压力变送器是将压力物理量转换为可以传送的统一标准输出信号的设备,这种信号之间的转换是一种连续的线性的函数关系。压力变送器广泛应用在航空航天,石油钻井,锅炉测压等行业中,随着现代压力变送器检测技术的快速崛起和自动化技术的飞跃发展,对压力变送器的工作稳定性和可靠性有更高的要求,这同时对压力变送器的标定技术也是一种考验。而压力变送器的标定是通过施加标准的压力值,测量其实际输出值,并调节实际的输入输出曲线至标准输入输出曲线的过程。一般通过计算衡量压力变送器的某些指标数值来确定它的基本性能是否满足要求。由压力变送器的基本组成可知,对其进行标定实际上是对压力传感器的输出信号进行校准,并在全温区内保持精度要求。目前普遍是用信号调理芯片完成压力变送器的标定,改变不同的信号调理芯片相应的标定方法也会改变,因此研究一种通用的压力变送器标定方法,具有实际的应用价值。本文在压力变送器批量自动标定系统项目的基础上,研究可行的压力变送器标定方法。首先根据提供的压力变送器在标准的条件下测量其输出特性曲线,根据实际的曲线建立了三阶非线性逆模型校准方法,使其输出达到线性化。其次根据压力传感器的制作材料特性对温度比较敏感,造成在跨温度段较大的区间产生温度漂移现象。通过分析现有的温度补偿方法,最终采用神经网络方法进行温度漂移消除,其中BP神经网络在温度补偿中应用较多,但存在明显的缺陷。因此本文针对传统的BP神经网络模型进行以下的优化:（1）固定的学习速率对网络训练有不确定性,采用LM算法动态的调整下一步的增量值,提升网络的学习速率;（2）在分析了粒子群算法（PSO）和BP神经网络的基础上,提出一种基于改进PSO-BP网络,同时对标准的PSO算法通过增加惯性因子以及伸缩系数,动态的调整PSO算法的速度和位移迭代公式,提升网络的训练速度和整体性能;（3）BP神经网络中的激活函数是整个网络的关键。由小波分析理论可知,小波函数代替传统sigmoid函数,这可以避免网络结构设计的不稳定性。通过对改进PSO-BP和WA-PSO-BP网络,建立模型并进行分析。最后搭建了压力变送器标定方法的验证平台。实验结果表明,本文采用压力变送器三阶非线性逆模型校准方法可以有效的将其非线性输出转化为线性,使用改进PSO-BP网络模型和改进WA-PSO-BP网络模型,可以很好的消除因温度引起压力传感器产生的温度漂移现象。从网络输出的预测结果可以看出,明显提升了网络的泛化能力和稳定性。将本文标定方法和现有的方法相比,本文校准后压力传感器在其工作的全温区范围内准确度达到了0.2%FS左右,而且经过本文温度补偿后的压力传感器,相比原来温度漂移系数分别提升了十倍左右。经过非线性校准方法和温度补偿共同构成压力变送器的标定方法,完成了高精度压力变送器的标定。