CN101592540A - 传感器处理方法 - Google Patents

Abstract

本发明涉及传感器处理方法。压力传感器和方法，其中谐振压力换能器具有随施加的压力P和温度T而改变的频率F。温度传感器测量温度T。存储器包括存储于其中的、对应于在不同的施加的压力和温度下的传感器频率F的数据点。处理器被配置成根据数据点生成若干多项式，以及计算当换能器频率是Fμ时在Tμ下的Pμ。

Description

传感器处理方法

技术领域

本发明涉及传感器，在一个例子中，涉及压力传感器(pressuresensor)。

技术背景

传感器必须被校准。在一个例子中，压力指示器包括谐振压力换能器(resonant pressure transducer)，其频率随施加的压力而改变。然而，传感器输入(压力)与传感器输出(频率改变)之间的关系不是线性的。而且，谐振频率也作为温度的函数而改变。因此，压力指示器典型地包括温度传感器，并且温度和频率信号这二者被输入到微处理器。校准和补偿数据被存储在链接到微处理器的存储器(即，EEPROM)中。

在校准期间，若干已知的压力在若干已知的温度下被施加到传感器。被编程为应用各种曲线拟合技术的微处理器然后计算校准数据，并把它以以下形式存储在存储器中：

P＝f(F，T)    (1)

其中F是频率，P是压力，并且T是温度。在一个例子中，

P＝a₀+b₀.F+c₀.F²+d₀.F³+

   a₁.T+b₁.F.T+c₁.F².T+d₁.F³.T+

   a₂.T²+b₂.F.T²+c₂.F².T²+d₂.F³.T²+

   a₂.T³+b₃.F.T³+c₃.F².T³+d₃.F³.T³

这里，系数a₀...d₃是根据校准数据来计算的，它们被使用来对F和T与输出P的关系进行近似(approximate)。可以使用诸如根据指定数目的数据点的最小二乘拟合(least square fit)或准确拟合(exact fit)之类的线性近似方案。

当在现场使用传感器时，微处理器记录换能器的温度和频率，并根据公式(2)来计算压力读数。

对于高准确度使用，这个方案具有多个局限性。

首先，多项式拟合依赖于所选择的多项式的阶(order)。较高阶的多项式提供较好的拟合，但大大地增加计算负担，这限制了计算的速度和准确度。

第二，高阶多项式有出名的不良表现，并呈现出在原始数据中未发现的振荡特性(oscillatory characteristic)。

第三，在原始数据的边界处的估计(estimation)很差，在原始数据的边界以外极端发散。

也可以使用诸如Bezier曲线和Hermite Spline之类的其它方法来克服多项式的某些异常的表现。然而，这样的方法牵涉到很大的计算负担，因此限制了它们在其中计算能力是有限的系统中的有用性。

也曾使用三次样条(Cubic spline)技术来拟合数据。这样的方法具有优点：曲率被控制，以避免急剧的过渡(sharp transition)。然而，这样的方法依赖于曲率约束条件和端点特性的现有知识，其常常是未知的或太易变的，从而在得到的拟合中产生在测量数据中没有出现的错误。而且，计算的复杂性也很大。

在现有技术中，所涉及的计算需要使用双精度浮点运算来保持计算误差低于1ppm。仅仅这一点就几乎四倍于(quadruple)基于小型微处理器的系统的计算负荷。

发明内容

本发明的特征在于用于压力传感器的新的处理方法。传感器的压力和温度的影响通过使用校准点和效率很高且准确的算法而被校正。该方法允许快速和准确地确定传感器的输出，以及避免对于双精度浮点计算的需要。该方法使得舍入误差最小化，从而引起更快速的信号处理，并引起更低的功耗。本发明的特征还在于包含以上讨论的方法的压力传感器。而且，方法可以与其它类型的传感器一起使用。

