Development of a High-Precision Silicon Piezoresistive Pressure Transmitter Based on Array Measurement and Data Fusion*

ZHANG Jiahong，YANG Min，GU Fang，LI Min，GE Yixian，ZHANG Yuexiang，SHEN Lei，BAO Zhiwei（1.Jiangsu Collaborative Innovation Center on Atmospheric Environment and Equipment Technology，Nanjing University of Information Science and Technology，Nanjing 210044，China；2.Jiangsu Key Laboratory of Meteorological Observation and Signal Processing，Nanjing University of Information Science and Technology，Nanjing 210044，China；.School of Electronic and Information Engineering，Nanjing University of Information Science and Technology，Nanjing 210044，China；4.School of Physics and Optoelectronic Engineering，Nanjing University of Information Science and Technology，Nanjing 210044，China）

?

Development of a High-Precision Silicon Piezoresistive Pressure Transmitter Based on Array Measurement and Data Fusion*

ZHANG Jiahong1，2，3*，YANG Min1，2，3，GU Fang4*，LI Min2，3，GE Yixian1，2，3，ZHANG Yuexiang3，SHEN Lei3，BAO Zhiwei3
（1.Jiangsu Collaborative Innovation Center on Atmospheric Environment and Equipment Technology，Nanjing University of Information Science and Technology，Nanjing 210044，China；2.Jiangsu Key Laboratory of Meteorological Observation and Signal Processing，Nanjing University of Information Science and Technology，Nanjing 210044，China；3.School of Electronic and Information Engineering，Nanjing University of Information Science and Technology，Nanjing 210044，China；4.School of Physics and Optoelectronic Engineering，Nanjing University of Information Science and Technology，Nanjing 210044，China）

The atmospheric pressure is a critical parameter for evaluating atmospheric environmental change.In or?der to improve the accuracy of conventional silicon-based piezoresistive pressure measurement system，a high-preci?sion digital pressure transmitter has been developed through MEMS pressure sensor array and data fusion with the back propagation（BP）neural network based on particle swarm optimization（PSO）algorithm.The corresponding de?signs of hardware and software have been elucidated，and then the transplantation and display optimization of μC/ OS-II with μC/GUI on the STM32 platform have been achieved.Combining with experimental data，the application performance of PSO-BP neural network algorithm in silicon piezoresistive pressure sensors has been finally investi?gated and analyzed in terms of performance parameters，such as nonlinear error，hysteresis error，repeatability error and the overall accuracy.The results show that the overall accuracy of the low-cost piezoresistive pressure transmit?ter proposed by this paper can reach nearly±0.095%FS in the range of-20℃～60℃，which can basically meet the requirements of meteorological applications.

pressure transmitter；high precision；array measurement；particle swarm optimization algorithm（PSO）；back propagation（BP）neural network；μC/OS-II and μC/GUI

大氣壓力是評(píng)價(jià)大氣環(huán)境變化的關(guān)鍵性參數(shù)，其測(cè)量精度直接影響氣象預(yù)報(bào)的準(zhǔn)確性，因此氣象測(cè)量中多采用高精度電容式或諧振式MEMS氣壓傳感器，但這些高端產(chǎn)品多為進(jìn)口，價(jià)格高昂。相比較而言，傳統(tǒng)硅壓阻式MEMS壓力傳感器具有成本低廉可大批量生產(chǎn)的優(yōu)勢(shì)。盡管如此，嚴(yán)重的溫漂效應(yīng)導(dǎo)致其在不同環(huán)境溫度下的輸出曲線不同，加上遲滯和重復(fù)性誤差，因而在較寬溫度范圍內(nèi)此類傳感器的總精度通常很難滿足氣象行業(yè)高端應(yīng)用的要求［1，2］。為提升硅壓阻式氣壓傳感器的測(cè)量精度以便廣泛應(yīng)用于氣象測(cè)量領(lǐng)域，如何有效地抑制其對(duì)溫度的交叉敏感性是亟待解決的關(guān)鍵問(wèn)題［3］。

