费 晶，李赵兴

（榆林学院 陕西 榆林 719000）

基于BP和RBF神经网络的新型融合技术研究

费 晶，李赵兴

（榆林学院 陕西 榆林 719000）

为了提高融合技术的精度，本文以JCY-120压力传感器构建的一套测量系统为例，提出了一种基于BP，RBF神经网络进行训练消除交叉敏感的实验方案，该实验利用压力传感器得到的交叉敏感的数据，采用BP和RBF网络进行训练和测试。最后进行实验，实验结果表明该方法在利用神经网络进行新型融合技术方面，能够提高数据融合的精度。

压力传感器；交叉敏感；人工神经网络；BP；RBF

传感器技术是现代测量和自动化系统的重要技术之一，目前所用的压力传感器有电阻应变片压力传感器、半导体应变片压力传感器、压阻式压力传感器、电感式压力传感器、电容式压力传感器、谐振式压力传感器及电容式加速度传感器等。但应用最为广泛的是压阻式压力传感器，它有交叉敏感的存在，这给系统的测量带来了较大的误差。现有的消除交叉敏感的方法有补偿法，最小二乘法，回归分析法等，后来出现的神经网络方法提出了新的思路。本文将针对具体的压力传感器数据进行数据融合，消除交叉敏感，并对结果进行了比较。

1 压力传感器系统的组建

为了测量压力传感器的数据，并且对测量的数据进行数据融合，在此引用了一个基于JCY-120压阻式压力传感器的测量系统。活塞压力计的压力变化通过压力传感器转化为电流信号传送到传感器测试电路，测试电路使用可变电阻调整，使之始终在恒流条件下，电流用电流表监控，并且对电流值进行监控，这个也将作为系统的一个期望融合结果出现。……