一方面，本发明的特征在于感测压力的方法。该方法包括：使具有根据传感器的频率F和温度T而变化的输出P的压力传感器经受若干不同的温度和施加的压力，确定在不同的温度和施加的压力下传感器的频率F，和收集表示此关系的数据点，以及根据数据点并且在每个不同的温度下，生成若干多项式P＝f(F)和T＝f(F)。传感器然后被用来感测在温度Tμ下在传感器具有频率Fμ时的未知压力P。从所生成的多项式中选择包围(surround)Tμ和Fμ的若干多项式。针对Fμ求那些多项式的值，以便计算用于P＝f(Fμ)和T＝f(Fμ)的值。根据所计算的值，生成多项式P＝f(T)，并针对Tμ求解该多项式以便输出Pμ。

在一个例子中，生成多项式包括采用牛顿法。所生成的多项式可以被存储，或数据点能够被存储，然后，多项式不被生成直到周围的数据点被选择。求解Pμ＝f(T)可以包括使用Lagrange方法。

本发明的特征还在于压力传感器，包括其频率F随施加的压力P和温度T而改变的谐振压力换能器、用于测量温度T的温度传感器、和存储器，该存储器包括存储于其中的、对应于在不同的施加的压力和温度下的传感器频率F的数据点。处理器被配置成根据数据点生成若干多项式P＝f(F)和T＝f(F)，以及计算当换能器频率是Fμ时在Tμ下的Pμ。从所生成的多项式中选择包围Tμ和Fμ的多项式，针对Fμ求所选择的多项式的值，以便计算用于P＝f(Fμ)和T＝f(Fμ)的值，针对所计算的值生成多项式P＝f(T)，并针对Tμ求解Pμ＝f(T)。处理器然后输出Pμ。

更一般地，本发明的特征在于根据两个测量的参数X和Y来确定未知的参数Z的方法。优选的方法包括确定在不同的X和Y值时的Z，和收集表示此关系的数据点。根据数据点，生成若干多项式Z＝f(X)和X＝f(Y)。确定在Xμ和Yμ下的未知的参数Zμ。从所生成的多项式中选择包围Xμ和Yμ的多项式。针对Yμ求所选择的多项式的值，以便计算用于Z＝f(Yμ)和X＝f(Yμ)的值。根据所计算的值，生成多项式X＝f(X)。针对Xμ求解Zμ＝f(X)，并输出Zμ。

根据本发明的传感器系统的特征在于具有随参数Z和参数X而改变的参数Y的传感器。设备测量参数X。存储器包括存储于其中的、对应于在Z和X的不同值下的参数Y的值的数据点。处理器被配置成根据数据点生成若干多项式，以及计算当传感器测量值Yμ时在Xμ下的Zμ。选择包围Yμ和Xμ的多项式，并针对Yμ求所述多项式的值，以便计算用于Z＝f(Yμ)和X＝f(Yμ)的值。针对所计算的值生成多项式Z＝f(X)，并针对Xμ求解Zμ＝f(X)。

然而，在其它实施例中，本发明不需要实现所有的这些目的，以及本发明的权利要求不应当限于能够实现这些目的的结构或方法。

附图说明

根据以下对优选实施例和附图的说明，本领域技术人员将会明白其它目的、特征和优点，其中：

图1示出根据本发明收集的校准数据点的例子；

图2示出根据本发明如何计算多项式；

图3示出根据本发明六个点如何从四个相邻的数据点创建三个三次多项式；

图4示出最准确的估计是如何处在由创建多项式的两个最中心(centermost)的点所限制的区域中；

图5示出根据本发明四个周围的组(surrounding set)如何提供四个压力阀(valves of pressure)和四个温度阀；以及

图6是示出根据本发明的、与传感器的例子相关联的主要部件的高度示意性的框图。

具体实施方式

除了下面公开的优选实施例以外，本发明还能够实施其它实施例，和能够以各种不同的方式被实践或实施。因此，应当理解的是，本发明在其应用中不限于在以下的说明中阐述的或在附图上图示的结构细节和部件布置。如果在这里仅仅描述一个实施例，则本发明的权利要求不限于该实施例。而且，本发明的权利要求不应被限制性地阅读，除非有清楚的和可信服的证据表明某些例外、限制或否认。

