CN101858811A - 高精度压力传感器信号补偿方法 - Google Patents

Abstract

本发明公开了一种高精度压力传感器信号补偿方法，将压力传感器测量得到的压力测量信号和温度测量信号输入到数字信号处理器中；在数字信号处理器中，通过迟滞误差补偿方法将原始压力信号转化为：未经温度补偿、但消除迟滞误差的压力信号；通过信号接口处理方法，对上述压力信号进行温度校正，得到经过温度校正后的压力信号；通过温度补偿方法，由经过温度校正的压力信号和温度信号处理得到经过温度补偿和非线性误差补偿的压力信号和温度信号。本发明能够补偿压力传感器的迟滞误差、非线性误差和环境温度变化产生的误差，提高压力传感器的测量精度。

Description

高精度压力传感器信号补偿方法

技术领域：

本发明属于信号处理领域，涉及一种传感器的信号补偿方法，尤其是一种对于硅压力传感器的非线性误差、迟滞误差和温度变化引起的误差的补偿方法。

背景技术：

硅压力传感器是微机械工艺最成功的传感器产品，主要有硅压阻式、电容式和谐振式三种，其中硅压阻式应用最广泛。硅压阻式压力传感器利用半导体材料硅的压阻效应、惠斯顿电桥原理、集成电路工艺和微机械加工技术制成。硅压阻式压力传感器因其微型化、高灵敏度、响应快、可集成化和高稳定性等优点，现在已经广泛应用作微型真空计、绝对压力计、流速计、流量计、声传感器、气动过程控制器等，其应用遍及石油、化工、生物、医疗、航天、海洋工程、原子能等尖端科技和工业领域。

衡量传感器性能的静态指标主要有非线性误差、迟滞误差和重复性误差。为了提高传感器的测量精度，需要对这些误差进行补偿。目前，非线性误差的补偿方法已经非常成熟，常用的非线性误差的补偿方法有查表法、曲线拟合法和神经网络法。重复性误差属于随机误差，需要通过统计方法进行分析，目前还不能对其进行补偿。迟滞是一种多值对应、非常规、非平滑的特殊现象，它是由传感器内部元件存在的能量吸收和传递延迟造成的。迟滞与传感器受到的外界载荷的加载过程相关。因为迟滞误差的规律十分复杂，所以目前还没有关于硅压力传感器的迟滞误差补偿应用的报道。迟滞误差占基本误差的比重通常在30％左右，是影响硅压力传感器测量精度的重要因素。

硅压阻式压力传感器的缺点是对温度变化十分敏感，其零点输出和灵敏度都会随着温度变化而产生微小的变化，这种现象称为温度漂移。为了降低温度变化对传感器测量精度的影响，需要对温度变化引起的误差进行补偿。目前工业中常用的温度补偿方法有：硬件补偿方法和软件补偿方法(计算机补偿、微处理器补偿)。硬件补偿方法有二极管、三极管、热敏电阻等补偿电路方法。软件补偿方法是利用计算机或微处理器采集压力信号、温度信号，采用数字信号处理技术对温度漂移产生的误差进行补偿，得到高精度的压力信号。

发明内容：

本发明要解决的技术问题是为了克服现有的硅压力传感器测量中迟滞误差无法补偿的不足和提高硅压力传感器的测量精度，提供一种可以补偿迟滞误差，同时补偿硅压力传感器的非线性误差和温度变化产生的误差的高精度信号处理方法。

本发明采用的技术方案是一种高精度压力传感器信号补偿方法，所述方法应用在作者研制的智能压力传感器***中，该***包括硅压力传感器、信号放大电路、模数转换电路(A/D)、DSP数据采集补偿电路、接口电路和工业控制计算机；所述硅压力传感器上分别连接有信号放大电路和模数转换电路(A/D)，信号放大电路同时又与模数转换电路(A/D)连接；所述模数转换电路(A/D)上连接有DSP数据采集补偿电路；所述DSP数据采集补偿电路通过接口电路与工业控制计算机；所述的接口电路包括CAN现场总线和USB接口；所述***的工作流程：传感器环境的温度信号，与经过信号放大的电压信号一起经过模数转换电路(A/D)，由模拟信号转换为数字信号，再经过数字信号处理器(DSP)进行数字信号处理，得到迟滞误差补偿、温度补偿和非线性误差补偿的高精度的压力信号和温度信号。最后，通过CAN现场总线或USB接口将数据传输到工业控制计算机。

