
        6.2.3 遗传算子第61-62页
        6.2.4 遗传算法优化BP神经网络结构第62-63页
    6.3 算法性能分析研究第63-65页
    6.4 本章小结第65-66页
总结与展望第66-68页
参考文献第68-73页
附录1第73-78页
附录2第78-81页
附录3第81-86页
攻读硕士学位期间取得的研究成果第86-87页
致谢第87-88页
附件第88页

论文共88页,点击 下载论文
上一篇:邹韬奋舆论思想研究
下一篇:轮椅无人驾驶技术实验平台的设计