传感器技术和应用需求的不断提高,推动传感器逐步向微型化、高精度等方向发展。压力作为汽车、医疗、工业等领域一项不可或缺的测量参数,迸发了多种类型的压力传感器,且各自凭借自身优劣被应用于不同环境。目前,大多数压力传感器对于压力的测量条件偏向于气体压力、高量程压力等方面,难以满足接触式微压力测量的应用需求。声表面波(Surface Acoustic Wave,SAW)技术的出现和钻探促进了传感器应用环境的广泛化,并且加快了接触式微压力检测的研究进程。一方面,压力数值的偏小进一步要求传感器本身需具备高测量准确度,另一方面,传感器于实际应用时因外界环境和人为操作易降低数据结果可靠性。因此,本文设计延迟线型SAW微压力传感器,可测量0-0.2N范围内的接触式微压力,同时从改善内部结构和优化测试数据拟合曲线入手,系统上增强传感器展现功能优势。(1)为提高延迟线型SAW微压力传感器的测量准确度,重点分析作为内部核心元件的叉指换能器(Interdigital Transducer,IDT)的电极内反射问题;根据单指IDT和分裂指IDT反射原理,确定分裂指IDT在抑制电极内反射方面具有一定作用,提出IDT输入和输出端均使用分裂指结构,且输入端进行余弦平方函数加权;对比市面上不同压电材料和IDT材料性能以选取合适的材料,同时依照IDT基本特性和理论基础,设计IDT的各项参数,保证传感器测量微压力的准确性和有效性。(2)基于有限元思想和分析过程,结合单指IDT、分裂指IDT和压电基底结构参数,使用COMSOL软件构建物理模型,通过网格划分仿真SAW在基底传播振型图,以及绘制频域状态下输出频率与总位移曲线,进一步比较得出分裂指IDT在抑制电极内反射方面具有一定优势;同时,于COMSOL软件中模拟传感器基底受力状态,凭借应力、应变和位移云图为IDT在基底表面的淀积位置提供依据。(3)对制备完成的传感器执行测试工作,验证SAW微压力传感器在0-0.2N范围内测量的可行性,同时记录多组测试数据;针对传感器因外界因素干扰而影响输出数据准确度的问题,提出采用最小二乘法和广义回归神经网络(General Regression Neural Network,GRNN)两种解析方法拟合微压力-频差曲线;依据回归思想建立多项式,利用最小二乘法求解并绘制拟合曲线,同时根据GRNN训练多组源数据以预测微压力并拟合预测曲线。最终结果表明,GRNN误差明显减小,拟合准确性更高。