目前國(guó)內(nèi)外抑制壓阻式傳感器溫漂的方法主要包括硬件補(bǔ)償法和軟件補(bǔ)償法［4-5］。硬件補(bǔ)償方法主要采用硬件補(bǔ)償電路來(lái)消除溫度影響，但難以做到完全補(bǔ)償；軟件補(bǔ)償方法主要將傳感器與主控微處理器相結(jié)合，利用諸如多元回歸法、最小二階乘法、人工神經(jīng)網(wǎng)絡(luò)以及支持向量機(jī)等算法對(duì)測(cè)量參數(shù)進(jìn)行數(shù)據(jù)融合與修正［6-9］。BP神經(jīng)網(wǎng)絡(luò)占用資源少、計(jì)算簡(jiǎn)單、擬合精度較高，因而成為了壓阻式傳感器溫度補(bǔ)償?shù)氖走x［3-5，7］。而近些年來(lái)，針對(duì)BP神經(jīng)網(wǎng)絡(luò)算法計(jì)算效率低、收斂速度慢、容易陷入局部最小值的問(wèn)題，各類改進(jìn)的BP神經(jīng)網(wǎng)絡(luò)已被用來(lái)提升壓阻式壓力傳感器的測(cè)量精度［10-13］。然而相關(guān)實(shí)驗(yàn)主要采用Matlab仿真進(jìn)行，不涉及傳感器硬件優(yōu)化設(shè)計(jì)，實(shí)現(xiàn)高精度壓阻式氣壓變送器研制的報(bào)道較少［14］。

針對(duì)壓力和溫度相互交叉的問(wèn)題，為實(shí)現(xiàn)高精度氣壓測(cè)量，本文硬件上采用陣列式（由4個(gè)MEMS氣壓傳感器組成陣列）測(cè)量方式削弱隨機(jī)誤差和提高系統(tǒng)穩(wěn)定性，軟件上利用粒子群算法對(duì)BP網(wǎng)絡(luò)的權(quán)值和閥值進(jìn)行全局尋優(yōu)，克服了其收斂速度慢和易陷入局部極值的缺陷，并通過(guò)嵌入式操作系統(tǒng)μC/OS-II在下位機(jī)STM32上移植PSO-BP神經(jīng)網(wǎng)絡(luò)數(shù)據(jù)融合算法，實(shí)現(xiàn)了氣壓傳感器溫漂與遲滯誤差的實(shí)時(shí)補(bǔ)償和修正。為便于用戶使用，本文還結(jié)合μC/GUI制作了智能氣壓變送器的人機(jī)交互界面。

1　陣列式硅壓阻數(shù)字氣壓變送器的硬件設(shè)計(jì)

本文設(shè)計(jì)的高精度陣列式硅壓阻數(shù)字氣壓變送器的整個(gè)硬件系統(tǒng)如圖1所示，它由氣壓傳感器陣列、正反交流測(cè)量切換電路模塊、四線制鉑電阻測(cè)溫模塊、模數(shù)轉(zhuǎn)換器AD7794、STM32微控制器、模數(shù)電路隔離處理模塊、通信接口電路及其它外圍電路模塊所構(gòu)成。

圖1　陣列式硅壓阻數(shù)字氣壓變送器的硬件系統(tǒng)方框圖

1.1MEMS氣壓傳感器及其陣列式測(cè)量

MEMS氣壓傳感器采用美國(guó)通用電氣公司生產(chǎn)的壓阻式壓力傳感器NPC-1210-15A-3S，其量程范圍為0～103.4 kPa。在25℃參考溫度下整體測(cè)量精度為±0.1%FS。在0～60℃溫度范圍內(nèi)硬件補(bǔ)償后的測(cè)量誤差最大為±0.5%FS。如圖2所示，為提高測(cè)量精度和穩(wěn)定性，本文采用4個(gè)壓力傳感器構(gòu)成陣列［13-14］，實(shí)現(xiàn)數(shù)據(jù)多點(diǎn)平均測(cè)量，然后提供給PSO-BP神經(jīng)網(wǎng)絡(luò)進(jìn)行數(shù)據(jù)融合。陣列式平均測(cè)量方法可有效減小氣壓傳感器本身蠕變而產(chǎn)生的隨機(jī)誤差或重復(fù)性誤差的影響［15］，有助于改善氣壓測(cè)量系統(tǒng)精度。

