共查询到20条相似文献,搜索用时 62 毫秒
1.
针对硅压阻式传感器灵敏度和零点温度漂移大、硬件补偿电路效果不佳的问题,提出最小二乘支持向量机方法对其温度漂移进行补偿。首先分析了经硬件补偿后的硅压阻式传感器的温度漂移特性,在整个检测范围内选取均匀分布的温度、压力数据作为模型输入,经预处理后对输出数值进行训练,并运用网格搜索法和交叉确认法优化模型的惩罚因子和正则化参数,建立了传感器温度补偿模型。实验结果表明,基于最小二乘支持向量机的温度补偿算法在0~100℃温度范围内把传感器输出综合精度从3.2%FS提高到0.25%FS,进一步提高了传感器的精度和温度使用范围,具有较高的实用价值。 相似文献
2.
硅压阻式压力传感器的高精度补偿算法及其实现 总被引:1,自引:0,他引:1
硅压阻式压力传感器广泛应用于汽车、医疗、航空航天、环保等领域。随着科学技术的发展,各领域对压力测量精度的要求越来越高。但由于半导体材料的固有特性,硅压阻式压力传感器普遍存在零点随温度漂移、灵敏度随温度变化和非线性等问题。为了提高硅压阻式压力传感器测量精度、降低输出误差,对该传感器的几种常用补偿算法进行了对比分析和研究,提出了一种基于最小二乘法的曲面拟合高精度补偿算法。该补偿算法能有效消除硅压阻式压力传感器零点漂移、灵敏度漂移和非线性误差,提高该传感器的输出精度。试验结果表明,在-40^+80℃温度范围内,硅压阻式压力传感器经该补偿算法计算后,测量精度得以大幅度提高,输出误差小于0.01%F·S。 相似文献
3.
硅压阻式压力传感器在实际使用过程中受环境温度影响易发生温度漂移,同时传感器本身又存在一定的非线性,这使得传感器测量精度大幅度降低.针对传统的温度补偿方法中需引入温度传感器的情况,提出一种基于最小二乘支持向量回归(LS-SVR)的压力传感器温度自补偿策略,通过定义并测量传感器桥路自身参数获取温度信息实现温度补偿,而无需配置额外的温度传感器.通过粒子群算法和交叉验证对LS-SVR的参数进行了优化.实验结果表明:这种利用传感器自身桥路进行温度补偿的方法能够有效地消除压力传感器的温度漂移.补偿后测量精度达到0.1%FS. 相似文献
4.
5.
针对压阻式压力传感器存在温度漂移,其测量精度受温度影响很大的问题,使用最小二乘拟合方法与RBF神经网络共同建立压力传感器温度补偿模型.针对低温和高温区域使用RBF神经网络进行补偿,对中间线性区域使用最小二乘拟合方法进行补偿.同时为了提高RBF神经网络拟合效果,使用进化算法和下降梯度算法优化RBF神经网络参数.实验结果表明,本文使用方法与单纯使用RBF神经网络或最小二乘拟合方法进行温度补偿,具有更高的训练效率和温度补偿效果,能够提高压力传感器在各种环境下的测量精度和工作可靠性. 相似文献
6.
《自动化仪表》2021,(10)
为了减小温度漂移对光纤位移传感器测量精度的影响,采用基于粒子群算法优化最小二乘支持向量机(PSO-LSSVM)的模型对该传感器进行温度补偿。通过对光纤位移传感器做二维标定试验,利用LM35温度传感器获取试验环境温度数据,建立了PSO-LSSVM温度补偿模型。该模型的核心思想是利用粒子群优化(PSO)算法对最小二乘支持向量机(LSSVM)算法中的惩罚因子C和核函数参数δ不断地进行优化选择,直至适应度函数值达到预期要求,此时温度补偿达到最优效果。比较温度补偿前后的数据,零位温度系数从9.78×10~(-3)/℃提升到2.07×10~(-3)/℃;灵敏度温度系数从7.47×10~(-3)/℃提升到1.51×10~(-3)/℃。PSO-LSSVM模型能够有效地实现对光纤位移传感器的温度补偿。对光纤位移传感器进行温度补偿的研究,将对使用该传感器进行测量的领域产生积极的影响。 相似文献
7.
针对霍尔位移传感器温度漂移的问题,提出了一种基于粒子群优化算法与遗传算法优化最小二乘支持向量机(PSO-GA-LSSVM)的温度补偿新模型。该模型利用粒子群优化算法对最小二乘支持向量机中的惩罚因子和核函数进行优化选取,提高了模型的训练速度与准确度;并引入遗传算法中的变异思想,拓展模型的群搜索空间,提高了寻取更优值的概率。研究结果表明,补偿后该传感器的零位温度系数由1.25×10^-2/℃减小到6.33×10^-4/℃,其灵敏度系数由4.55×10^-3/℃减小到4.22×10^-4/℃,均提升了一个数量级,实现了对该传感器的温度补偿。 相似文献
8.
9.
针对硅压阻式压力传感器在工程应用中受环境温度和压力的影响产生漂移,影响测量精度等问题.提出一种基于粒子群优化RBF神经网络与最小二乘法融合的温度补偿模型.使用粒子群算法对常规RBF神经网络的权值和阙值进行优化,提高神经网络的泛化性能和训练效率,增强传感器非线性段温度补偿的效果;使用最小二乘法对线性段进行温度补偿,提高整体模型的补偿效率.以飞思卡尔24 PC型压力传感器进行补偿实验,结果表明:对比优化前的神经网络和最小二乘方法,利用本文方法进行温度补偿,耗时短,总体误差低于其他两种方法.传感器在整个温度区间和压力测试点下的输出基本不受影响,补偿效果明显,数据精度符合课题实验的要求. 相似文献
10.