高精度压力传感器信号补偿方法，按照如下步骤：

(1)硅压力传感器测量得到压力测量信号Vp和温度测量信号Vt；压力测量信号Vp依次经信号放大电路和A/D转换电路后进入DSP数据采集补偿电路；温度测量信号Vt经A/D转换电路后进入DSP数据采集补偿电路；

(2)在DSP数据采集补偿电路中，采用迟滞误差补偿方法将压力测量信号Vp转化为消除迟滞误差的压力值P’；

(3)在DSP数据采集补偿电路中，采用信号接口处理方法对压力值P’进行温度校正，得到经过温度校正后的压力信号Vpm；

(4)在DSP数据采集补偿电路中，采用温度补偿方法，由经过温度校正的压力信号Vpm和温度信号Vt得到经过温度补偿和非线性误差补偿的压力信号P和温度信号T。

所述迟滞误差补偿方法是指：

首先，用压力测量信号Vp的极值序列Vp1、Vp2、…、Vpn表示压力；其次，判断压力处在加载过程(即压力载荷递增过程)还是卸载过程(即压力载荷递减过程)；然后分别利用迟滞逆模型

或

对压力测量信号Vp的极值序列Vp1、Vp2、…、Vpn进行处理，得到经过迟滞误差补偿的压力信号P’的序列(P′₁，P′₂，...，P′_n)；

当压力在加载过程中，用于迟滞误差补偿的迟滞逆模型为

$a_n=\underset{i=1}{\overset{45}{\mathrm{\Σ}}}{\mathrm{\α}}_i\·e^{-\frac{{\left|\right|Y-Y_i\left|\right|}^2}{50}}$

其中，α_n为经过迟滞误差补偿的当前的压力值P′_n，当前压力处于加载过程；

Y为输入向量，由当前的极值压力增量所对应的电压ΔV_n和前一个极值压力P_n-1组成，即Y＝(ΔV_n，P_n-1)，其中ΔV_n＝Vp_n-Vp_n-1；

Y_i为支持向量，即由训练样本构成的向量，即Y_i＝(x_i(a_i，b_i)，b_i)，(i＝1，2，...，45)；α_i为经过训练得到的支持向量机的权值系数(i＝1，2，...，45)；

当压力在卸载过程中用于迟滞误差补偿的迟滞逆模型

为

$b_n=\underset{i=1}{\overset{45}{\mathrm{\Σ}}}{\mathrm{\α}}_i\·e^{-\frac{{\left|\right|Y-Y_i\left|\right|}^2}{50}}$

其中，b_n为经过迟滞误差补偿的当前的压力值P′_n，当前压力处于卸载过程；

Y为输入向量，由当前的极值压力增量所对应的电压ΔV_n和前一个极值压力P_n-1组成，即Y＝(ΔV_n，P_n-1)，其中ΔV_n＝Vp_n-Vp_n-1；

Y_i为支持向量，即由训练样本构成的向量，即Y_i＝(x_i(a_i，b_i)，a_i)，(i＝1，2，...，45)；

α_i为经过训练得到的支持向量机的权值系数(i＝1，2，...，45)。

所述信号处理接口方法是指：利用压力信号Vpm关于压力P和温度T的函数模型Vpm＝f(P’，Vt)，由未经温度补偿的压力信号P’和温度测量信号Vt处理得到经过温度校正的压力信号Vpm；函数模型Vpm＝f(P’，Vt)如下式所示：