本发明使用简单的内插(interpolating)多项式函数，准确地表示在一维的窄范围上的函数。全范围通过提供这样的多项式的组而获得。二维内插于是通过创建若干多项式组，然后把它们组合以形成数据的统一表示来实现。

典型地，从所取的测量收集校准数据点，以用至少两个变量形成传感器特性的网格(grid)。在一个例子中，这将是在各种施加的压力(P_applied)和测试温度(T_applied)下传感器频率F和传感器温度T的测量。例如，这可以是在9个压力和5个温度下，产生45个数据点，如图1所示。对于网格没有要求等间隔或在每个维度上包含相等数目的点。事实上，可以优选地在不确定性的区域中具有更高的点密度。

这些点中的每一个与它们精确测量的P、F和T的值相关联。P和T的测量值可能与施加的值有很大的不同。

各种装置被用来拟合“n”到“n+1”阶数据点的内插多项式。这个解(solution)是唯一的，并且函数正好通过校准数据点。例如，4个点能够被用来限定图2所示的三次多项式。

对于在图1的点网格中的每一行，存在着一组表示函数的点。若干“n”阶多项式能够被拟合于(fit to)相邻的数据点。如果在所述行中的点的数目是P，则将有p-n个这样的多项式。

在这个例子中，T_applied的每个值将具有9个点(P，F，T)，从而允许针对T_applied的每个值计算一组六个三次多项式P＝f(F)。

图3示出6个点如何从4个相邻的点创建3个三次多项式。

由于多项式重叠，所以它们提供函数的若干估计。最准确的估计是在由创建如图4所示的多项式的两个最中心(centermost)的点所限制的区域内。在其中不存在选择的数据的极端(extreme)处，我们使用能被使用的最接近的多项式估计。

通过这种选择，现在有一种在由数据点所限制的范围上提供准确估计的方法。对于在原始数据中的每一行，将会有一个这样的估计。

然后针对第二变量重复该过程。在该例子中，对于T_applied的每个值，这将产生6个多项式T＝f(F)。针对所有行创建上述两个多项式组。所以在本例中，这将给出5个组，每个组包含6个多项式P＝f(F)和6个多项式T＝f(F)。

这些所有的多项式(在本例中60个)的计算，对于能够在简单传感器设备中所获得的计算能力和准确度这二者带来严重的挑战。所以，牛顿法(Newton′s method)能够被用来求解(solve)这些多项式。这个方法准确地计算多项式的牛顿形式(Newtonian form)，并且能够利用点的相邻性质来使用“牛顿三角(Newton′s Triangle)”，以便很大地降低计算要求并且增强准确度。

多项式可以被预计算和保存在存储器中。可替换地，仅限定数据点(defining data point)可被保存在存储器中，并且多项式计算被延迟，直至需要计算为止。对于第一种方法，存在着与原始数据点的行/列的阶相关的30个多项式的两个表(其中将有6×5个多项式，即，5个组每个组包含6个多项式，而不是9×5个多项式)。

在其中压力传感器在温度Tμ下受到压力P的场合下，换能器的频率是F。为了在任何点Fμ，Tμ处求函数P的值(evaluate the function P)，选择包围该点的多项式组。这些多项式(或它们的限定点)的选择是通过使用对保存在存储器中的数据点表的简单搜索来完成的。对于未知的Tμ和Fμ，搜索多项式的表，以便找出包围未知项的多项式。在例子中，对于三次拟合需要四个多项式，这样在任一侧有两个多项式。对于第二方法，仅仅存储原始数据。所以，不用找出包围Tμ和Fμ的四个多项式，而是对限定那些多项式的所有的点进行定位。这将是包围Tμ和Fμ的16个点的集合(collection)。三次函数适合于P随T的可变性(variability of P withT)，所以对于任何给定点，选择包围该点的四个最接近的组。

这些多项式组中的每一个现在可以通过使用在预计算的牛顿多项式(Newtonian polynomial)中的代入(substitution)来被求值，以针对Fμ的给定值给出P和T值。可替换地，能够采用使用Lagrange方法(Lagrange′s method)的原始数据点的组合的内插和求值。在这种情形下，16个原始数据点将被选择，以便创建四个多项式。

