扩散硅压力传感器是目前用于测量压力的一种重要传感器,被广泛应用于工业、农业、气象部门、航天航空等领域。随着半导体技术的发展,扩散硅压力传感器的各项技术指标不断提高,但扩散硅压力传感器本身固有的非常规、多值对应的迟滞非线性特性,限制了其测量精度。目前国内外针对传感器迟滞特性的研究还比较少,已有文献证明不能直接使用神经网络对其进行建模,大部分学者的工作是把迟滞非线性当作一般非线性处理,其结果不能满足补偿精度的要求。因此本文引入迟滞算子的概念,建立T-S模糊动态迟滞模型,实现对迟滞的智能补偿,并在此基础上设计了基于ARM的嵌入式智能扩散硅压力传感器补偿系统,本文主要获得如下成果:1.借鉴提升输入维数的思想,引入一个迟滞算子,将迟滞非线性的多值映射转化为单值映射,建立一个基于算子的T-S模糊动态迟滞模型,该模型具有结构简单、易于辨识算法等优点。2.引入与迟滞算子作用类似的迟滞逆算子,将多值映射转化为单值映射,建立一个基于逆算子的T-S模糊动态迟滞逆模型,将该逆模型置于被补偿对象后面进行迟滞非线性补偿,实现了对扩散硅压力传感器的智能补偿。3.在32位ARM微处理器的EM9000嵌入式模块平台上,设计了Windows CE嵌入式扩散硅压力传感器补偿系统,完成了嵌入式扩散硅压力传感器系统的设计与开发,并结合迟滞智能补偿原理,实现了对扩散硅压力传感器高精度测量的实时性要求,与未补偿的扩散硅压力传感器迟滞相比精度提高了约四倍,证明了建立的T-S模型是非常有效性的。