本论文所研究光电位置敏感器件（PSD）是一种可直接对其光敏面上的光斑进行检测的光电器件,基于PSD可以构成多种非接触式的高精度动态位移检测仪器。在PSD器件使用中的一个关键问题是如何克服器件本身的非线性,以提高检测的精度和可靠性。提出一种基于神经网络的PSD非线性补偿方法,利用神经网络具有逼近任意非线性函数的特点,通过训练使神经网络建立在PSD输出与其理想值之间的非线性映射关系,实现PSD非线性补偿。故在不增加成本,不改变测量设备复杂度的情况下,扩大了测量范围,提高了B区的测量准确度及数据的置信度。论文主要介绍了PSD工作原理、结构和性能分析;提出了消除背景光对PSD干扰措施;着重讨论了神经网络BP算法数学模型;设计了二维调整平台;并建立了自准直仪的光学系统以及阐述了直线度评定方法。使用两个隐层结构对神经网络进行训练,其结果为:两隐层神经元数分别为39和33;网络的第一,第二隐层以及输出层采用的激励函数分别为tansig、tansig、purelin;编程设定最大训练次数为500,目标收敛精度为1.0×10^-12;训练函数为Trainlm。利用未经训练的数据对网络进行测试,该网络计算输出误差几乎都在0.001mm之内,其中最大误差为0.003mm。并且在项目开发过程中,充分发挥MATLAB和Visual Basic各自的优势,利用混合编程使神经网络结构可移植性成为可能,并降低了开发难度,缩短了开发周期。