随着压力测控系统的发展,现有的传统压力传感器已无法满足要求,而集信息采集、信息处理和数字通信功能于一身,能自主管理,具有智能化特性的智能压力传感器系统已成为生产实践发展的迫切需求。基于扩散硅压阻式技术的智能压力传感器因其稳定性好、灵敏度高、过压能力强、迟滞小等优点,正受到人们越来越多的关注。但由于硅半导体的温度特性,传感器的性能会受温度的影响而发生变化,而现有的技术水平还无法生产没有温度漂移的传感器,所以,温度补偿一直是扩散硅压力传感器研究和生产的一个关键技术问题。本论文首先对硅半导体的温度特性进行了深入研究,探明硅材料零点温度漂移和灵敏度温度漂移的形成原因,然后介绍了几种常用的温度补偿方法并进行了比较分析。重点研究了利用人工神经网络非线性映射的特性进行温度补偿的实施方案,内容包括BP神经网络和RBF神经网络在网络模型的建立、学习算法的改进、训练参数的选定等方面的研究,经过反复实验,建立了一个2输入、28个隐含神经元、1输出、SPREAD值为1.2的RBF神经网络模型,使压力测量精度从补偿前的10?1上升到10?3。在此基础上,选择了低功耗、高速CMOS FLASH/EEprom工艺的PIC16F876A芯片作为系统核心,进一步完善信号调理和通信模块的设计,提出了基于人工神经网络温度补偿的高精度硅压阻式智能压力传感器系统的解决方案。实验结果表明,本文设计的智能压力传感器系统具有体积小、成本低、可靠性好、响应快、智能化程度高等特点,通过对软、硬件进行了充分的调试,效果良好,在军事、石化、煤矿、医疗、安全预警、工业生产控制等领域的压力传感器测控系统中有着广阔的应用前景。