基于MAX1457的传感器智能化温度补偿的实现

MAX1457是一种专用传感器信号处理器,它可以补偿硅压阻式传感器的温度误差和非线性误差,使传感器总的重复性精度达到0．2％以内。MAX1457对传感器进行温度补偿时需要经过一系列操作步骤和参数的选择计算。本文分析了MAX1457的工作原理和补偿过程。在此基础上开发的温度补偿软件,可以实现参数的自动计算,自动调整,补偿的每一个操作步骤均辅以向导式的提示。该系统的使用使得MAX1457对传感器的温度补偿过程大为简化。     

多路硅压阻式压力传感器温度补偿系统的设计与实现

基于MAX1457实现了一种多路硅压阻式压力传感器温度补偿系统.MAX1457是一种专用传感器信号调理芯片.此芯片集成化程度较高,可以补偿硅压阻式压力传感器的温度误差和非线性误差.经调理后的综合误差不超过0.1%.在分析该芯片补偿原理的基础上,设计并实现了一种多路补偿系统.     

压阻式压力传感器输出特性的补偿

在某型无人机高度传感器性能检测设备中,为解决压力的测量问题,设计了一种用于压阻式压力传感器(PRT)的信号调理电路,实现了对PRT传感器的零点输出、热零点漂移、满量程输出、热灵敏度漂移和满量程输出非线性等的高准确度校准和补偿。电路摒弃了以往传统的误差补偿形式,采用了一款新型信号调理芯片MAX1457,提出了软件补偿的方法,建立了误差校准补偿参数表,经过校准补偿传感器输出误差控制在了0.110%～0.158%。     

基于MAX1457的传感器智能化温度补偿的实现

MAX1 4 57是一种专用传感器信号处理器 ,它可以补偿硅压阻式传感器的温度误差和非线性误差 ,使传感器总的重复性精度达到 0 2 %以内。MAX1 4 57对传感器进行温度补偿时需要经过一系列操作步骤和参数的选择计算。本文分析了MAX1 4 57的工作原理和补偿过程 ,在此基础上开发的温度补偿软件 ,可以实现参数的自动计算 ,自动调整 ,补偿的每一个操作步骤均辅以向导式的提示。该系统的使用使得MAX1 4 57对传感器的温度补偿过程大为简化     

宽温度压阻式传感器的热灵敏度漂移补偿

介绍了压阻式传感器的灵敏度温度补偿原理 ,给出了一种在宽温度范围内采用了分段补偿方式进行灵敏度温度补偿的方法 ,实现了宽温度范围内较高的补偿准确度。这里介绍的方案是通过数 -模组合硬件电路实现分段补偿 ,具体方案是基于目前国内外OEM硅压力传感器厂商采用的固定电阻器并联补偿法。技术途径是设计一组温控开关电路来控制并联电阻器是否接入 ,温度信号来源于恒流源供电下的传感器桥压信号。此方法硬件电路及补偿计算均较简单 ,适用于较宽的温度环境 ,性能价格比合理。同时便于扩展为多段补偿以实现高补偿准确度 ,并且传感器在快速温变环境下工作时温度跟踪误差小。     

基于RBFNN的称重传感器温度误差补偿

称重传感器存在因环境温度不同导致的非线性误差,需要进行补偿.阐述了称重传感器的温度误差机理,提出了一种基于径向基函数神经网络(RBFNN)的称重传感器温度误差补偿方法,并给出了训练算法.采用该方法,利用量程为100kg的称重传感器,在0～60℃范围内进行温度误差补偿实验.实验表明:采用这种方法补偿后,称重传感器温度误差...     

硅电容式高精度双轴倾角传感器温度漂移补偿研究

为了提高倾角传感器测量精度,提出了一种基于最小二乘多项式分段函数非线性曲线拟合温度漂移补偿方法。根据倾角传感器原理与温度漂移补偿特性,结合实验情况,建立两段分段函数温度漂移补偿模型,忽略其它粗大误差的影响,引入自变量温度,并固定角度,使用最小二乘法对实验采集的数据进行分析与处理。经实验证明:温度在-36～55℃范围内倾角传感器测量误差精度达到0. 001°。该方法有效地提高了倾角传感器的测量精度,取得了良好的补偿效果。     

一种湿度传感器温度补偿的融合算法

针对自动气象站上湿度传感器在实际应用过程中易受温度影响的问题,提出采用RBF神经网络与最小二乘相结合的融合算法实现湿度传感器的温度补偿。该方法将湿度传感器在温度影响下的特性曲线分为两个非线性段和一个线性段,并且自适应的确定线性段和非线性段,在线性段利用最小二乘方法拟合出直线方程,在非线性段利用RBF神经网络补偿温度产生的影响。仿真结果表明,这种方法简单易行,与一般的BP神经网络和最小二乘多项式方法相比,具有拟合训练速度快,补偿精度高的特点,可以有效用于湿度传感器的温度补偿,提高传感器的测量精度和可靠性。     

基于分段融合的压阻式传感器温度补偿方法

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.     

基于RBF神经网络的电化学CO气体传感器的温度补偿

针对电化学CO气体传感器的输出精度易受环境温度影响的缺点,提出了一种基于RBF神经网络的温度补偿方法,并借助所设计的气体采集系统进行了实验研究.实验结果表明,未进行温度补偿时传感器输出最大误差为20.0%,基于BP神经网络温度补偿方法的误差为1.44%,而采用RBF神经网络进行温度补偿后最大误差可达到0.12%,故该方法可有效的用于电化学CO气体传感器的温度补偿,令传感器具有更高的测量精度和温度稳定性.