CN117147018A - 一种压力传感器的温度补偿方法及系统 - Google Patents

一种压力传感器的温度补偿方法及系统 Download PDF

Info

Publication number
CN117147018A
CN117147018A CN202311119423.0A CN202311119423A CN117147018A CN 117147018 A CN117147018 A CN 117147018A CN 202311119423 A CN202311119423 A CN 202311119423A CN 117147018 A CN117147018 A CN 117147018A
Authority
CN
China
Prior art keywords
temperature compensation
temperature
compensation circuit
pressure sensor
norm
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN202311119423.0A
Other languages
English (en)
Inventor
陈雪野
石慧杰
李剑斌
何迎辉
金忠
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
CETC 48 Research Institute
Original Assignee
CETC 48 Research Institute
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by CETC 48 Research Institute filed Critical CETC 48 Research Institute
Priority to CN202311119423.0A priority Critical patent/CN117147018A/zh
Publication of CN117147018A publication Critical patent/CN117147018A/zh
Pending legal-status Critical Current

Links

Classifications

    • GPHYSICS
    • G01MEASURING; TESTING
    • G01LMEASURING FORCE, STRESS, TORQUE, WORK, MECHANICAL POWER, MECHANICAL EFFICIENCY, OR FLUID PRESSURE
    • G01L1/00Measuring force or stress, in general
    • G01L1/20Measuring force or stress, in general by measuring variations in ohmic resistance of solid materials or of electrically-conductive fluids; by making use of electrokinetic cells, i.e. liquid-containing cells wherein an electrical potential is produced or varied upon the application of stress
    • GPHYSICS
    • G01MEASURING; TESTING
    • G01LMEASURING FORCE, STRESS, TORQUE, WORK, MECHANICAL POWER, MECHANICAL EFFICIENCY, OR FLUID PRESSURE
    • G01L19/00Details of, or accessories for, apparatus for measuring steady or quasi-steady pressure of a fluent medium insofar as such details or accessories are not special to particular types of pressure gauges
    • G01L19/04Means for compensating for effects of changes of temperature, i.e. other than electric compensation

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Measuring Fluid Pressure (AREA)

Abstract

本发明公开了一种压力传感器的温度补偿方法及补偿系统,补偿方法采用恒流源温度补偿电路或者恒压源温度补偿电路来实现温度的补偿,其中通过多目标粒子群优化算法搜寻温度补偿电路中的温度补偿电阻值,并且在补偿电路输出结果后,通过基于二维插值计算的输出校正算法对输出结果进行校正。本发明能够减少产品小型化难度,同时降低传感器生产成本,提高温度补偿精度。

