1、“.....根据电路理论有，，，，则电桥点电位为当电桥平衡时，，则可得电桥的输出的电压为若使，则图硬件校正电路从上式可看出，电桥输出的与变成了线性关系，消除了不平衡电桥的非线性误差，此方法电路结构简单，工程中易于实现。硬件补偿法结构简单但难以做到全程补偿，且影响电路的因数太多，实际调整时其零点满度和线性三者相互影响，调整有时较烦琐。可采用分段线性化，在自变量的取值范围内，对非线性函数进行分段线性化，即有线性函数线性插值来逼近非线性函数，满足定的分段误差。还可用多项式曲线拟合方法对传感器误差补偿具有曲线形式的特点......”。

2、“.....通过该方法可以对传感器的非线性误差温度误差进行补偿。神经网络是对非线性可微分函数进行权值训练，基于误差反向传播算法的多层前向神经网络，它具有很强的非线性映射能力和泛化能力。神经网络具有任意函数逼近能力。本文主要工作实现传感器静态误差校正可采用分段线性化的方法来拟和非线性关系，使其特性在测量范围内尽可能接近线性从软件校正方面考虑，数据拟合法，同时随着智能化算法的发展，又有很多种新的解决传感器非线性问题的方法被提出来。本文主要介绍目前主要的解决非线性问题的方法，即分段线性法，数据拟合法和神经网络的方法......”。

3、“.....它的基本原理是把输入信号分成若干段，在每段上都可以认为是输入和输出之间存在着线性的关系，对于这些量而言，在整个量程范围内是非线性的，但是就输入的个局部范围之内，其输出和输入可以近似的认为是线性关系。理论证明，只要段的间距足够的小，分段的数量足够的多，对于任何连续函数，在误差允许的范围内，都可以用分段线性化来处理业论文的时间里，遇到了很多的问题，很多不懂的地方。曹老师对我进行了非常细致的指导和帮助，让我遇到的很多问题都迎刃而解。同时，曹老师还给了我很多的资料，教给了我很多的方法，也使我自己学到了很多新的东西。在此......”。

4、“.....感谢曹老师细心的指导和帮助。中央民族大学学士学位论文年月日姓名李韬学号年级级院系信息工程学院专业自动化指导教师曹永存传感器静态误差校正方法研究摘要本文介绍了传感器非线性误差校正的原理和方法。它的主要方法有分段线性化，数据拟合和神经网络。本文介绍了分段线性插值和曲线拟合的原理和方法，通过对光纤位移传感器位移电压值的多项式拟合曲线的特点进行分析，发现该传感器曲线具有抛物线的特点所以采用通用多项式拟合。简要介绍了的结构和特点，并以光纤位移传感器为例，详细地介绍了环境下如何实现其实验数据曲线的拟合，为简化实验数据处理提供了个良好的手段......”。

5、“.....及神经网络的基本理论。阐述了种算法的学习过程，其后简要地阐述了神经网络工具箱设计和网络的主要函数。以受环境温度影响的光纤位移传感器为例，说明了具体实现方法和校正效果。仿真结果说明了及网络具有很强的函数逼近能力。并分析及网络结构和函数逼近能力的关系，得出网络的结构直接影响网络对函数的逼近能力和效果。关键词传感器非线性多项式拟合神经网络误差校正......”。

6、“.....传感原理指传感器工作时所依据的物理效应化学反应和生物反应等机理......”。

7、“.....从种意义上讲，传感器也就是能感知外界各种被测信号的功能材料。传感器般由敏感元件转换元件和测量电路三部分组成。传感器的工作特性通过其静动态特性直接反映出来。传感器在被测量的各个值处于稳定状态时，输出量和输入量之间的关系称为静态特性。通常，要求传感器在静态情况下的输出输入关系保持线性。实际上，其输出量和输入量呈非线性关系，可由方程式确定。传感器静态特性的非线性，使其输出不能成比例地反映被测量的变化情况，而且，对动态特性也有定影响。为了克服上述因素的影响，提高测量精度，需要对传感器各项静态误差进行校正和补偿。因此......”。

8、“.....研，表需要大量的记忆。所以，建立数学模型，它可以实现热电偶温度的转移和改进测量精度。热电偶数学模型包括两种形式，分段线性拟合和分段多项式拟合。用分段闭合的原因是发现模块简单，较大的计算及适应能力差。然而神经网络的模块具有高速率，并行计算能力和非线性转移的特性。它可以学习，在任何时候，都有很高的工作效率，比起常用的发现模块的手段，神经网络深入对象而且可以得到简单的数学模型表达式。这些表现形式的权重向量和漂移载体。用径向基函数网络神经网络，以形成预测模型热电偶。该模型有三个层次，输入层，隐层和输出层......”。

9、“.....序号隐藏结点的输出，是重要的模式。模式的输出是温度和隐层的功能是高斯。的输出是如输入样本，是序号中心的高斯价值。是标准偏差，然后输出的输出层是在式中，是神经元的价值有限。公式表明，神经网络与输出呈线性关系。因此，相当神经网络，的学习速度快。研究过程包括两部分，第部分是得到中心向量，其中每个交界处的功能是高斯在隐层和标准不断根本输入样本改变。第二部分是经过已经决定的隐层参数，在隐层获得重量和根据样本的输出层和原则。第二部分完成后，调整参数，隐层和输出层，以提高网络的精度。当样本存在，整个误差函数的训练样本是是样本的对数，是出路口的数目......”。