随着工业的迅速发展,氢气浓度检测在许多工业生产领域应用日益广泛,如化工合成、核电反应安全以及氢能源开发等领域。而目前实际应用中常采用的氢气传感器往往存在着选择性差、结构复杂、成本较高等难以改进的缺陷。对此,实验室结合MEMS技术研发了一款新型催化燃烧式氢气传感器。该新型MEMS氢气传感器具有响应迅速（响应时间小于0.8s,恢复时间小于3s）、灵敏度高（57.74m V/%1H2）、结构简单、成本低廉的特点,相比其他氢气传感器具有较大优势与应用前景。然而实验表明,该新型传感器也存在因非线性误差较高、易受温度干扰而影响测量精度的问题。因此,为了实现新型MEMS氢气传感器的高精度测量,本文提出采用优化BP神经网络对其进行精度补偿研究,并设计了基于新型MEMS氢气传感器的高精度智能检测系统。研究包括以下三部分内容:一、对新型MEMS氢气传感器的检测原理与主要特性进行分析,发现该传感器存在一定程度的非线性误差与温度漂移,影响了其检测精度。因此对新型MEMS氢气传感器进行精度补偿十分必要,并进一步分析了常用精度补偿方法的优劣。二、设计了氢气传感器智能检测系统的软硬件,并在此基础上搭建了氢气检测实验平台。该氢气传感器智能检测系统可将采集到的不同数据信息融合处理,再将处理后的输出结果进行OLED显示与WIFI传输,实现了氢气浓度的实时显示与无线传输功能。三、针对新型MEMS存在的精度不足问题,首先研究了标准BP神经网络精度补偿算法;然后针对标准BP神经网络易陷于局部极小值的缺陷,分别利用遗传算法（GA）、粒子群算法（PSO）对BP神经网络进行优化,构建了GA-BP与PSO-BP精度补偿算法;最后提出采用遗传算法和粒子群算法混合优化BP神经网络,并构建了PSO-GA-BP精度补偿算法。对四种精度补偿算法进行仿真实验,并从温度系数、训练精度、补偿误差三个方面分析补偿结果,发现PSO-GA-BP算法补偿精度和效率最佳。最后将PSO-GA-BP精度补偿模型应用到实际检测实验中。结果表明,经补偿后的新型MEMS氢气传感器实现了高精度检测的目的。