硅压阻式传感器是一种采用MEMS技术在硅片上集成的压力传感器,广泛应用于各种压力测试设备,诸如汽车胎压、形变压力和各种瞬态压力的测量。但在硅压阻式传感器的实际应用中存在温度漂移、一致性和非线性等问题。为了让硅压阻式传感器的测量精度达到实际要求,一般情况下都要对该传感器信号的输出进行温度漂移、一致性和非线性的修正,因而对于硅压阻式传感器的输出端增加校准电路是非常必要的。这些校准电路,再加上传感器的电源驱动和传送接口构成变送器。本文在充分研究硅压阻式传感器非线性特性和现有补偿方法的基础上,设计开发了以仪用微处理器MSP430F448为核心,采用人工神经网络进行非线性补偿的压力智能变送器。文中阐述了变送器整体设计方案、传感器信号预处理、智能修正算法和系统硬/软件设计。以MSP430F448为核心;采用微处理器内部集成ADC和DS18b20作为压力和温度采集电路;利用MSP430F448强大的接口功能将补偿结果通过SPI和UART串行接口输出,并通过液晶显示;设计中利用MSP430F448多时钟管理功能,设置了变送器的低功耗模式;硅压阻式传感器的驱动电路和ADC采用2.5V参考电源,有效减小了电源干扰对数据采集的影响。压力智能变送器以函数连接型网络和LM算法作为非线性补偿的核心算法,并且引入学习率调整因子,提高了LM算法的训练速度和逼近精度;算法程序设计中采用列-行矩阵乘法运算,节省了网络训练样本数据和Jacobian矩阵的存储空间,增强了系统的在线学习能力;通过编写单总线通信协议,实现了MSP430F448与DS18b20的单总线通信;系统通过串口与PC机连接,可以检测神经网络的训练结果。压力智能变送器经过软/硬件测试,系统运行稳定,通过对变送器补偿前后大气压力测量数据的比较,相对误差由1.4%降低至0.30%,系统的非线性补偿作用明显,达到了系统设计的目标。