摘 要：采用函數鏈神經網絡方法對振動筒式壓力傳感器進行非線性校正，與BP算法相比，函數鏈神經網絡結構明了、算法簡單、易于收斂。文中介紹了函數鏈神經網絡解決振動筒式壓力傳感器的非線性原理和建模方法，仿真實驗結果證明了該方法的可行性和有效性。 關鍵詞：函數鏈神經網絡，非線性，振動筒 0 引言 傳感器的非線性校正有多種方法，并且也都得到了不同程度的應用。傳統的非線性傳感器線性化的方法是硬件補償，這種方法難以做到全程補償，而且補償硬件的漂移會影響整個系統的精度，因此可靠性不高、測量范圍有限、精度低。現在國內外研究人員研究了多種多項式擬合校正法，當用直線擬合時，擬合精度較低，通常不能滿足要求；用高次曲線擬合又過于復雜，實現困難。近年來發展較多的是神經網絡法，大都采用的是BP算法。在理論上，含有隱含層的BP網絡能夠逼近任意的非線性函數，這種方法適應性強，精度也高。但是BP網絡結構復雜、調節的權值多、學習速度慢、容易陷入局部最小。為此本文采用了一種基于函數鏈神經網絡（FLANN）的傳感器線性校正方法，與BP算法相比，該結構簡單明了。通過在振動筒式壓力傳感器的上仿真實驗證明，該方法簡單易行，效果理想。 詳情請點擊下載：振動筒式壓力傳感器的FLANN非線性校正