在我们的例子中，四个周围的组针对给定值Fμ提供了四个P值和四个T值，如图5所示。

这四个新的点限定了三次多项式函数P＝f(T)，其然后能够在Tμ的给定值下被求值，以提供最后的输出P。

因为对于最后的多项式而言只需要一次求值，所以使用Lagrange方法组合内插和求值操作这二者是有利的。这比起分开创建多项式并求它的值，具有较低的计算要求和较高的准确度。

正如所显示的，Lagrange和牛顿法可被用来大大地减小所需要的计算能力。牛顿法允许以准确且高效的方式预计算所有的多项式，只留下使用Lagrange方法求这些多项式中的m+1个多项式的值和最后的内插。

可替换地，为了节省存储器，可以只存储原始数据点。Lagrange方法然后可被用来组合内插和求值这二者。

图6示出具有输出P的压力传感器10和当受到不同的压力时生成不同的频率F的换能器12。温度传感器14测量温度T。处理器16响应于F和T这二者，并被配置成(例如)被编程为按照以上讨论的方法运行。EEPROM 18(或某个其它存储器)存储如以上参照图1讨论的在不同的温度T下的F和P的值。当换能器12在温度Tμ下受到压力Pμ并且呈现频率Fμ时，处理器16输出Pμ(例如，到显示器)。上述方法通过使用单精度浮点计算产生优于1ppm的准确度。

但是，本发明不限于压力换能器，上述的方法能够与其它类型的传感器一起使用。一般地，假设已经从测试或校准测量收集到数据。该数据具有形式(X，Y，Z)。例如，考虑在不同的施加的压力和温度的范围上压力传感器的测试。Z是所测量的压力，X是温度传感器测量结果，并且Y是传感器的输出。

以下的过程然后将通过使用m×n阶二维多项式函数而针对X＝x和Y＝y的任何给定值准确地估计Z的值。

在步骤1，数据点(X，Y，Z)被排列成表示对于两个输入变量X和Y的Z值的网格，其中X和Y采用单调次序(monotonic order)。见图1。在步骤2，选择跨越(span)待求值的(x，y)点的(m+1)×(n+1)点矩阵。在步骤3，通过使用n+1个点(其中Z＝f(Y))来求解m+1个n阶多项式。在步骤4，通过使用n+1个点(其中X＝f(Y))来求解m+1个n阶多项式。在步骤5，针对Y＝y的输入值，求在步骤4找到的多项式的值，以便给出用于Z和X的m+1个值。在步骤6，通过使用用于Z＝f(X)的m+1个数据点来求解m阶多项式。然后，在步骤7，通过使用来自步骤6的多项式，针对X＝x的输入值求Z的值。

选择点矩阵可以通过使用数据值的搜索而被完成。这种搜索可以通过使用所建立的方法而针对效率进行优化。

步骤3和4，求解Z＝f(Y)和X＝f(Y)多项式，可以通过预计算使用牛顿形式的多项式而被优化以保留准确度和计算效率。可替换地，这些步骤和求值步骤可以通过使用Lagrange内插而被组合，以便降低存储器要求而仍旧保持准确度。最后两个步骤优选地通过使用Lagrange内插和求值而被组合。

本发明可被利用于各式各样的传感器和控制应用中。例如，在引擎控制中，通常取两个测量结果来得出第三参数。例如，RPM和歧管压力能够被使用来确定点火定时。本发明的方法能够被用在这样的应用中，并且原始数据可以是基于实验或建模的条件，并且输出通常不是指示器，而是总的系统控制函数的一部分。

因此，虽然本发明的具体的特征在某些附图上被显示和在其它附图上没有显示，但这仅仅是为了方便起见，因为每个特征可以与根据本发明的任何的或所有的其它特征相组合。正如在这里使用的词“包括”、“包含”、“具有”、和“带有”应当被广义地和全面地解译，而不限于任何物理的互连。而且，在本申请中公开的任何实施例并不当作为唯一可能的实施例。本领域技术人员将想到其它实施例，它们也在以下的权利要求范围内。

