传感器是检测系统中的核心元件,其测试的准确性对检测系统的性能起着决定性的作用,而提高传感器的性能指标关键在于提高其静态特性(非线性特性)和动态特性,这也成为了目前国内外研究的一项重要课题。本论文研究的主要内容是传感器的非线性校正及动态补偿,提出了一种新的非线性校正方法,通过比较现有几种动态补偿方法的优劣给出了不同环境下的优先选择。本论文在简要介绍传感器的传统非线性校正方法基础上,提出了一种应用于距离传感器的新型非线性校正方案,首先通过理论分析计算证明了此方案的可行性,建立了此非线性校正方法的模型,与传统的非线性校正方法相比降低了系统的复杂度。然后根据非线性校正模型,利用两个距离传感器来构建传感器测试系统,通过计算机对数据进行采集。在非线性校正环节的建模时,利用神经网络具有的非线性逼近能力、自学习能力以及容错能力可以建立双输入单输出的校正环节神经网络模型,将其接入该测试系统进行验证,其输入输出具有良好的线性特性。在这里用到了RPE(递推预报误差)神经网络和RBF(径向基函数)神经网络算法,详细介绍了这两种算法的计算过程和特点,并且在建模过程中分析了它们在应用中需要注意的一些问题,如隐层节点数的选择,容许误差的选择。