扩散硅压力传感器及变送器,因为其良好的性能特性被广泛的应用在工业过程控制系统中。由于半导体材料对温度敏感,因此压力变送器存在比较明显的温度漂移,需要进行补偿以后才能使用。目前,硅压力变送器要实现高精度测量需要较多的温度补偿点和较长的补偿时间,相当程度上制约了高精度硅压力变送器的产业化。本论文主要围绕如何在保证压力变送器的精度和补偿合格率的前提下,减少温度补偿点和缩短补偿时间这一问题开展研究。本论文研究了在工业应用中具有代表性的两类压力变送器——绝压变送器和差压变送器的温度补偿问题,分别提出各自的补偿方案。绝压力变送器的温度补偿采用经验公式与线性插值法相结合的补偿算法。通过对多台绝压变送器进行标定实验和对标定数据的规格化处理,掌握其温度特性的普遍性规律,再将量程分区,总结得到不同压力区间的经验公式。经验证,采用该算法绝压变送器的精度和补偿合格率均达到要求并且由原先5个温度补偿点减少到2个。差压变送器温度特性具有较大的离散性,减少温度补偿点难以保证补偿合格率,因此本文提出了变温标定数据这一概念。在变送器温度缓慢变化过程中标定数据,采用BP(Back Propagation)神经网络建立差压变送器的补偿模型。针对BP网络易陷入局部极值的缺点,利用改进的遗传算法优化BP网络。通过实测数据的matlab仿真,验证了算法的有效性,差压变送器精度达到要求的同时有效的减少了温度补偿时间。