圖2　陣列式氣壓變送器的硬件實(shí)物

1.2主控制器STM32及其外圍電路

如圖2所示，硬件電路以STM32F407微處理器為主控芯片，負(fù)責(zé)傳感器數(shù)據(jù)處理和算法網(wǎng)絡(luò)實(shí)現(xiàn)。系統(tǒng)采用多通道的AD7794轉(zhuǎn)換壓力傳感器陣列的電壓信號(hào)（對(duì)應(yīng)未補(bǔ)償?shù)臍鈮褐担┖豌K電阻PT100溫度傳感器的電壓信號(hào)（對(duì)應(yīng)用于實(shí)時(shí)補(bǔ)償?shù)臏囟戎担?，并通過(guò)帶有已訓(xùn)練好的PSO-BP神經(jīng)網(wǎng)絡(luò)的微處理器計(jì)算出算法補(bǔ)償后的氣壓值。為方便顯示結(jié)果，系統(tǒng)可將實(shí)時(shí)輸出的氣壓值以圖表形式在TFT液晶屏上展示，也可通過(guò)串口通信送至PC上位機(jī)保存以便進(jìn)行更詳細(xì)的后續(xù)處理。

2　陣列式硅壓阻數(shù)字氣壓變送器的軟件設(shè)計(jì)

高精度氣壓變送器的軟件設(shè)計(jì)是基于Keil5 MDK和MATLAB軟件，程序采用模塊化設(shè)計(jì)思路。對(duì)應(yīng)于硬件設(shè)計(jì)，最終程序分3個(gè)主要模塊進(jìn)行設(shè)計(jì)，分別為：系統(tǒng)初始化及設(shè)備初始化、A/D多通道采集程序、PSO-BP神經(jīng)網(wǎng)絡(luò)算法，下面著重闡述PSO-BP數(shù)據(jù)融合算法。

2.1PSO-BP神經(jīng)網(wǎng)絡(luò)原理

PSO-BP神經(jīng)網(wǎng)絡(luò)算法的基本思想是把PSO算法的全局搜索能力與BP神經(jīng)網(wǎng)絡(luò)的局部快速搜索能力有機(jī)結(jié)合，以免網(wǎng)絡(luò)陷入局部極小從而提高網(wǎng)絡(luò)訓(xùn)練速度和效率［11-12，16-18］。本文用于數(shù)據(jù)融合的PSO-BP算法定義PSO中的粒子位置對(duì)應(yīng)著B(niǎo)P神經(jīng)網(wǎng)絡(luò)中一組待優(yōu)化的權(quán)閾值，如圖3所示，通過(guò)尋找最優(yōu)粒子位置，根據(jù)最優(yōu)適應(yīng)度值或迭代次數(shù)獲取優(yōu)化的權(quán)閾值，再利用PSO優(yōu)化的權(quán)閾值實(shí)現(xiàn)BP網(wǎng)絡(luò)訓(xùn)練，最后利用該網(wǎng)絡(luò)對(duì)陣列測(cè)量的氣壓數(shù)據(jù)進(jìn)行溫漂補(bǔ)償與遲滯誤差補(bǔ)償，更詳細(xì)的描述參見(jiàn)文獻(xiàn)［11，17-18］。BP神經(jīng)網(wǎng)絡(luò)訓(xùn)練目標(biāo)是使它的預(yù)測(cè)輸出值與樣本期望輸出值的誤差絕對(duì)值之和達(dá)到最小，本文中其適應(yīng)度函數(shù)取為：

其中L為學(xué)習(xí)樣本數(shù)，p（k）為網(wǎng)絡(luò)的實(shí)際輸出，d（k）為樣本輸出。

圖3　PSO-BP神經(jīng)網(wǎng)絡(luò)的流程圖

2.2訓(xùn)練數(shù)據(jù)預(yù)處理

如圖4所示，將未補(bǔ)償?shù)臍鈮簻y(cè)量硬件系統(tǒng)放置于恒溫箱，然后將溫度范圍控制在-20℃～60℃，每隔10℃取1個(gè)測(cè)量點(diǎn)，共9個(gè)溫度點(diǎn)。值得注意的是，本文軟硬件溫度補(bǔ)償范圍拓展到了零度以下。在每個(gè)溫度點(diǎn)下，氣壓測(cè)量范圍是0～1 100 hPa，通過(guò)調(diào)節(jié)Fluke PPC-4標(biāo)準(zhǔn)壓力發(fā)生器（±0.01%精度）每隔100 hPa取1個(gè)壓力點(diǎn)，共12個(gè)標(biāo)準(zhǔn)氣壓值。分別記錄不同溫度T（℃）與不同氣壓P（hPa）下壓力傳感器陣列輸出的平均電壓值Up（mV），最終獲得PSO-BP神經(jīng)網(wǎng)絡(luò)的訓(xùn)練樣本（標(biāo)定數(shù)據(jù)），見(jiàn)表1。

圖4　氣壓變送器標(biāo)定及測(cè)試設(shè)備

表1　PSO-BP神經(jīng)網(wǎng)絡(luò)的訓(xùn)練樣本數(shù)據(jù)

