论文部分内容阅读
高速列车表面压力测试是深入研究空气动力效应、提高列车舒适性和安全性的重要环节,测试使用的压阻式压力传感器对温度敏感,零点漂移和灵敏度漂移严重,为了补偿其温度误差,智能传感器补偿技术被广泛使用。由于高速列车测试需要系统具有高精度、高实时性和大吞吐量的特性,目前研究的智能传感器很少能满足其要求,因此,本文设计了具有高精度补偿算法和高性能处理器的智能表面压力传感器系统。系统使用PSO-BP神经网络作为补偿算法,这是粒子群优化(particle swarm optimization,PSO)算法和 BP 神经网络(back propagation neural network,BPNN)结合的混合算法。BP神经网络可以实现高精度补偿,但是容易陷入局部极小值,精度波动很大,粒子群优化算法的全局搜索特性,能够弥补BP神经网络的缺陷。PSO-BP神经网络结合了两种算法的优势,具有高精度和高稳定性等特点,优化效果明显。智能传感器的硬件系统以TMS320F28335芯片为核心,该系列DSP芯片兼具高速数据处理能力和控制能力,有利于系统功能的实现和升级。系统使用DSP芯片自带的高速ADC模块对信号进行AD转换,使用CAN总线与外部通信,具有稳定可靠的数据传输功能。软件系统包括数据采集模块、数据处理模块和CAN总线通信模块。系统支持500Hz～10kHz之间的多个采样频率,数据可以保留2～5位小数。为保证数据有序、可靠地传输,本文设计了一套帧格式供系统使用。本文通过Code Composer Studio软件和仿真调试器测试系统的硬件功能,利用CAN转UART电路和串口助手测试系统的指令读取和数据传输功能,通过控制温度和气压值,使用智能传感器系统采集数据,测试补偿效果。最后,分析了系统的误差来源。