Vpm＝-5.4969×10^-6+0.7526×P+0.8192·Vt+4.8869×10^-4·P²-0.02361·P·Vt-0.03881·Vt²。

所述温度补偿方法是指：利用压力P关于压力信号Vpm-温度信号Vt的函数模型P＝g(Vpm，Vt)和温度T关于压力信号Vpm-温度信号Vt的函数模型T＝q(Vpm，Vt)，将压力信号Vpm和温度测量信号Vt处理为：经过温度补偿和非线性误差补偿的高精度的压力信号P和温度信号T；

压力P关于压力信号Vpm-温度信号Vt的函数模型P＝g(Vpm，Vt)：

P＝-117.758+1.335×Vpm+45.134×Vt-0.00129×Vpm²+0.0477×Vpm·Vt-4.5113×Vt²

温度T关于压力信号Vpm-温度信号Vt的函数模型T＝q(Vpm，Vt)：

T＝2693.282-1.3888×Vpm-1182.152×Vt+0.00103×Vpm²+0.2441×Vpm·Vt+130.1434×Vt²。

本发明的有益效果是：有效的补偿了硅压力传感器的迟滞误差，同时补偿了硅压力传感器的非线性误差和温度变化产生的误差，提高了硅压力传感器的测量精度；这是一种全新的硅压力传感器误差补偿的数字信号处理方法；经过本发明方法补偿的总精度为0.2％FS(量程)的压力传感器的误差可以减小一半。

附图说明：

图1是硅压力传感器的惠斯顿电桥示意图；

图2是实施例中使用的智能压力传感器***结构图；

图3是本发明的高精度压力传感器信号补偿方法的结构图；

图4是本发明使用的迟滞模型x(a，b)的实验数据绘制图；

图5是本发明使用的支持向量机的结构；

图6是硅压力传感器关于压力P和温度T的实验数据绘制图；

图7是实施例1迟滞误差补偿实验中温度为30℃时的输入压力图；

图8是实施例1实验结果：经过迟滞补偿和未补偿的误差值比较图；

图9是实施例2迟滞误差补偿和温度补偿实验中的温度为65℃时的输入压力图；

图10是实施例2实验结果：经过本发明补偿和仅非线性误差补偿的误差值比较图。

具体实施方式：

下面结合附图对本发明做进一步详细描述：

在图1中，硅压力传感器的四个力敏电阻构成惠斯顿电桥。为了提高传感器的测量精度，硅压力传感器采用恒流源供电。由于采用恒流源供电，电桥A、C两端的恒流源电压的变化则反映传感器所在环境温度的变化，而电桥B、D两端的输出电压反映了输入压力，这种用一个压力传感器可以同时测压力、温度的***通常被称为“一桥二测”***。本实施例中使用“一桥二测”***，这样可以减少使用温度传感器，方便现场测试，节约实验成本。当然，对于本发明高精度压力传感器信号补偿方法，也可以不采用“一桥二测”方案，温度模拟信号也可以从设置在与硅压力传感器同一环境中的温度传感器中获得。

图2是实施例中使用的作者研制的智能压力传感器***的结构。智能压力传感器***由硅压阻式压力传感器、信号放大电路、模数转换电路、数字采集处理电路和工业控制计算机组成。硅压力传感器的恒流源电压作为温度信号，与经过信号放大的电压信号一起经过模数转换电路(A/D)，由模拟信号转换为数字信号，再经过数字信号处理器(DSP)进行数字信号处理，得到迟滞误差补偿、温度补偿和非线性误差补偿的高精度的压力信号和温度信号。最后，通过CAN现场总线或USB接口将数据传输到工业控制计算机。其中，DSP作为整个***的核心，负责各个芯片运行、数据采集、数字信号处理和通讯的功能。

***的工作流程为：上电后，首先，***的程序初始化；其次，DSP查询由工控机发出通过USB或CAN接口的采集命令；若接到采集命令，则开启一个CPU定时器，在定时器中断中采集压力信号和温度信号，然后进行数字滤波，软件补偿；最后，将补偿后的压力、温度数据通过USB或CAN接口上传到工控机；数据上传后，DSP查询采集结束命令，若没有接到采集结束命令，***继续采集、处理信号；若接到采集结束命令，***结束任务。

