声表面波(SAW)技术是一门新兴热门研究课题之一，国内外已有温度、压力、加速度等传感器的相关报道。SAW压力传感器借助于它无以伦比的性能，诸如：1)数字号输出;2)高灵敏度、高分辨力、抗干扰能力强;3)易于大规模集成。正是由于这些自身的优越性，它有着广泛的应用领域。但美中不足的是SAW压力传感器对环境的要求比较苛刻，SAW振荡器输出频率信号随着压力、温度、磁场等外界因素变化而变化，特别是温度的影响是测量误差的主要来源，为保证SAW压力传感器高准确度和高灵敏度测量，必须进行有效的温度补偿。本文将神经网络和模糊控制技术相结合，对SAW压力传感器进行智能化温度补偿，通过此方法进行的改进，使SAW压力传感器能更好地应用到工程领域。
1 温度补偿方案
在传统的温度补偿中，例如：硬件补偿和软件补偿2种方法。但存在着补偿电路漂移、局部最优、精度不够等缺点，无法满足SAW压力传感器补偿要求。鉴于此种情况，本文采用了神经模糊控制方法，对SAW压力传感器进行智能温度补偿。
神经模糊控制是一种用神经网络实现的模糊控制的方法。在形式结构上是用多点网络实现的模糊映射。而神经网络的非线性和可训练性说明它可以实现任何一种映射关系。因此，本文利用神经网络对知识的表达机理，通过学习训练，实现控制规则基记，从而实现模糊输入-模糊输出的映射。神经模糊控制对SAW压力传感器温度-压力补偿模型见图1。
在SAW压力传感器后面接神经模糊控制器，把传感温度T作为输入，则神经模糊控制器能直接输出被测量。