Description

一种压力传感器的温度补偿方法及系统
技术领域
本发明主要涉及压力测量技术领域,具体涉及一种压力传感器的温度补偿方法及系统。
背景技术
压力传感器是使用最为广泛的一种传感器,通常由压力敏感元件和信号处理单元组成,现广泛用于各行各业。由于压力传感器的压力检测和输出校正依赖于电阻,同时温度是影响电阻阻值的关键因素,因此温度补偿技术是压力传感器的核心技术。
现有温度补偿技术有如下几种:
1、为实现压力传感器的高精度温度补偿,现有技术通常会在传感器信号处理单元内置一个温度测量模块。温度测量模块本质为温度传感器,该模块的引入,不仅会增大传感器的体积,增加小型化难度,还会提高传感器生产成本。
2、为实现压力传感器的输出校正,补偿温度的影响,现有技术一般会选用神经网络相关算法作为校正算法,将传感器输出和温度作为神经网络输入,将理想的传感器输出作为神经网络输出。该算法的高精准依赖于大量的试验数据。由于每个压力传感器的压力敏感元件静态性能有区别,受温度的影响均不一致,因此需单独建立每一个传感器的校正算法模型。同时在标定传感器输出和温度的试验中,由于有温度因素,为保障传感器输出的一致性,每次试验往往需要2h左右的时间才能让传感器的输出稳定。大量的试验数据、每支传感器独立的校正算法模型和较长的试验时长,这三个因素使得采用神经网络相关算法作为传感器输出校正算法需要大量的时间、人力和物力。
3、压力传感器的补偿电阻一般并联或串联于电阻桥臂上。传感器具有多个与温度有关的性能指标,因此补偿电阻通常有两组及以上,需要针对不同温漂指标,分别进行补偿。现有补偿方法一般是人为补偿,技术人员根据各温度点下的桥阻,计算不同补偿电阻下的多个温漂指标,再进行高低温平衡反复修正。由于各温漂指标与各补偿电阻组相互耦合,改变其中一个电阻会影响多个温漂指标,因此这个阶段的温度补偿计算通常会消耗大量的人力,同时最终的计算修正结果往往不是该传感器最优的补偿方案。
发明内容
本发明要解决的技术问题就在于:针对现有技术存在的技术问题,本发明提供一种减少产品小型化难度,降低传感器生产成本,同时提高温度补偿精度的压力传感器的温度补偿方法及系统。
为解决上述技术问题,本发明提出的技术方案为:
一种压力传感器的温度补偿方法,采用恒流源温度补偿电路或者恒压源温度补偿电路来实现温度的补偿,其中通过多目标粒子群优化算法搜寻温度补偿电路中的温度补偿电阻值。
优选地,以恒流源温度补偿电路为例,所述补偿电路包括由压力敏感电阻R1~R4构成的惠斯通电桥,其中惠斯通电桥的一对顶点构成信号输入端,另一对顶点构成信号输出端;其中电阻R1上并联有温度补偿电阻Rp1,电阻R4上并联有温度补偿电阻Rp2,信号输入端并联有温度补偿电阻Rp3;通过温度补偿电阻Rp1-Rp3平衡高低温度点下的热零点漂移N和热灵敏度漂移M。
优选地,高低温下的N和M的关系式为:
其中下标l和h分别代表该参数处于低温和高温环境;R1l,R2l,R3l,R4l分别代表电阻R1~R4处于低温环境下的电阻值;R1h,R2h,R3h,R4h分别代表电阻R1~R4处于高温环境下的电阻值;Nl和Ml分别代表低温环境下的热零点漂移和热灵敏度漂移;Nh和Mh分别代表高温环境下的热零点漂移和热灵敏度漂移。
优选地,通过温度补偿电阻Rp1-Rp3平衡高低温度点下的热零点漂移N和热灵敏度漂移M的具体过程为:
设目标函数Z1(xi)、Z2(xi)、Z3(xi)分别为:
其中n代表粒子群数量;
同时为保证三个目标函数之间的均衡性,对每个目标值进行归一化处理,保证各目标的客观性;个体x的归一化目标函数设为:
其中,Zmax和Zmin分别为当前种群中所有个体目标函数的最小值与最大值;Zj,norm代表各粒子的三个目标函数Z1(xi)、Z2(xi)、Z3(xi)的归一化目标函数,其中j∈(1,2,3);经过归一化之后,目标值Zj,norm的取值范围均为[0,1]。
优选地,通过多目标粒子群优化算法搜寻温度补偿电路的温度补偿电阻值的具体过程为:
假设决策空间中,粒子群规模为n,当前进化次数为t,种群中第i个粒子的位置为xi(t)=[xi,1(t),xi,2(t),xi,3(t)],第i个粒子的速度为:gbesti(t)=[gi,1(t),gi,2(t),gi,3(t)],粒子i的历史最优位置为pbesti(t)=[pi,1(t),pi,2(t),pi,3(t)];粒子i在下一次进化后,速度、位置更新公式为:
式中,r1和r2是分布于[0,1]区间的随机数,以增加算法的随机性;vi(t)为粒子i于t时刻的速度;xi(t)为粒子i于t时刻的位置;c1和c2为在[0,2]的加速度常数,用来控制学习时长;ω为惯性权重,负责调节上次速度对当前速度的影响程度。
