-
News Message
传感器的温度修正算法
- by wittx 2022-03-21
传感器的温度修正是使用传感器时常遇到的问题，尤其是需要传感器工作在一个较宽的温度范围时，这个问题更加突出。这里描述的方法是我在使用某型压力传感器时厂家提供的，这种方法不一定是最好的，但是它比较简单，适用范围也比较广。我在几种不同类型的传感器上应用了这个方法，效果还不错。因此，写这篇小文与大家交流。
首先，不考虑温度的影响，在某一固定的温度下，设传感器的输入输出值可以用多项式函数表示：
这里x 是传感器的输出（比如电压值或直接就是数字量），y 是传感器所测量的物理量的真实值。实际上，只要传感器的响应可以表示为单调连续函数，就可以利用多项式函数来逼近到任意精度，因此，一般情况下上面的式子是可以成立的。ai可以根据实验数据利用最小二乘拟合（LMS）的方法计算出来，唯一需要注意的是对于N次多项式，至少需要N+1个数据点才可以计算出。实际应用中，N的取值不宜过大，一般取为4以下就足够了，而数据点则是多多益善。
上面的式子可以写成矩阵的形式：
然后考虑温度的影响，不同温度下，上面公式中ai的 会发生变化。也就是说ai是温度t 的函数。类似的，也可以用多项式函数来逼近：
最终输出则可以表示为：
只要将这里的bij 确定下来就可以完成温度修正工作了，同样，上面的公式也可以表示为矩阵形式。
写为矩阵形式后的表达式非常的简洁，同时也易于在程序中实现。下面再多说一句，多项式函数可以通过一个小小的变型来减少乘法的次数。
这种方法称之为多项式的Horner 算法，也被称为秦九韶算法（虽然知道这个名称的人不多）。
上面的计算都是假设bji已经求出来了，但还都没有说明如何计算bji。下面将讨论这个问题。最直观的方式就是在一系列不同温度下，用最小二乘拟合的方法计算出一系列的多项式系数ai(t)。ai(t)是M次多项式函数，因此我们至少要计算出M+1个不同温度下的系数，也就是说要至少先进行M+1次多项式拟合。然后根据ai(t)拟合出bji，很显然，这里又需要进行N+1次多项式拟合。前后两次总共要进行至少M+N+2 次的多项式拟合才能求出所有的系数。
另一种方法是直接去求所有的bji。将所有的bji排成一个列向量：
定义一个辅助矩阵：
上述公式中的下标是标注的是第几次的测量值，xp表示第p个测量值。
则传感器的经过温度修正后的测量值为：
而传感器测量量的真实值为：
则我们的目标就是求b使得矢量 y-z 最小，这个最小如果是在2-范数的意义下的最小则是最小二乘拟合。这也就等效于求下列线性代数方程的最小二乘意义下的最优解。
这个方程的解法很多，比如说转换成下面的普通的线性代数方程：
上式中FT是F的转置。其他的方法还有奇异值分解一类的数值算法。想详细研究这个问题的话可以参考各种版本的数值分析课本。
总结，本文描述的方法比较简单、粗暴，之所以这么说是因为它不去探究温度漂移的物理本质，只是用简单的多项式函数来补偿温漂的结果。但就是因为它不依赖于某个具体的物理模型，可应用的范围才会很广。
————————————————
版权声明：本文为CSDN博主「liyuanbhu」的原创文章，遵循CC 4.0 BY-SA版权协议，转载请附上原文出处链接及本声明。
原文链接：https://blog.csdn.net/liyuanbhu/article/details/7725824
Share Http URL: http://www.wittx.cn/get_news_message.do?new_id=936
Best Last Month
Information industry by wittx
Petrochemical industry by wittxLarge-area and adaptable electrospun silicon-based thermoelectric nanomaterials with high energy con
Information industry by wittx
Information industry by wittx
Information industry by wittx
Information industry by wittx
Information industry by wittx
Information industry by wittx
Information industry by wittx
Water conservancy and hydropower by wittxNew MIT Solar-Powered System Efficiently Extracts Drinkable Water From “Dry” Air