图3是高精度压力传感器信号补偿方法的结构，包括迟滞误差补偿方法，信号处理接口方法和温度补偿方法。

迟滞误差补偿方法的目的是消除压力P加载、卸载的过程中压力测量信号Vp产生的迟滞误差。迟滞误差补偿方法包含二部分：第一部分是记录压力加载过程中的压力测量信号Vp的极值序列，这是因为迟滞与加载过程相关，压力测量信号Vp的极值序列记录了压力加载过程。第二部分是首先判断压力处在加载还是卸载过程，然后分别利用迟滞逆模型

或

对压力测量信号Vp的极值序列进行处理，得到经过迟滞误差补偿的压力信号P’。

图4是迟滞模型x(a，b)的实验数据的绘制图。建立正确的、高精度的迟滞模型和逆模型是迟滞误差补偿程序的关键。硅压力传感器的迟滞模型是建立在关于迟滞误差的压力P-压力测量信号Vp标定实验数据基础上。具体的实验过程如下：在室温30℃，湿度56％RH条件下，参照JB/T 10524-2005机械行业标准进行实验，实验仪器主要有：压力传感器标定工作台、恒流源、温控箱和高精度数字万用表。实施例中用的硅压力传感器的量程为40Mpa，综合考虑训练样本对拟合精度的影响以及测试试验的复杂性，将0～40Mpa分成8等分进行测试，载荷从0Mpa加载到5Mpa，记下输出电压，然后减载到0Mpa，记下输出电压，算出x(5，0)。再加载到10Mpa，记下输出电压，减载到5Mpa，记下输出电压，再减载到0Mpa，记下输出电压，分别算得x(10，5)和x(10，0)，依此类推，直到40Mpa，得到极值间输出电压x(a，b)实验数据。迟滞模型x(a，b)的实验数据经过数据处理可以得到分别关于a，b的迟滞逆模型

和

的建模数据。

通过对迟滞模型x(a，b)的实验数据和迟滞逆模型的建模数据进行回归分析，可以得到硅压力传感器的迟滞模型和用于迟滞误差补偿的逆模型。常用的回归分析方法有二次曲面回归分析方法、神经网络等方法。为了提高回归分析建立的模型精度，兼顾建模效率，本发明采用支持向量机的方法对建模数据进行回归分析。支持向量机(Support VectorMachine，简称SVM)是一种基于统计学习理论的机器学习算法。它是建立在统计学习理论和结构风险最小原理基础上，根据有限的样本信息在模型的复杂性和学习能力之间寻求最佳折衷，以期获得最好的推广能力的机器学习算法，能够保证所得到解是全局最有解。支持向量机在解决小样本、非线性问题中表现出特有的优势。

图5是本发明使用的支持向量机的结构，支持向量机的数学模型对训练样本进行数据拟合时，用下式表示。

$x\left(Y\right)=\underset{i}{\overset{n}{\mathrm{\Σ}}}{\mathrm{\α}}_{i}K(Y,Y_i)+\mathrm{\β}$

其中，Y为被测试的输入向量；

n为支持向量的数量，即样本数量；

Y_i为支持向量，即由训练样本构成的向量。(i＝1，2，...，n)；

x(Y)为与Y对应的输出量；

α_i为与权值系数相对应的拉格朗日乘子。(i＝1，2，...，n)；

β为阈值；

K(x_i，x)为支持向量机的核函数。

支持向量机有多种形式的核函数，例如：线性核函数、多项式核函数和径向基核函数等核函数。本发明的支持向量机回归模型使用径向基核函数，因为径向基核函数是产生的偏差较小。径向基核函数如下式所示

$K(Y,Y_i)=e^{-\frac{{\left|\right|Y-Y_i\left|\right|}^2}{2p^2}}$

其中，||Y-Y_i||表示输入向量与支持向量取差后求模；

p为核函数参数，调整p可改善支持向量机的测量精度。

学习参数：核函数参数p、不敏感损失函数ε和惩罚因子C的选择对于支持向量机的训练效率和数据拟合精度有很大的影响。实际应用中，参数的确定方法主要有经验确定和网格搜索。作者通过对样本进行多次训练和比较，最终选择参数为：