优选地,在温度补偿电路输出结果后,通过基于二维插值计算的输出校正算法对输出结果进行校正。
优选地,以恒流源温度补偿电路为例,选取恒流源温度补偿电路的电流It作为温度影响因子;在输出恒定的情况下,电流It只受传感器内部温度的影响;为增大参数的灵敏度,将It和uout归一化处理为It,norm和uout.norm,具体如下所示:
下标min和max分别代表该参数在指定温度区间的最小值和最大值;It,norm和uout.norm分别为It和uout的归一化参数,其范围区间为[0,1]。
理想的传感器输出U不受温度的影响,与外部环境压力P存在线性关系;因此设插值关系式为:
U(p)=g(uout,norm,It,norm) (6)
由于传感器输出的线性度受温度的影响,根据传感器需求的温度工作区间,可自行设定A个It,norm区间,以及B个uout,norm区间,因此得插值点如下:
本发明还公开了一种压力传感器的温度补偿系统,包括温度补偿电路和温度补偿电阻值搜寻模块,所述温度补偿电路用于实现温度的补偿;所述温度补偿电阻值搜寻模块用于通过多目标粒子群优化算法搜寻温度补偿电路的温度补偿电阻值。
优选地,所述温度补偿电路包括恒流源温度补偿电路或者恒压源温度补偿电路。
优选地,还包括校正模块,用于在温度补偿电路输出结果后,通过基于二维插值计算的输出校正算法对输出结果进行校正。
与现有技术相比,本发明的优点在于:
本发明采用恒流源电流或恒压源电压间接反映温度,替代温度测量模块,不仅减少产品小型化难度,同时降低传感器生产成本;由于恒流源电流或恒压源电压的值不仅受外部环境温度的影响,还受传感器内部工作热量的影响,因此能稳定的反映传感器内部环境温度变化。
本发明采用基于多目标粒子群优化算法搜寻温度补偿电阻,可减少因各温漂指标与各补偿电阻组相互耦合需求的大量人力。由于三个电阻Rp1、Rp2和Rp3对N和M的影响侧重点不同,Rp1和RP2对漂移量的影响相反,RP3主要影响热灵敏度漂移,因此在该问题中采用多目标粒子群算法不会出现局部最优的情况,而采用人工计算温度补偿电阻往往不是最优补偿方案。
本发明基于二维插值计算的输出校正算法灵活性比神经网络强。神经网络的训练需要大量的试验数据,但插值计算最少仅需要4个插值点。由于插值计算的精度与插值点数量有关,有利于技术人员根据实际精度需求合理设置插值点数量进行传感器标定;同时在插值数据足够的情况下,二维插值计算精度比神经网络精度更高。
附图说明
图1为本发明的温度补偿系统在具体应用时的实施例图。
图2为本发明的恒流源温度补偿电路在实施例的电路原理图。
图3为本发明中的多目标粒子群算法的流程图。
具体实施方式
以下结合说明书附图和具体实施例对本发明作进一步描述。
如图1所示,本发明实施例的压力传感器的温度补偿方法,采用恒流源温度补偿电路或者恒压源温度补偿电路来实现温度的补偿,其中通过多目标粒子群优化算法搜寻温度补偿电路中的温度补偿电阻值,并且在补偿电路输出结果后,通过基于二维插值计算的输出校正算法对输出结果进行校正。
如图2所示,以恒流源温度补偿电路为例,恒流源温度补偿电路包括由压力敏感电阻R1~R4构成的惠斯通电桥,电桥两端口B+和B-为该电路的信号输入端,设为Uin;两端口S+和S-为该电路的信号输出端,设为Uout;R1~R4为压力敏感元件的电阻桥,用于检测压力变化。理论上R1~R4四个压力敏感电阻应该完全一致,但实际上存在性能差异,导致高低温度点下桥阻的输出并不为零,存在热零点漂移N和热灵敏度漂移M(注:具体可参考GJB4409A-2011压力传感器通用规范)。通常于恒流源温度补偿电路会引入三个电阻Rp1、Rp2和Rp3,用于平衡高低温度点下的N和M。具体地,其中Rp1并联在电阻R1上,电阻Rp2并联在电阻R4上,电阻Rp3并联在信号输入端(B+和B-)。
结合图2的电路可知,在输入电流和高低温桥阻值确定的情况下,可解析出高低温下的N和M的关系式,可设为:
其中下标l和h分别代表该参数处于低温和高温环境;R1l,R2l,R3l,R4l分别代表电阻R1~R4处于低温环境下的电阻值;R1h,R2h,R3h,R4h分别代表电阻R1~R4处于高温环境下的电阻值;Nl和Ml分别代表低温环境下的热零点漂移和热灵敏度漂移;Nh和Mh分别代表高温环境下的热零点漂移和热灵敏度漂移。
为平衡高低温温度点下的N和M,可设目标函数为:
其中n代表粒子群数量。
同时为保证三个目标之间的均衡性,需对每个目标值进行归一化处理,保证各目标的客观性。个体x的归一化目标函数设为
其中,Zmax和Zmin分别为当前种群中所有个体目标函数的最小值与最大值;Zj,norm代表各粒子的三个目标函数Z1(xi)、Z2(xi)、Z3(xi)的归一化目标函数,其中j∈(1,2,3);经过归一化之后,目标值的取值范围均为[0,1]。
