为准确计算烟度计的有效光路，基于人工神经网络提出了对QN-1型全流消光式烟度计有效光路的计算方法．该方法利用烟度计有效光路的关键影响因素即空气扫气压力和发动机的转速为输入，构造了一种反向传播神经网络，并利用试验数据进行训练，然后仿真烟度计的有效光路．试验表明，仿真数据与试验数据偏差在-0．0399～0．0486之间．由此可见，利用人工神经网络计算烟度计的有效光路准确实用．

通过对二次仪表的改造,实现了基于个人计算机的二次仪表型烟度计的数据实时采集,解决了二次仪表型烟度计不能反映摩托车瞬间排烟状况和数据采集不准的问题,并实现了软件的自校功能,弥补了二次仪表的自校缺陷;同时添加了数据的奇异性检验,消除了因试验环境的干扰所造成的奇异数据.采集数据可根据不同的试验方法进行数据处理、存盘与打印相关试验报告.