另外，在针对本专利的专利申请履行期间给出的任何修改，并不是对在提交的申请中给出的任何权利要求元素的否认：合理地预计到本领域技术人员无法草拟出将完全包括所有可能的等价物的权利要求，许多等价物在修改时将是不可预见的，并且是难以很好地解释哪些是要放弃的(如果有的话)，作为修改的基础的基本理由可能仅仅与许多等价物略微有关，和/或还有许多其它理由，不能预期申请人描述对于任何修改的权利要求元素的某些非实质的替换物。

Claims (10)

1.一种感测压力的方法，所述方法包括：

使具有根据传感器的频率F和温度T而变化的输出P的压力传感器经受若干不同的温度和施加的压力；

确定在不同的温度和施加的压力下传感器的频率F，和收集表示此关系的数据点；

根据数据点并且在每个不同的温度下，生成若干多项式P＝f(F)和T＝f(F)；

使用传感器来感测在温度Tμ下在传感器具有频率Fμ时的未知压力Pμ；

从所生成的多项式中选择包围Tμ和Fμ的多项式；

针对Fμ求所选择的多项式的值，以便针对P＝f(Fμ)和T＝f(Fμ)计算值；

根据所计算的值，生成多项式P＝f(T)；以及

针对Tμ求解Pμ＝f(T)，并输出Pμ。

2.如权利要求1所述的方法，其中生成多项式包括采用牛顿法。

3.如权利要求1所述的方法，其中所生成的多项式被存储。

4.如权利要求1所述的方法，其中数据点被存储，并且多项式不被生成直到周围的数据点被选择。

5.如权利要求1所述的方法，其中求解Pμ＝f(T)包括使用Lagrange方法。

6.一种压力传感器，包括：

谐振压力换能器，其频率F随施加的压力P和温度T而改变；

温度传感器，用于测量温度T；

存储器，包括存储于其中的、对应于在不同的施加的压力和温度下的传感器频率F的数据点；以及

处理器，被配置成：

根据数据点生成若干多项式P＝f(F)和T＝f(F)，

通过以下步骤计算当换能器频率是Fμ时在Tμ下的Pμ：

从所生成的多项式中选择包围Tμ和Fμ的多项式，

针对Fμ求所选择的多项式的值，以便针对P＝f(Fμ)和T＝f(Fμ)计算值，

针对所计算的值生成多项式P＝f(T)，以及

针对Tμ求解Pμ＝f(T)，并输出Pμ。

7.一种根据两个测量的参数X和Y来确定未知的参数Z的方法，所述方法包括：

确定在X和Y的不同值下的Z，和收集表示此关系的数据点；

根据数据点，生成若干多项式Z＝f(X)和X＝f(Y)；

确定在Xμ和Yμ下的未知的参数Zμ；

从所生成的多项式中选择包围Xμ和Yμ的多项式；

针对Yμ求所选择的多项式的值，以便针对Z＝f(Yμ)和X＝f(Yμ)计算值；

根据所计算的值，生成多项式Z＝f(X)；以及

针对Xμ求解Zμ＝f(X)，并输出Zμ。

8.如权利要求7所述的方法，其中所生成的多项式被存储。

9.如权利要求7所述的方法，其中数据点被存储，并且多项式没有被生成直到周围的数据点被选择。

10.一种传感器系统，包括：

具有随参数Z和参数X而改变的参数Y的传感器；

设备，其测量参数X；

存储器，包括存储于其中的、对应于在Z和X的不同值下的参数Y的值的数据点；以及

处理器，被配置成：

根据数据点生成若干多项式Z＝f(X)和X＝f(Y)，

通过以下步骤计算当传感器测量Yμ时在Xμ下的Zμ：

从所生成的多项式中选择包围Yμ和Xμ的多项式，

针对Yμ求所选择的多项式的值，以便针对Z＝f(Yμ)和X＝f(Yμ)计算值，

针对所计算的值生成多项式Z＝f(X)，以及

针对Xμ求解Zμ＝f(X)，以及

输出Zμ。

Images