由于三个电阻Rp1、Rp2和Rp3对N和M的影响侧重点不同,Rp1和RP2对漂移量的影响相反,RP3主要影响热灵敏度漂移,因此在该问题中采用多目标粒子群算法不会出现局部最优的情况。
具体地,假设决策空间中,粒子群规模为n,当前进化次数为t,种群中第i个粒子的位置为xi(t)=[xi,1(t),xi,2(t),xi,3(t)],第i个粒子的速度为:gbesti(t)=[gi,1(t),gi,2(t),gi,3(t)],粒子i的历史最优位置为pbesti(t)=[pi,1(t),pi,2(t),pi,3(t)];粒子i在下一次进化后,速度、位置更新公式为:
式中,r1和r2是分布于[0,1]区间的随机数,以增加算法的随机性;vi(t)为粒子i于t时刻的速度;xi(t)为粒子i于t时刻的位置;c1和c2为在[0,2]的加速度常数,用来控制学习时长;ω为惯性权重,负责调节上次速度对当前速度的影响程度。
如图3所示,其中多目标粒子群算法具体流程为:
初始化粒子群位置Pt,计算目标函数值,设置初始进化代数t=1;
Pbest=Pt,获得外部存档Archive;
从Archive中根据轮盘赌策略选择拥挤密度大的粒子作为Gbest;
执行操作,获得下一代粒子群Pt+1
合并历史存档和Pt+1,从中获得新的Archive;
和粒子群Pt+1进行支配关系比较,更新Pbest;
判断t达到预定最大迭代次数/达到收敛条件?
如是,则输出外部存档Archive;否则t=t+1,重新从Archive中根据轮盘赌策略选择拥挤密度大的粒子作为Gbest,执行后续步骤。
基于二维插值计算的输出校正算法,主要用于校正传感器温度补偿后的输出uout。外部环境温度和传感器内部产生的热量都会造成传感器的输出偏离理想输出,也会影响恒流源电流和恒压源电压。
以恒流源电路为例,选取恒流源电路的电流参数It作为温度影响因子。在输出恒定的情况下,恒流源电流It只受传感器内部温度的影响。为增大参数的灵敏度,将It和uout归一化处理为Itnorm和uout.norm,具体如下所示:
下标min和max分别代表该参数在指定温度区间的最小值和最大值;It,norm和uout.norm分别为It和uout的归一化参数,其范围区间为[0,1]。
理想的传感器输出U不受温度的影响,与外部环境压力P存在线性关系。因此可设插值关系式为:
U(p)=g(uout,norm,It,norm) (6)
由于传感器输出的线性度受温度的影响,根据传感器需求的温度工作区间,可自行设定A个It,norm区间,以及B个uout,norm区间,因此可得插值点如下:
本发明采用恒流源电流或恒压源电压间接反映温度,替代温度测量模块,不仅减少产品小型化难度,同时降低传感器生产成本;由于恒流源电流或恒压源电压的值不仅受外部环境温度的影响,还受传感器内部工作热量的影响,因此能稳定的反映传感器内部环境温度变化。
本发明采用基于多目标粒子群优化算法搜寻温度补偿电阻,可减少因各温度漂移指标与各补偿电阻组相互耦合导致温度补偿的困难。由于三个电阻Rp1、Rp2和Rp3对N和M的影响侧重点不同,Rp1和RP2对漂移量的影响相反,RP3主要影响热灵敏度漂移,因此在该问题中采用多目标粒子群算法不会出现局部最优的情况,而采用人工计算温度补偿电阻往往不是最优补偿方案。
本发明基于二维插值计算的输出校正算法灵活性比神经网络强。神经网络的训练需要大量的试验数据,但插值计算最少仅需要4个插值点。由于插值计算的精度与插值点数量有关,有利于技术人员根据实际精度需求合理设置插值点数量进行传感器标定;同时在插值数据足够的情况下,二维插值计算精度比神经网络精度更高。
本发明实施例还提供了一种压力传感器的温度补偿系统,包括温度补偿电路和温度补偿电阻值搜寻模块,温度补偿电路用于实现温度的补偿;温度补偿电阻值搜寻模块用于通过多目标粒子群优化算法搜寻温度补偿电路中的温度补偿电阻值。其中温度补偿电路包括恒流源温度补偿电路或者恒压源温度补偿电路。
进一步地,还包括校正模块,用于在温度补偿电路输出结果后,通过基于二维插值计算的输出校正算法对输出结果进行校正。
本发明的压力传感器的温度补偿系统,与上述温度补偿方法相对应,同样具有如上温度补偿方法所述的优点。
以上仅是本发明的优选实施方式,本发明的保护范围并不仅局限于上述实施例,凡属于本发明思路下的技术方案均属于本发明的保护范围。应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理前提下的若干改进和润饰,应视为本发明的保护范围。