2.3PSO-BP神經(jīng)網(wǎng)絡(luò)模型在MATLAB中的建立以及訓(xùn)練

將表1中的溫度和氣壓傳感器陣列輸出的平均電壓作為網(wǎng)絡(luò)輸入，標(biāo)準(zhǔn)氣壓值作為期望輸出，對(duì)數(shù)據(jù)進(jìn)行歸一化處理后建立單隱層BP神經(jīng)網(wǎng)絡(luò)模型。根據(jù)氣壓溫度補(bǔ)償?shù)男枨?，確定2個(gè)輸入節(jié)點(diǎn)，5個(gè)隱層節(jié)點(diǎn)和1個(gè)輸出節(jié)點(diǎn)。設(shè)最大迭代次數(shù)1 500，目標(biāo)誤差1×10-6，訓(xùn)練函數(shù)選擇為trainlm，學(xué)習(xí)函數(shù)采用learngdm，學(xué)習(xí)速率0.01；根據(jù)PSO算法原理，粒子的初始位置和速度在允許范圍內(nèi)隨機(jī)產(chǎn)生，種群規(guī)模設(shè)置為40，慣性權(quán)重設(shè)為1，學(xué)習(xí)因子為2.5。利用PSO算法尋優(yōu)結(jié)束后相應(yīng)的隱層神經(jīng)元和輸出層神經(jīng)元的權(quán)值與閾值矩陣分別為：W1=［0.5609-0.5605-0.54000.2037-0.6102 -0.3668 0.54100.30310.96392.991］，W2=［0.00671.27840.75691.15580.06218］，B1=［-0.41222.0836-2.1011-0.06981.3690］，B2=［-0.3886］。

將上述PSO算法優(yōu)化的權(quán)值閾值賦給BP神經(jīng)網(wǎng)絡(luò)作為初始值進(jìn)行訓(xùn)練，然后對(duì)訓(xùn)練結(jié)果進(jìn)行測(cè)試，所得結(jié)果如圖5所示。

圖5　PSO-BP仿真結(jié)果

圖5（a）給出了PSO-BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)輸出（圓點(diǎn)）與期望輸出（星號(hào)）的關(guān)系曲線，圓點(diǎn)與星號(hào)高度重合，說(shuō)明PSO-BP神經(jīng)網(wǎng)絡(luò)能顯著削弱溫度影響，以最小誤差預(yù)測(cè)出傳感器陣列的真實(shí)氣壓值。從圖5（b）可知，PSO算法經(jīng)過(guò)50次迭代后適應(yīng)度已達(dá)到最低，換言之，已收斂到最優(yōu)權(quán)閾值。如圖5（c）所示，PSO-BP算法經(jīng)過(guò)41次迭代后目標(biāo)誤差達(dá)到4.634 2×10-6，而要達(dá)到類似的目標(biāo)誤差，計(jì)算表明BP算法需迭代122次，可見(jiàn)PSO-BP算法顯著提高了運(yùn)行效率。圖5（d）則對(duì)比了PSO-BP神經(jīng)網(wǎng)絡(luò)與傳統(tǒng)BP神經(jīng)網(wǎng)絡(luò)溫度補(bǔ)償?shù)恼`差，可看出PSO-BP神經(jīng)網(wǎng)絡(luò)的補(bǔ)償精度明顯高于BP網(wǎng)絡(luò)。