核函数参数p＝5；

不敏感损失函数参数ε＝0.0001；

惩罚因子C＝1000；

将建模数据构成的学习样本作为支持向量，一次全部输入构成支持向量机，然后将训练样本中的每一个输入向量依次输入支持向量机进行训练；基于训练样本及结构风险最小原则，求解出SVM结构参数，使输出向量与训练样本中的期望输出向量的偏差最小，此时，支持向量机的训练结束。最后得到满足误差要求的基于训练样本的支持向量机的结构参数：权值系数α₁，α₂，...，α_n和阈值β。

采用上述结构和参数的支持向量机建立用于迟滞误差补偿的模型如下：

当压力在加载过程中，用于迟滞误差补偿的迟滞逆模型为

$a_n=\underset{i=1}{\overset{45}{\mathrm{\Σ}}}{\mathrm{\α}}_i\·e^{-\frac{{\left|\right|Y-Y_i\left|\right|}^2}{50}}$

其中，α_n为经过迟滞误差补偿的当前的压力值P′_n，当前压力处于加载过程；

Y为输入向量，由当前的极值压力增量所对应的电压ΔV_n和前一个极值压力P_n-1组成，即Y＝(ΔV_n，P_n-1)，其中ΔV_n＝Vp_n-Vp_n-1；

Y_i为支持向量，即由训练样本构成的向量，即Y_i＝(x_i(a_i，b_i)，b_i)，(i＝1，2，...，45)；

α_i为经过训练得到的支持向量机的权值系数(i＝1，2，...，45)，权值系数(α₁，α₂，...，α₄₅)＝

(-2.6512  -16.9909  -3.8090  62.4542  28.7184  8.5403  -121.7887-70.8702  -26.0235  -12.2707

182.5700  122.7173  64.4205  44.4448  33.8128  -193.8146  -147.9245-90.5564  -68.5294  -60.2854

-27.1669  189.9419  146.2461  112.2237  83.7839  86.4418  64.3222  48.3573-124.0973  -106.7623

-84.5529  -67.1388  -63.9511  -65.9918  -55.2276  -21.8993  72.0294  50.453152.5182  43.0396

40.8106  44.0773  48.0054  27.7502  38.5530)

阈值β＝0

当压力在卸载过程中用于迟滞误差补偿的迟滞逆模型

为

$b_n=\underset{i=1}{\overset{45}{\mathrm{\Σ}}}{\mathrm{\α}}_i\·e^{-\frac{{\left|\right|Y-Y_i\left|\right|}^2}{50}}$

其中，b_n为经过迟滞误差补偿的当前的压力值P′_n，当前压力处于卸载过程；

Y为输入向量，由当前的极值压力增量所对应的电压ΔV_n和前一个极值压力P_n-1组成，即Y＝(ΔV_n，P_n-1)，其中ΔV_n＝Vp_n-Vp_n-1；

Y_i为支持向量，即由训练样本构成的向量，即Y_i＝(x_i(a_i，b_i)，a_i)，(i＝1，2，...，45)；

α_i为经过训练得到的支持向量机的权值系数(i＝1，2，...，45)，权值系数(α₁，α₂，...，α₄₅)＝

(-2.7459  -11.0461  12.1109  -6.2765  11.6702  -2.7377  -18.6998  35.3271-37.7082  22.8823

-5.8964  15.5362  -11.6501  7.9822  8.0876  -28.7951  59.5846-82.8821  81.8036  -53.0894

21.1136  -30.2184  88.5497  -124.8046  143.7415  -94.2631  36.5565  13.2669-74.1277  216.7344

-415.9337  528.2465  -564.6080  425.8700  -171.0906  43.4731  -18.934981.7430  -173.8384  239.6889

-208.0146  157.9626  -57.5958  8.9726  37.1454)

