式中：xi為節(jié)點接受的信息;wij為相關連接權重;y為節(jié)點輸出;θ為閾值;n為節(jié)點數(shù)。如上所述，建立一個三層BP神經(jīng)網(wǎng)絡模型，把實驗標定的樣本數(shù)據(jù)輸入網(wǎng)絡進行學習訓練后，再進行交叉敏感的消除，從而達到數(shù)據(jù)融合的目的。

　　由以上的討論可以看出，多維回歸算法和BP神經(jīng)網(wǎng)絡算法均能有效達到溫度補償?shù)男Ч?。前者算法簡單，容易理解，但是?shù)據(jù)融合能力有限，補償程度不如后者;后者數(shù)據(jù)融合能力強，補償效果明顯，但是算法較難理解，軟件編程工作量大。在本設計中，多維回歸融合算法可以滿足要求，并且軟件編程工作量小，所以本文采用多維回歸算法補償溫度對壓力傳感器的影響。

　　3 智能壓力傳感器數(shù)據(jù)融合的應用

　　3.1 溫度敏感元件的標定

　　對傳感器進行靜態(tài)標定，標定系統(tǒng)由YJF型浮球式標準壓力計、HT-1714C直流穩(wěn)壓電源、34401 A型數(shù)字萬用表、奔騰4PC機和自制的控溫系統(tǒng)組成。在此分別對傳感器在27℃，37 ℃，47 ℃，57℃，67℃的溫度條件下做了靜態(tài)標定，如表1所示。

　　從以上計算所得的結(jié)果可以看出，補償結(jié)果都有提高，說明本文的設計方案是可行的。

　　3.2.3 誤差分析

　　誤差來源主要有3個方面：

　　(1)壓力實驗時用浮球式壓力計存在壓力誤差，因為加壓時要用肉眼觀察壓力基準，由此產(chǎn)生誤差;

　　(2)壓力、溫度結(jié)果計算擬合參數(shù)時有計算誤差，此誤差很小;

　　(3)采集數(shù)據(jù)誤差，放大器對壓力傳感器輸出數(shù)據(jù)的放大和進行A/D轉(zhuǎn)換都會產(chǎn)生誤差。