3　陣列式硅壓阻數(shù)字氣壓變送器性能與誤差分析

為了驗(yàn)證陣列式氣壓測(cè)量系統(tǒng)的溫度漂移補(bǔ)償以及誤差修正是否精確有效，本文利用恒溫箱設(shè)置了三個(gè)不同于訓(xùn)練（標(biāo)定）溫度的測(cè)試點(diǎn)：常溫25℃、-15℃以及45℃。同時(shí)通過(guò)調(diào)節(jié)Fluke PPC-4標(biāo)準(zhǔn)壓力發(fā)生器精確產(chǎn)生0～1 100 hPa范圍的輸入氣壓，實(shí)際測(cè)試中每隔100 hPa選取1個(gè)氣壓測(cè)量點(diǎn)，共12個(gè)標(biāo)準(zhǔn)氣壓值。為了研究遲滯誤差與重復(fù)性誤差的修正情況，分升壓和降壓兩個(gè)過(guò)程進(jìn)行數(shù)據(jù)采集與處理，記錄下升壓然后再降壓過(guò)程中氣壓傳感器陣列輸出電壓的平均值。根據(jù)國(guó)家航天工業(yè)部標(biāo)準(zhǔn)壓力傳感器靜態(tài)精度計(jì)算方法的要求，校準(zhǔn)的循環(huán)次數(shù)不應(yīng)少于3次，因此本文升壓過(guò)程（正行程）和降壓過(guò)程（反行程）各記錄5次。最終測(cè)得的5次循環(huán)（升壓和降壓）不同溫度和壓力下未補(bǔ)償?shù)臍鈮狠斎肱c輸出特性如圖6（a）和6（c）所示，不難發(fā)現(xiàn)不管是升壓還是降壓過(guò)程中溫度對(duì)氣壓傳感器陣列輸出電壓的平均值均產(chǎn)生了較為明顯的影響。圖6（b）和6（d）則給出了通過(guò)PSO-BP神經(jīng)網(wǎng)絡(luò)算法補(bǔ)償?shù)臍鈮褐?，可發(fā)現(xiàn)不同溫度下的氣壓測(cè)量值高度地重合，這表明經(jīng)過(guò)算法補(bǔ)償后溫度漂移的影響被極大地削弱。

圖6　用于誤差測(cè)量分析的不同溫度下的氣壓輸入輸出特性曲線

3.1線性度測(cè)量與分析

傳感器線性度（非線性誤差）是指在全量程范圍內(nèi)實(shí)際特性曲線與擬合直線之間的最大偏差值ΔLmax與滿量程輸出FYS之比［19］，用γL表示，即

利用圖6中的數(shù)據(jù)計(jì)算出不同溫度下5次循環(huán)的校驗(yàn)平均值，再運(yùn)用最小二乘法擬合直線找出最大偏差值后通過(guò)式（2）可計(jì)算得到補(bǔ)償前整體的非線性誤差為9.512×10-4，而通過(guò)PSO-BP算法補(bǔ)償后氣壓變送器的非線性誤差為6.351×10-4，可見(jiàn)該誤差明顯減小。

3.2遲滯誤差測(cè)量與分析

傳感器在全量程范圍內(nèi)最大的遲滯差值ΔHmax與滿量程輸出值FYS之比稱為遲滯誤差［19］，用γH表示，即

由圖6（a）和6（c）不難發(fā)現(xiàn)遲滯誤差具有明顯的溫漂效應(yīng)，而由PSO-BP神經(jīng)網(wǎng)絡(luò)算法優(yōu)化補(bǔ)償后的氣壓輸入輸出特性可看出遲滯誤差的溫漂特性已被很好抑制。結(jié)合圖6中的測(cè)試數(shù)據(jù)，找出最大遲滯差值后通過(guò)式（3）計(jì)算得到補(bǔ)償前的整體遲滯誤差和PSO-BP神經(jīng)網(wǎng)絡(luò)補(bǔ)償后的遲滯誤差分別為6.364×10-4和4.545×10-4，通過(guò)計(jì)算發(fā)現(xiàn)算法補(bǔ)償后的氣壓變送器輸入與輸出的遲滯誤差減小了28.6%。

3.3重復(fù)性誤差測(cè)量與分析

傳感器在正反行程范圍中最大重復(fù)差值ΔRmax與滿量程輸出值FYS之比稱為重復(fù)性誤差，用γR表示，即

與上文討論的情況類似，溫度對(duì)氣壓輸入輸出特性有較大影響，盡管如此，同一溫度下5次重復(fù)測(cè)量的結(jié)果幾乎覆蓋在一起，這表明通過(guò)氣壓傳感器陣列平均測(cè)量可在一定程度上減小重復(fù)性誤差。圖6（b）與6（d）則給出了通過(guò)PSO-BP算法補(bǔ)償后的升壓和降壓過(guò)程中氣壓的輸入輸出曲線，不難發(fā)現(xiàn)所有的曲線都幾乎重合，溫度的影響被消除。根據(jù)最大不重復(fù)誤差，通過(guò)式（4）可計(jì)算得到補(bǔ)償前整體重復(fù)性誤差為7.134×10-4，而PSO-BP網(wǎng)絡(luò)補(bǔ)償后氣壓變送器的重復(fù)性誤差為5.413×10-4，由此可見(jiàn)PSO-BP數(shù)據(jù)融合算法進(jìn)一步減小了氣壓測(cè)量系統(tǒng)的重復(fù)性誤差。

3.4整體誤差分析

4　μC/OS-II移植和μCGUI數(shù)據(jù)圖表界面顯示

本文選用μC/OS-II作為高精度陣列式氣壓變送器的嵌入式實(shí)時(shí)操作系統(tǒng)，克服了過(guò)去單任務(wù)順序機(jī)制，增強(qiáng)了測(cè)量系統(tǒng)安全與穩(wěn)定性［4，20］。在STM32平臺(tái)上移植μC/OS-II系統(tǒng)主要修改了OS_CPU_C.C，OS_CPU_A.ASM，OS_CPU.H這3個(gè)文件［4］。基于μC/OS-II的氣壓變送器的工作流程如圖7所示，硬件和變量初始化后，按照優(yōu)先權(quán)創(chuàng)建了用戶主任務(wù)、AD7794采集任務(wù)、算法修正任務(wù)、LCD顯示任務(wù)、RS485通信任務(wù)和RS232通信任務(wù)。其中優(yōu)先級(jí)別最高的算法修正任務(wù)是指在μC/OS-II中以任務(wù)的方式運(yùn)行PSO-BP神經(jīng)網(wǎng)絡(luò)從而實(shí)現(xiàn)氣壓值的實(shí)時(shí)數(shù)據(jù)補(bǔ)償。這需要事先將上文訓(xùn)練好的PSO-BP神經(jīng)網(wǎng)絡(luò)的權(quán)值（W1與W2）與閾值（B1與B2）以適當(dāng)?shù)臄?shù)組方式存入STM32F407存儲(chǔ)器中，并將MATLAB版本的PSO-BP算法程序?qū)懗蒀語(yǔ)言形式燒寫至STM32F407中。μC/GUI是一款適合于μCOS-II操作系統(tǒng)的圖形用戶接口軟件［21］。本文在SMT32平臺(tái)上移植了μC/GUI，采用3.2寸TFT-LCD觸摸彩屏將采集到的溫度和氣壓數(shù)據(jù)進(jìn)行顯示，并提供實(shí)時(shí)的PSO-BP神經(jīng)網(wǎng)絡(luò)補(bǔ)償后的氣壓變化曲線，可使用觸摸控制系統(tǒng)運(yùn)轉(zhuǎn)與數(shù)據(jù)的存儲(chǔ)。本文最終實(shí)現(xiàn)的嵌入式氣壓變送器的μC/GUI人機(jī)交互界面如圖8所示，它給出了恒定氣壓和氣壓變化時(shí)的曲線。

圖7　基于μC/OS-II的氣壓變送器程序工作流程圖

圖8　基于μCOS-II和μCGUI的氣壓變送器人機(jī)交互界面顯示系統(tǒng)

5　結(jié)論

本文首先選用MEMS壓阻式壓力傳感器組成陣列作為氣壓檢測(cè)模塊，以抵消傳感器本身隨機(jī)誤差和不確定因素的不利影響。同時(shí)對(duì)硬件系統(tǒng)設(shè)計(jì)進(jìn)行了優(yōu)化，采用了適用于多傳感器測(cè)量的多通道與低噪聲的模數(shù)轉(zhuǎn)換器，四線制測(cè)溫電路選擇鉑電阻作為溫度敏感元件確保了補(bǔ)償溫度準(zhǔn)確有效。其次，為達(dá)到高精度和高穩(wěn)定性的檢測(cè)目的，構(gòu)建了PSO-BP神經(jīng)網(wǎng)絡(luò)算法對(duì)測(cè)量數(shù)據(jù)進(jìn)行數(shù)據(jù)融合補(bǔ)償處理。最后，基于μC/OS-II操作平臺(tái)將PSO-BP神經(jīng)網(wǎng)絡(luò)嵌入到Cortex-M4內(nèi)核的微處理器作為氣壓變送器系統(tǒng)的執(zhí)行模塊，并實(shí)現(xiàn)了與外界通信及人機(jī)交互界面等功能。通過(guò)實(shí)際測(cè)試對(duì)比發(fā)現(xiàn)，本文研制的基于陣列測(cè)量與數(shù)據(jù)融合的高精度硅壓阻式氣壓變送器的溫漂效應(yīng)被極大地削弱，其非線性誤差、遲滯誤差以及重復(fù)性誤差顯著減小，在標(biāo)定的溫度區(qū)間內(nèi)總精度達(dá)到±0.095%FS，具有較強(qiáng)的實(shí)際應(yīng)用價(jià)值。

［1］郭冰，王沖.壓力傳感器的現(xiàn)狀與發(fā)展［J］.中國(guó)儀器儀表，2009（5）：72-75.

［2］盧軼.探空儀氣壓傳感器溫度補(bǔ)償?shù)男路椒ǎ跩］.氣象水文海洋儀器，2010（3）：15-17.

［3］高峰，董海鷹，胡彥奎.基于BP神經(jīng)網(wǎng)絡(luò)的傳感器交叉敏感性抑制［J］.傳感器技術(shù)，2005，24（2）：22-26.

［4］崔靜雅，呂惠民，程賽.基于BP網(wǎng)絡(luò)的智能壓力傳感器系統(tǒng)研究與設(shè)計(jì)［J］.傳感技術(shù)學(xué)報(bào)，2011，24（10）：1426-1430.

［5］Futane N P，Chowdhury S R，Chowdhury C R，et al.ANN Based CMOS ASIC Design for Improved Temperature-Drift Compensa?tion of Piezoresistive Micro-Machined High Resolution Pressure Sensor［J］.Microelectronics Reliability，2010，50：282-291.

［6］王曉蕾，羅麗，陳曉穎.一種高分子濕敏電容傳感器溫度特性的軟件補(bǔ)償方法［J］.計(jì)量技術(shù)，2014（11）：15-17.

［7］Pramanik C，Islam T，Saha H.Temperature Compensation of Piezoresistive Micro-machined Porous Silicon Pressure Sensor by ANN［J］.Microelectronics Reliability，2006，46：343-351.

［8］梁偉鋒，汪曉東，梁萍兒.基于最小二乘支持向量機(jī)的壓力傳感器溫度補(bǔ)償［J］.儀器儀表學(xué)報(bào)，2007，28（12）：2235-2238.

［9］強(qiáng)生杰，孔令剛.壓力傳感器的支持向量機(jī)非線性回歸建模［J］.傳感器與微系統(tǒng)，2012，31（4）：50-52.

［10］Du Z M，Jin X Q，Yang Y Y.Fault Diagnosis for Temperature，F(xiàn)low Rate and Pressure Sensors in VAV Systems Using Wavelet Neural Network［J］.Applied Energy，2009，86（9）：1624-1631.

［11］孫艷梅，苗鳳娟，陶佰睿.基于PSO的BP神經(jīng)網(wǎng)絡(luò)在壓力傳感器溫度補(bǔ)償中的應(yīng)用［J］.傳感技術(shù)學(xué)報(bào)，2014，27（3）：342-346.

［12］李強(qiáng)，周柯心.基于PSO-BP算法的壓力傳感器溫度補(bǔ)償研究［J］.電子學(xué)報(bào)，2015，43（2）：412-416.

［13］張加宏，付洋，葛益嫻，等.GA-BP神經(jīng)網(wǎng)絡(luò)在氣壓計(jì)相對(duì)高度計(jì)中的應(yīng)用研究［J］.傳感技術(shù)學(xué)報(bào)，2014，27（7）：1002-1008.

［14］Zhang J H，Wu Y S，Liu Q Q，et al.Research on High-Precision，Low Cost Piezoresistive MEMS-Array Pressure Transmitters Based on Genetic Wavelet Neural Networks for Meteorological Measurements［J］.Micromachines，2015（6）：554-573.

［15］宋海賓，楊平，徐立波.MEMS傳感器隨機(jī)誤差分析及分析處理［J］.傳感技術(shù)學(xué)報(bào)，2013，26（12）：1719-1723.

［16］Wang H S，Wang Y N，Wang Y C.Cost Estimation of Plastic Injec?tion Molding Parts Through Integration of PSO and BP Neural Net?work［J］.Expert Systems with Applications，2013，40（8）：418-428.

［17］行鴻彥，鄒水平，徐偉，等.基于PSO-BP神經(jīng)網(wǎng)絡(luò)的溫度傳感器溫度補(bǔ)償［J］.傳感技術(shù)學(xué)報(bào)，2015，28（6）：864-869.

［18］龔雪飛，劉萍，簡(jiǎn)家文.基于PSO算法集成神經(jīng)網(wǎng)絡(luò)的多元有害氣體檢測(cè)系統(tǒng)［J］.傳感技術(shù)學(xué)報(bào)，2015，28（6）：938-942.

［19］Islam T，Ghosh S，Saha H.ANN-Based Signal Conditioning and its Hardware Implementation of a Nanostrucured Porous Silicon Relative Humidity Sensor［J］.Sensors and Actuators B，2006，120：130-141.

［20］邱寶梅，王建文.嵌入式機(jī)載攝影穩(wěn)定平臺(tái)的設(shè)計(jì)［J］.儀器儀表學(xué)報(bào)，2009，30（9）：1981-1984.

［21］徐寶國(guó)，宋愛(ài)國(guó).基于μCOS和μCGUI的嵌入式數(shù)字示波器［J］.測(cè)控技術(shù)，2007，26（7）：7-8，28.

張加宏（1979-），男，博士，南京信息工程大學(xué)電子與信息工程學(xué)院副教授，碩士研究生導(dǎo)師，主要從事微納電子機(jī)械系統(tǒng)與氣象傳感器探測(cè)技術(shù)等相關(guān)研究工作，zjhnuist@163.com；

楊敏（1990-），男，南京信息工程大學(xué)電子與信息工程學(xué)院碩士研究生，主要從事微納電子機(jī)械系統(tǒng)方面的研究，ymnuist@163.com；

顧芳（1981-），女，博士，南京信息工程大學(xué)物理與光電工程學(xué)院副教授，碩士研究生導(dǎo)師，本文通訊作者，主要從事大氣顆粒物的激光檢測(cè)技術(shù)和光電功能材料性能表征研究，gfnuist@163.com。

EEACC：7230；722010.3969/j.issn.1004-1699.2016.06.007

基于陣列測(cè)量與數(shù)據(jù)融合的高精度硅壓阻式氣壓變送器的研制*

張加宏1，2，3*，楊敏1，2，3，顧芳4*，李敏2，3，葛益嫻1，2，3，張?jiān)孪?，沈雷3，包志偉3
（1.南京信息工程大學(xué)，江蘇省大氣環(huán)境與裝備技術(shù)協(xié)同創(chuàng)新中心，南京210044；2.南京信息工程大學(xué)，江蘇省氣象探測(cè)與信息處理重點(diǎn)實(shí)驗(yàn)室，南京210044；3.南京信息工程大學(xué)，電子與信息工程學(xué)院，南京210044；4.南京信息工程大學(xué)，物理與光電工程學(xué)院，南京210044）

氣壓是評(píng)價(jià)大氣環(huán)境變化的關(guān)鍵性參數(shù)。為提高傳統(tǒng)硅壓阻式氣壓測(cè)量系統(tǒng)的精度，研究并實(shí)現(xiàn)了一種基于MEMS氣壓傳感器陣列式測(cè)量和粒子群優(yōu)化（PSO）反向傳播（BP）神經(jīng)網(wǎng)絡(luò)數(shù)據(jù)融合處理的高精度數(shù)字氣壓變送器，給出了相應(yīng)的硬件結(jié)構(gòu)和軟件設(shè)計(jì)，并通過(guò)STM32平臺(tái)對(duì)μC/OS-II與μC/GUI進(jìn)行了整合移植和顯示優(yōu)化。結(jié)合實(shí)驗(yàn)測(cè)量數(shù)據(jù)，從非線性誤差、遲滯誤差、重復(fù)性誤差及其整體精度等方面對(duì)PSO-BP神經(jīng)網(wǎng)絡(luò)算法在硅壓阻式氣壓測(cè)量系統(tǒng)中應(yīng)用的性能進(jìn)行了研究與分析。研究結(jié)果表明，在-20℃～60℃的溫度范圍內(nèi)，本文研制的低成本嵌入式硅壓阻氣壓變送器的整體測(cè)量精度約為± 0.095%FS，基本滿足大氣探測(cè)應(yīng)用的要求。

2015-09-30修改日期：2016-02-21

氣壓變送器；高精度；陣列測(cè)量；粒子群優(yōu)化算法；反向傳播神經(jīng)網(wǎng)絡(luò)；μC/OS-II與μC/GUI

TP212；TP391

A

1004-1699（2016）06-0826-08

項(xiàng)目來(lái)源：國(guó)家自然科學(xué)基金項(xiàng)目（61306138，61307113，61307061）；江蘇省自然科學(xué)基金項(xiàng)目（BK2012460）；東南大學(xué)MEMS教育部重點(diǎn)實(shí)驗(yàn)室開(kāi)放研究基金課題項(xiàng)目（2013-3）；江蘇省高等學(xué)校大學(xué)生實(shí)踐創(chuàng)新訓(xùn)練計(jì)劃項(xiàng)目（201510300034）；江蘇省信息與通信工程優(yōu)勢(shì)學(xué)科建設(shè)項(xiàng)目