阈值β＝0

信号处理接口方法的目的是联接迟滞误差补偿方法和温度补偿方法，同时对经过迟滞误差补偿、但未经过温度补偿的压力信号进行温度校正。信号处理接口方法中的压力信号Vpm关于压力P和温度T的函数模型Vpm＝f(P’，Vt)是建立在硅压力传感器关于压力P和温度T的压力测量信号Vp-温度信号Vt标定实验数据基础上，通过回归分析方法得到的。

图6是硅压力传感器关于压力P和温度T的实验数据绘制图。实验的具体过程如下：实验仪器主要有：压力传感器标定工作台、恒流源、温控箱和高精度数字万用表，参照JB/T 10524-2005机械行业标准进行实验。实施例中用的硅压阻式压力传感器的量程为40Mpa，将硅压阻式压力传感器装入温控箱中，在温度分别为20℃、30℃、40℃、50℃、60℃、65℃的条件下进行压力传感器的压力-BD端电压-AC端电压的测量、记录。压力量程为0～40Mpa，在0Mpa、5Mpa、10Mpa、15Mpa、20Mpa、25Mpa、30Mpa、35Mpa、40Mpa这九点处记录电压输出值。压力传感器的加载过程为从0Mpa逐渐加载到满量程40Mpa，然后再从满量程逐渐递减到0Mpa。最后，得到实验数据：压力P-温度T-压力测量信号Vp-温度信号Vt。因为迟滞的存在，所以在相同温度、相同压力时正、反行程的压力测量信号Vp不同。因此，将在相同温度、相同压力时正、反行程的的压力信号Vp取平均值，得到压力信号Vpm，压力信号Vpm与压力P是一种一一映射关系。

从硅压力传感器关于压力P和温度T的实验数据中得到建模数据：压力信号Vpm-压力信号P-温度信号Vt，通过对这些数据进行回归分析，得到压力信号Vpm关于压力信号P和温度信号Vt的函数模型Vpm＝f(P’，Vt)。本发明中使用二次曲面回归分析建立压力信号Vpm关于压力信号P和温度信号Vt的函数模型Vpm＝f(P’，Vt)，函数模型如下式所示：

Vpm＝-5.4969×10^-6+0.7526×P+0.8192·Vt+4.8869×10^-4·P²-0.02361·P·Vt-0.03881·Vt²

利用压力信号Vpm关于压力信号P和温度信号Vt的函数模型，由未经温度补偿的压力值P’和温度信号Vt处理得到经过温度校正的压力信号Vpm。

所述的温度补偿方法是：在硅压力传感器关于压力P和温度T的压力测量信号Vp-温度信号Vt标定实验数据基础上，通过二次曲面回归分析方法建立压力P关于压力信号Vpm-温度信号Vt的函数模型P＝g(Vpm，Vt)和温度T关于压力信号Vpm-温度信号Vt的函数模型T＝q(Vpm，Vt)；利用压力P函数模型P＝g(Vpm，Vt)和温度T函数模型T＝q(Vpm，Vt)，将压力信号Vpm和温度信号Vt处理为：经过温度补偿和非线性误差补偿的压力信号P和温度信号T。

温度补偿方法需要使用压力P函数模型P＝g(Vpm，Vt)和温度T函数模型T＝q(Vpm，Vt)。这些函数模型都是建立在硅压力传感器关于压力P和温度T的压力测量信号Vp-温度信号Vt标定实验数据基础上，这个实验与信号处理接口方法中的硅压力传感器关于压力P和温度T的压力测量信号Vp-温度信号Vt标定实验完全相同。从实验数据：压力P-温度T-压力测量信号Vp-温度信号Vt中，可以分别得到建模数据：(压力P-压力信号Vpm-温度信号Vt)和(温度T-压力测量信号Vp-温度信号Vt)。对这些实验数据进行二次曲面回归分析方法，分别建立压力P关于压力信号Vpm-温度信号Vt的函数模型P＝g(Vpm，Vt)和温度T关于压力信号Vpm-温度信号Vt的函数模型T＝q(Vpm，Vt)，函数模型如下式所示。