Claims (10)

1.一种压力传感器的温度补偿方法,其特征在于,采用温度补偿电路来实现温度的补偿,其中通过多目标粒子群优化算法搜寻温度补偿电路中的温度补偿电阻值。
2.根据权利要求1所述的压力传感器的温度补偿方法,其特征在于,所述温度补偿电路包括由压力敏感电阻R1~R4构成的惠斯通电桥,其中惠斯通电桥的一对顶点构成信号输入端,另一对顶点构成信号输出端;其中电阻R1上并联有温度补偿电阻Rp1,电阻R4上并联有温度补偿电阻Rp2,信号输入端并联有温度补偿电阻Rp3;通过温度补偿电阻Rp1-Rp3平衡高低温度点下的热零点漂移N和热灵敏度漂移M。
3.根据权利要求2所述的压力传感器的温度补偿方法,其特征在于,高低温下的N和M的关系式为:
其中下标l和h分别代表该参数处于低温和高温环境;R1l,R2l,R3l,R4l分别代表电阻R1~R4处于低温环境下的电阻值;R1h,R2h,R3h,R4h分别代表电阻R1~R4处于高温环境下的电阻值;Nl和Ml分别代表低温环境下的热零点漂移和热灵敏度漂移;Nh和Mh分别代表高温环境下的热零点漂移和热灵敏度漂移。
4.根据权利要求3所述的压力传感器的温度补偿方法,其特征在于,通过温度补偿电阻Rp1-Rp3平衡高低温度点下的热零点漂移N和热灵敏度漂移M的具体过程为:
设目标函数Z1(xi)、Z2(xi)、Z3(xi)分别为:
其中n代表粒子群数量;
同时为保证三个目标函数之间的均衡性,对每个目标值进行归一化处理,保证各目标的客观性;个体x的归一化目标函数设为:
其中,Zmax和Zmin分别为当前种群中所有个体目标函数的最小值与最大值;Zj,norm代表各粒子的三个目标函数Z1(xi)、Z2(xi)、Z3(xi)的归一化目标函数,其中j∈(1,2,3);经过归一化之后,目标值的取值范围均为[0,1]。
5.根据权利要求4所述的压力传感器的温度补偿方法,其特征在于,通过多目标粒子群优化算法搜寻恒流源温度补偿电路的温度补偿电阻值的具体过程为:
假设决策空间中,粒子群规模为n,当前进化次数为t,种群中第i个粒子的位置为xi(t)=[xi,1(t),xi,2(t),xi,3(t)],第i个粒子的速度为:gbesti(t)=[gi,1(t),gi,2(t),gi,3(t)],粒子i的历史最优位置为pbesti(t)=[pi,1(t),pi,2(t),pi,3(t)];粒子i在下一次进化后,速度、位置更新公式为:
式中,r1和r2是分布于[0,1]区间的随机数,以增加算法的随机性;vi(t)为粒子i于t时刻的速度;xi(t)为粒子i于t时刻的位置;c1和c2为在[0,2]的加速度常数,用来控制学习时长;ω为惯性权重,负责调节上次速度对当前速度的影响程度。
6.根据权利要求1-5中任意一项所述的压力传感器的温度补偿方法,其特征在于,在温度补偿电路输出结果后,通过基于二维插值计算的输出校正算法对输出结果进行校正。
7.根据权利要求6所述的压力传感器的温度补偿方法,其特征在于,采用恒流源温度补偿电路为例,选取恒流源温度补偿电路的电流It作为温度影响因子;在输出恒定的情况下,电流It只受传感器内部温度的影响;为增大参数的灵敏度,将It和uout归一化处理为It,norm和uoutnorm,具体如下所示:
下标min和max分别代表该参数在指定温度区间的最小值和最大值;It,norm和uout.norm分别为It和uout的归一化参数,其范围区间为[0,1];
理想的传感器输出U不受温度的影响,与外部环境压力P存在线性关系;因此设插值关系式为:
U(p)=g(uout,norm,It,norm) (6)
由于传感器输出的线性度受温度的影响,根据传感器需求的温度工作区间,可自行设定A个It,norm区间,以及B个uout,norm区间,因此得插值点如下:
8.一种压力传感器的温度补偿系统,其特征在于,包括温度补偿电路和温度补偿电阻值搜寻模块,所述温度补偿电路用于实现温度的补偿;所述温度补偿电阻值搜寻模块用于通过多目标粒子群优化算法搜寻温度补偿电路的温度补偿电阻值。
9.根据权利要求8所述的压力传感器的温度补偿系统,其特征在于,所述温度补偿电路包括恒流源温度补偿电路或者恒压源温度补偿电路。
10.根据权利要求8或9所述的压力传感器的温度补偿系统,其特征在于,还包括校正模块,用于在温度补偿电路输出结果后,通过基于二维插值计算的输出校正算法对输出结果进行校正。
CN202311119423.0A 2023-08-31 2023-08-31 一种压力传感器的温度补偿方法及系统 Pending CN117147018A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202311119423.0A CN117147018A (zh) 2023-08-31 2023-08-31 一种压力传感器的温度补偿方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202311119423.0A CN117147018A (zh) 2023-08-31 2023-08-31 一种压力传感器的温度补偿方法及系统