硅压阻式压力传感器在工作时受温度的影响较大,随着温度的升高或降低,传感器的实际测量值会出现一定的误差,出现温度漂移的现象。为了抑制温度漂移对传感器的影响,采用人工神经网络中的BP神经网络的方法对温度漂移现象进行补偿,通过对补偿前后数据的对比,使传感器的灵敏度温度系数和满量程误差分别提升了两个数量级,得到了较为理想的效果,提升了传感器的性能和可靠性。 相似文献
11.
针对硅压阻式压力传感器的温度补偿问题,提出一种量子粒子群(Quantum Particle Swarm Optimization,QPSO)稀疏化最小二乘支持向量机(Least Squares Support Vector Machine,LSSVM)策略,目的在于能够保证温度补偿性能的同时获得较为精简的补偿模型。结合10 MPa绝压压力传感器标定实验数据进行仿真试验,研究结果表明,该方法的补偿效果优于QPSO优化的LSSVM、经典稀疏化LSSVM和QPSO优化的稀疏化LSSVM,补偿后测试样本集的最大相对误差,平均误差和误差方差分别为1.104×10^-3、4.819×10^-4和1.197×10^-7。在满足高精度测试要求的前提下,达到提升补偿效率的目的。 相似文献
12.
针对硅压阻式压力传感器的误差特性,设计了一种对其非线性及温度变化所引起的误差进行补偿的软件算法。该算法根据实验确定的修正系数,直接由微处理器对传感器信号进行数字化的修正,已在一定的温度和压力范围内实现0.1%的测量精度,可直接应用于硅压阻式压力传感器的设计。 相似文献
13.
以光电效应为基础的一维PSD(Position Sensitive Detector)传感器受温度影响很大,导致测量误差大。本文针这一问题,提出免疫算法与最小二乘支持向量机(IA-LSSVM)相结合,通过免疫算法迭代优化最小二乘支持向量机中的惩罚因子以及核函数参数来构建补偿模型。由二维标定实验得到在不同温度下传感器的输入输出数据,将其分为测试集与训练集,以测试集的最小二乘均方差为目标函数,将其转化为凸优化问题来达到温度补偿的效果。试验结果表明,传感器零位温度系数由补偿前的3.0×10-4/℃提升到1.6×10-4/℃,提高了约两倍;灵敏度温度系数由之前的2.8×10-3提升到2.8×10-4/℃,提高了十倍;温度附加误差由补偿前的12.5%提升至1.27%,提高了近十倍,从而有效削弱了温度对测量结果的影响。 相似文献
14.
15.
高温压力传感器温度漂移补偿研究 总被引:1,自引:0,他引:1
针对高温压力传感器耐高温和高压的测量的要求,设计了压阻式压力传感器硅杯式芯片版图,采用SIMOX(separationbyimplantedoxygen)技术SOI(silicononinsulator)晶片,在微加工平台上制作了该芯片,获得了差动等臂等应变的惠斯登检测电桥。对采用耐高温封装后的传感器的热零点漂移、热灵敏度漂移和零位输出的补偿作了研究,设计了补偿电路,推导了热灵敏度漂移补偿的计算公式,在通用型高温压力传感器的研发中证明其可行性和实用性,并总结出了经验公式。 相似文献
16.
17.
金属半导体异质混合结构是一种特殊的压阻结构,其具有高于传统MEMS压阻式压力传感器的压阻性能.鉴于此,设计和研究了一种由掺杂单晶硅和金属铝混合形成的MEMS异质结构压力传感器.首先结合理论模型和ANSYS有限元模拟仿真分析了硅铝异质结构传感器的灵敏度特性,然后通过MEMS工艺制作了硅铝异质结构压力传感器芯片,并对其进行了封装与测试.实验结果表明,硅铝异质结构压力传感器的灵敏度可达到0.1168 mV/(V·kPa),而利用参考结构能够明显减小环境温度对其性能的影响.在此基础之上,本文采用基于遗传算法改进的小波神经网络对传感器的温度漂移和非线性误差进行了补偿,补偿后硅铝异质结构压力传感器的测量误差小于±1.5%FS. 相似文献
18.
基于最小二乘法的压力传感器温度补偿算法 总被引:3,自引:0,他引:3
介绍了压力传感器由于受工作环境温度的影响,其零点和灵敏度经常会发生漂移,因此需要对它进行补偿;讨论了一种基于最小二乘法的补偿算法,运用该算法对温度变化后的数据进行了处理,使得传感器输出基本上不随温度的变化而改变,从而使传感器的零点漂移和灵敏度漂移问题得到了很好的解决;结果表明:该算法能起到很好的补偿效果,能广泛应用于工程实践中. 相似文献
19.
硅压阻式压力传感器因对温度具有敏感性,工作时受环境温度的影响会产生温度漂移现象,降低了测量精度,为提升压力传感器的检测精度,提出了一种基于深度信念网络(Deep Belief Network,DBN)的高精度温度补偿模型.研究了压阻式压力传感器的工作原理和温度补偿的数学模型,利用深度学习强大的数据表征能力,设计了区间定位的温度补偿模型构建算法,建立并优化DBN模型的网络结构,将DBN温度补偿模型对实验数据进行训练拟合,结果表明:温度补偿后的满量程相对误差由原来的7.013×10-3提升至8.240×10-5,验证了所提出的方法能具有较好的稳定性和温度补偿效果,较大幅度地提升了传感器的检测精度. 相似文献