[发明专利]一种基于AVR单片机的智能数字气压计在审
申请号: | 201210519057.3 | 申请日: | 2012-12-06 |
公开(公告)号: | CN103852207A | 公开(公告)日: | 2014-06-11 |
发明(设计)人: | 潘炼;王竞春;刘静;武妍妮;李珂;刘仁银;孟辉;杨彪;李遥;刘振;向旭龙;吴爱龙 | 申请(专利权)人: | 武汉科技大学 |
主分类号: | G01L11/00 | 分类号: | G01L11/00;G01L19/04 |
代理公司: | 武汉荆楚联合知识产权代理有限公司 42215 | 代理人: | 刘治河 |
地址: | 430081 湖北*** | 国省代码: | 湖北;42 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 一种 基于 avr 单片机 智能 数字 气压计 | ||
技术领域
本发明涉检测系统,尤其涉及智能检测技术,并且更具体地涉及一种基于AVR单片机的智能数字气压计系统。
背景技术
近年来,随着现代社会测量技术要求的不断提高,数字气压计技术已经迅速发展成为现代信息处理领域中一项非常重要的技术,并在许多领域内发挥着不可替代的作用:在气象台站,用高精度气压计测压并预测天气变化;在环保方面,用数字气压计测压来衡量环境好坏;在地矿,用气压器测量地下气压,以确保工作安全;在实验室,用数字气压计纪律实验环境;此外,气压计还可以用作高度计测量高度。
传统气压计的实现是通过物理方法实现,如水银气压计。但随着智能技术的发展以及实用性要求的提高,传统气压计越来越不能满足应用要求,主要体现在以下几个方面:气压计根据水银到达的刻度来读取气压值,可读性不高,使用不具有普遍性;气压计智能单一的测量气压值,而且无法自动记录已测结果,实用性不强;气压计受环境、测量者等的影响较大,所测值不精确;现今气压计应用越来越趋于小型化系统,趋向于把整个处理系统集成在一个小“黑盒子”,甚至于一块电路板上。这就要求用高集成度的处理芯片来完成原本需要许多部件合作完成的任务。另外,目前具有单一测压功能的气压计,其设定值是系统默认,无法调节和校正,使用起来不方便。
鉴于智能检测技术高度复杂性,要达到气压计的优化设计,采用目前传统的测量方式将无法达到理想的检测效果。一种有效的基于AVR单片机的智能数字气压计,能给出最佳的检测方式,达到较好的测量效果。
发明内容
本发明要解决的技术问题是,针对传统气压计可读性不高、功能单一、实用性不强、测值不精确、体积较大、结构不紧凑的特点,及现有检测技术和方法存在的局限性,采用基于AVR单片机的智能优化方法设计数字气压计,从而达到使用简单、智能化程度高、测量精确高、体积小、携带方便的检测标准。
为实现上述目的,本发明提供了一种基于AVR的智能气压计设计,智能气压计设计由气压传感器(MPX100)、放大器(LM324)、AVR单片机、A/D转换器、温度传感器(DS18B20)、时钟电路、通信电路、EEPROM存储器、键盘和LED数码显示器等组成,其特征在于,该气压计是一个智能化检测系统,AVR单片机分别与A/D转换器、温度传感器(DS18B20)、时钟电路、通信电路、EEPROM存储器、键盘和LED数码显示器等相连接,气压传感器(MPX100)同放大器(LM324)相连接,放大器(LM324)和A/D转换器相连接;
气压传感器(MPX100),用于感应大气压力并将其转化为电压信号;
温度传感器(DS18B20),用于将当前温度转化为电压信号;
放大器(LM324),用于将气压传感器转化的电压信号进行放大;
A/D转换器,用于将模拟量转化为数字量;
AVR单片机,用于统一协调处理各器件之间的相互关系,彼此进行信息交换,并进行气
压计的智能优化计算;
时钟电路,用于给单片机提供时钟信号;
通信电路,用于与上位机进行通信联系;
EEPROM存储器,用于进行整个系统的大批量的存储数据的处理;
键盘,用于进行各种功能键和数字键的处理;
数码显示器LED,用于进行各种数字信号的显示;
技术方案是:系统通过气压传感器(MPX100)获取被测气压信号,通过放大器(LM324) 将气压传感器转化的电压信号进行放大,利用A/D转换器将模拟量转化为数字量送到AVR单片机进行智能化处理,利用时钟电路产生AVR单片机所需要的时钟信号,通过通信电路,将AVR单片机与上位机进行通信联系,利用键盘进行气压智能检测过程中各种功能键和数字键的处理,通过EEPROM存储器存储整个系统的大批量的存储数据,将AVR单片机处理的数据在LED
数码显示器上进行显示。
AVR单片机的智能数字气压计的智能优化过程,具体步骤如下:
(1)数据采集、转换和显示处理;
(2)压力的补偿计算;
(3)采用BP神经网络方法进行气压计测量精度的补偿和优化处理;
其中BP神经网络优化计算,包括:传感器测量模型的计算和神经网络温度补偿模型的计算。
人工神经网络训练过程具体步骤如下:
(1)根据实际测量问题,结合BP神经网络特点选取适合的网络节点和训练函数;
(2)建立训练网络;
(3)对网络初始化;
(4)对网络进行训练;
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于武汉科技大学,未经武汉科技大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201210519057.3/2.html,转载请声明来源钻瓜专利网。