压力P关于压力信号Vpm-温度信号Vt的函数模型P＝g(Vpm，Vt)：

P＝-117.758+1.335×Vpm+45.134×Vt-0.00128×Vpm²+0.0477×Vpm·Vt-4.5113×Vt²

温度T关于压力信号Vpm-温度信号Vt的函数模型T＝q(Vpm，Vt)：

T＝2693.282-1.3888×Vpm-1182.152×Vt+0.00103×Vpm²+0.2441×Vpm·Vt+130.1434×Vt²

利用压力P函数模型P＝g(Vpm，Vt)和温度T函数模型T＝q(Vpm，Vt)，将压力信号Vpm和温度信号Vt处理为：经过温度补偿和非线性误差补偿的压力信号P和温度信号T。

下面是为了检验本发明高精度压力传感器信号补偿方法而做的两个实施例。实施例1：迟滞误差补偿实验是在温度不变的条件下检验迟滞误差补偿效果而做的实验。实施例2：迟滞误差补偿和温度补偿实验是在温度改变的条件下做的实验。实验仪器主要有：活塞式压力计、恒流电源、温度控制箱和高精度数字万用表。实施例中使用的硅压力传感器的量程为0～40Mpa。在室温26℃，湿度56％RH条件下，参照JB/T 10524-2005机械行业标准进行试验。

实施例1：迟滞误差补偿实验

为了检验本发明高精度压力传感器信号补偿方法的迟滞补偿效果，采用如图7所示的压力极值序列作为输入压力，传感器所在温控箱的温度为30℃。将输出电压作为输入信号，分别用本发明高精度压力传感器信号补偿方法和未经迟滞补偿方法进行计算和比较，误差比较如图8所示。其中，实线为本发明方法的误差，虚线为非迟滞补偿方法的误差。误差值分析比较如表1所示。

表1

误差比较	误差平均值	误差的均方根植
			经过迟滞误差补偿	-0.0247	0.0675
未经迟滞误差补偿	0.0505	0.4252

由试验结果对比可知，经迟滞补偿后的压力值的误差明显小于未经迟滞补偿的压力值误差。因此，对于硅压力传感器的迟滞误差，使用本发明高精度压力传感器信号补偿方法是有效的。

实施例2：迟滞误差补偿和温度补偿实验

为了检验本发明高精度压力传感器信号补偿方法整体的补偿效果，采用如图9所示的压力作为输入压力，传感器所在温控箱的温度为65℃。将输出电压作为输入信号，分别用本发明高精度压力传感器信号补偿方法和非线性误差补偿方法进行计算和比较，误差比较如图10所示。其中，实线为本发明方法的误差，虚线为非线性误差补偿方法的误差。误差值分析比较如表2所示。

表2

误差比较	误差平均值	误差的均方根植
			经过迟滞、非线性误差补偿和温度补偿	-0.1006	0.0739
经过非线性误差补偿	-0.1396	0.4744

由试验结果可知，经迟滞、非线性误差补偿和温度补偿后的压力值的误差得到明显的减小，本发明高精度压力传感器信号补偿方法是有效的。

以上内容是结合具体的优选实施方式对本发明所作的进一步详细说明，不能认定本发明的具体实施方式仅限于此，对于本发明所属技术领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干简单的推演或替换，都应当视为属于本发明由所提交的权利要求书确定专利保护范围。

Claims (4)

1.一种高精度压力传感器信号补偿方法，其特征在于，按照如下步骤：

(1)硅压力传感器测量得到压力测量信号Vp和温度测量信号Vt；压力测量信号Vp依次经信号放大电路和A/D转换电路后进入DSP数据采集补偿电路；温度测量信号Vt经A/D转换电路后进入DSP数据采集补偿电路；

