1. 毕业设计（论文）主要目标：
压力传感器，作为最常见的物理条件传感器之一，在多种多样的系统，包括乐器，医疗，汽车，自动流程控制等等中有着广泛的应用场景。这些应用场景都要求此传感器有着低成本，高精度并且易于大批量生产的特点。然而由于误差，较高的非线性相应特性以及温度依赖特性极大的限制了压阻式压力传感器的应用场景，并给其的应用强加上了更多的困难。想要获取精确的读数，压力传感器的各种物理特性需要能不随着外界多样的环境情况如温度，湿度而改变。
本文提出了一个新颖的以机器学习中的神经网络算法作为补偿后端的新型压力传感器非线性误差与温漂修正系统。在本文提出的方案中，用来补偿压阻式压力传感器的输出的是一个经 LMA 训练过的人工神经网络，利用监督学习训练出了一个合适的人工神经网络，并以此来进行对传感器输出的校准。希望能在不给系统增加任何辅助成分的前提下，实现告诉校准和精准读数。
2. 毕业设计（论文）主要内容：
为了能够获得稳定且一致的读出，本文设计了一个硬件系统来获取压力传感器的的结果。此传送系统包括微处理器，电源模块，通信模块，A/D 采样模块，阵列式 MEMS 压力传感器，温度传感器等几部分电路。通过多路开关可以获得这些气压传感器以及温度传感器的输出信号。由于其输出信号较弱，还需要一个放大模块来放大其输出信号，然后再将其输入到数模转换模块以进行实时监测。
本文的主要校准系统包含一个基于ARM Cortex A7架构的SOC BCM2836。从NPC1210压力传感器获得压力数据。随后通过基本的校正以后加入神经网络的训练集合。训练时，根据用户所输入的各项参数，本系统会使用多核CPU的处理优势加快训练的速度。训练完成后，每组从传感器获取的信息皆可通过训练生成的神经网络进行校准，并最终分发到各用户终端。
主要流程如下：
3. 主要参考文献
[1] Wise KD,Angell JB,Others. An Ic Piezoresistive Pressure Sensor for Biomedical Instrumentation[C]//Biomedical Engineering, Ieee Transactions on, [S.l.]: Ieee, 1973: 101-109.
[2] Lee YS,Wise KD. A Batch-fabricated Silicon Capacitive Pressure Transducer with Low Temperature Sensitivity[J]. Electron Devices, Ieee Transactions on, 1982, 29(1): 42-48.
[3] Gad-el-hak M. Flow Physics in Microdevices[J]. The Handbook of Mems, 2002, 卷缺失(期缺失): 页码范围缺失.
以上是毕业论文任务书，课题毕业论文、开题报告、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
