传感器的准确性对检测系统的性能起着决定性作用，其输出—输入特性的线性化和非线性误差补偿的研究已成为国内外研究的一项重要课题。 本文应用神经网络对温度传感器进行非线性补偿，大大提高了传感器的准确性。理论上，本文建立的神经网络模型，通过调整网络参数，而且在隐含层包含足够的神经元，就可以以任意精度逼近任意曲线。学习算法在最速下降法的基础上给出，并加以改进。文章也分析了多种因素对网络结构的确定、性能的推广及学习过程的影响，并在MATLAB下进行仿真。 本文进一步将建立的神经网络结构模型应用在平板硫化机测控系统中。文章中使用单片机代替PLC(可编程控制器)设计了平板硫化机测控系统，系统设计周密、实用，具有很好的智能性，并且工作稳定。系统采用神经网络对平板温度进行非线性补偿是一创新点，大大提高了系统的整体性能。文中也详细阐述了单片机实现神经网络的过程和方法。 应用结果表明，在传感器非线性补偿上，神经网络较之最小二乘法更有优势。