基于改进GA-BP神经网络的压力传感器校准方法

针对压力传感器在实际使用过程中由于温度漂移现象导致输出精度不高的问题，提出了基于改进遗传算法(genetic algorithm, GA)优化反向传播(back propagation, BP)神经网络的校准方法。该方法主要改进了遗传算法的初始化种群和遗传算子，并引入了t分布扰动。将压力传感器模组的输出电压和温度电压作为输入，通过遗传算法计算出一组最优的初始权值和阈值并建立BP神经网络模型，最后将训练好的神经网络模型移植到传感器模组的调理芯片并进行实验验证。结果表明，该方法有效地降低了温度对压力传感器输出的影响，经过算法校准后压力传感器的全量程相对误差为0.01%FS,零点漂移为8.444×10^-6,灵敏度漂移为2.055×10^-6,校准效果优于其他算法。