Publications (1)

Publication Number Publication Date
CN117147018A true CN117147018A (zh) 2023-12-01

Family

ID=88902129

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202311119423.0A Pending CN117147018A (zh) 2023-08-31 2023-08-31 一种压力传感器的温度补偿方法及系统

Country Status (1)

Country Link
CN (1) CN117147018A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117949137A (zh) * 2024-03-26 2024-04-30 锐马(福建)电气制造有限公司 一种六维力传感器温度补偿方法

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117949137A (zh) * 2024-03-26 2024-04-30 锐马(福建)电气制造有限公司 一种六维力传感器温度补偿方法

Similar Documents

Publication Publication Date Title
CN117147018A (zh) 一种压力传感器的温度补偿方法及系统
CN108645427A (zh) 基于样条插值迭代修正的激光惯组系统级温度补偿方法
CN111414977B (zh) 机床主轴热误差建模的加权集成温度敏感点组合选取方法
CN112880705B (zh) 基于径向基神经网络的mems陀螺仪温度补偿方法
CN109668674B (zh) 一种硅压阻式压力传感器的高精度温度补偿电路及方法
CN115950557A (zh) 一种基于压力变送器的温度智能补偿方法
CN110244077B (zh) 一种热式风速传感器恒功率调节与精度补偿方法
Brignell Digital compensation of sensors
CN102759430B (zh) 基于bp神经网络的谐振筒压力传感器高精度校试方法
CN107271081A (zh) 基于两阶段最小二乘拟合的硅压阻式压力变送器温度补偿方法及装置
CN109813225A (zh) 一种柔性臂坐标测量机空间误差补偿方法
KR20020081398A (ko) 열식 공기유량계
CN110296668B (zh) 一种基于bp神经网络的圆光栅传感器测角误差修正方法
CN113188715A (zh) 基于机器学习的多维力传感器静态校准数据处理方法
CN114791334B (zh) 一种压力传感器的标定简化方法
CN114880930B (zh) 一种基于在线学习的实体设备数字孪生建模仿真预测方法
Potapovs et al. Continuous crop weight measurement sensor calibration algorithm for industrial greenhouse
Rahili et al. Intelligent selection of calibration points using a modified progressive polynomial method
CN115688924A (zh) 一种多样本联合多元自适应回归样条模型
Santhosh et al. An adaptive calibration circuit for RTD using optimized ANN
CN112733402A (zh) 高灵敏度低串扰度压阻式单轴力传感器的拓扑优化设计方法
Yue et al. Nonlinear correction method of pressure sensor based on data fusion
Pieniążek et al. Measurement device with learned sensor
Santhosh et al. Support vector machine based adaptive calibration technique for resistance temperature detector
CN113722998B (zh) 一种多光谱高温计无源温区温度标定方法、计算机及存储介质

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination