摘要：介绍了一体化虚拟温度传感器补偿仪，运用多传感器数据融合技术与神经网络技术，与虚拟仪器技术相结合创建了虚拟压阻式传感器的温度补偿系统。实验结果表明，该方法有效地抑制干扰因素，获得高稳定性测量结果。
关键词：神经网络；虚拟仪器；传感器

0 引言
    固态压阻式传感器是利用半导体的压阻效应所制成的传感器，其灵敏度将随温度的变化而变化，导致输入输出特性存在非线性。表现为被测的目标参量为零或保持恒定值时，改变工作环境温度，则传感器的零点或输出电压值均发生变化，这将给测量目标参量带来误差。传统的温度补偿方法有：恒流源供电法、电压正反馈补偿法、热敏电阻补偿法，但以上三种方法只能是灵敏度温度系数接近于零，很难在较宽的温度范围内得到完全补偿。因此，本文将人工神经网络和虚拟仪器相结合，设计了压阻式压力传感器的温度补偿系统，消除了温度影响同时也进行了零点及非线性补偿。

1 补偿系统的工作原理
    补偿系统由传感器和温度补偿器两部分组成。传感器部分包括主传感器与温度监测传感器：主传感器为固态压阻式传感器，它与数据采集卡(DAQ)组成测试系统；对主传感器进行温度补偿要引入温度监测传感器，它起到监测工作环境温度的作用；温度补偿器是一个软件模块，补偿系统要对上述2个传感器进行数据融合，因此温度补偿软件模块也是一个多传感器数据融合系统。

1．1 BP神经网络的学习算法
    对压阻式压力传感器进行温度补偿，可以在一定的工作温度范围内选定。表1列出了在20℃～65℃间6个温度状态的静态标定数据，同时在选用的压阻式压力传感器量程范围内选了5个标定值，因此获得了30个标定数据。其中，20个数据对网络进行训练，10个数据作为网络校验样本数据。
    从表1的标定值可以看出，在输入压力值不变的情况下，工作环境温度改变，压力传感器的输出电压值也随之改变。