(2)在DSP数据采集补偿电路中，采用迟滞误差补偿方法将压力测量信号Vp转化为消除迟滞误差的压力值P’；

(3)在DSP数据采集补偿电路中，采用信号接口处理方法对压力值P’进行温度校正，得到经过温度校正后的压力信号Vpm；

(4)在DSP数据采集补偿电路中，采用温度补偿方法，由经过温度校正的压力信号Vpm和温度信号Vt得到经过温度补偿和非线性误差补偿的压力信号P和温度信号T。

2.如权利要求1所述高精度压力传感器信号补偿方法，其特征在于，所述迟滞误差补偿方法是指：

首先，用压力测量信号Vp的极值序列Vp1、Vp2、…、Vpn表示压力；其次，判断压力处在加载过程还是卸载过程；然后分别利用迟滞逆模型

或

对压力测量信号Vp的极值序列Vp1、Vp2、…、Vpn进行处理，得到经过迟滞误差补偿的压力信号P’的序列P′₁，P′₂，...，P′_n；

当压力在加载过程中，用于迟滞误差补偿的迟滞逆模型为

$a_n=\underset{i=1}{\overset{45}{\mathrm{\Σ}}}{\mathrm{\α}}_i\·e^{-\frac{{\left|\right|Y-Y_i\left|\right|}^2}{50}}$

其中，a_n为经过迟滞误差补偿的当前的压力值P′_n，当前压力处于加载过程；

Y为输入向量，由当前的极值压力增量所对应的电压ΔV_n和前一个极值压力P_n-1组成，即Y＝(ΔV_n，P_n-1)，其中ΔV_n＝Vp_n-Vp_n-1；

Y_i为支持向量，即由训练样本构成的向量，即Y_i＝(x_i(a_i，b_i)，b_i)，(i＝1，2，...，45)；α_i为经过训练得到的支持向量机的权值系数i＝1，2，...，45；

当压力在卸载过程中用于迟滞误差补偿的迟滞逆模型为

$b_n=\underset{i=1}{\overset{45}{\mathrm{\Σ}}}{\mathrm{\α}}_i\·e^{-\frac{{\left|\right|Y-Y_i\left|\right|}^2}{50}}$

其中，b_n为经过迟滞误差补偿的当前的压力值P′_n，当前压力处于卸载过程；

Y为输入向量，由当前的极值压力增量所对应的电压ΔV_n和前一个极值压力P_n-1组成，即Y＝(ΔV_n，P_n-1)，其中ΔV_n＝Vp_n-Vp_n-1；

Y_i为支持向量，即由训练样本构成的向量，即Y_i＝(x_i(a_i，b_i)，a_i)，i＝1，2，...，45；α_i为经过训练得到的支持向量机的权值系数i＝1，2，...，45。

3.如权利要求1所述高精度压力传感器信号补偿方法，其特征在于，所述信号处理接口方法是指：利用压力信号Vpm关于压力P和温度T的函数模型Vpm＝f(P’，Vt)，由未经温度补偿的压力信号P’和温度测量信号Vt处理得到经过温度校正的压力信号Vpm；函数模型Vpm＝f(P’，Vt)如下式所示：

Vpm＝-5.4969×10^-6+0.7526×P+0.8192·Vt+4.8869×10^-4·P²-0.02361·P·Vt-0.03881·Vt²。

4.如权利要求1所述高精度压力传感器信号补偿方法，其特征在于，所述温度补偿方法是指：利用压力P关于压力信号Vpm-温度信号Vt的函数模型P＝g(Vpm，Vt)和温度T关于压力信号Vpm-温度信号Vt的函数模型T＝q(Vpm，Vt)，将压力信号Vpm和温度测量信号Vt处理为：经过温度补偿和非线性误差补偿的高精度的压力信号P和温度信号T；

压力P关于压力信号Vpm-温度信号Vt的函数模型P＝g(Vpm，Vt)：

P＝-117.758+1.335×Vpm+45.134×Vt-0.00128×Vpm²+0.0477×Vpm·Vt-4.5113×Vt²

温度T关于压力信号Vpm-温度信号Vt的函数模型T＝q(Vpm，Vt)：

T＝2693.282-1.3888×Vpm-1182.152×Vt+0.00103×Vpm²+0.2441×Vpm·Vt+130.1434×Vt²。

Images