基于BP神經網絡的一種傳感器溫度補償方法

表1所示分別為-40、-20、0、20、40℃下測定的傳感器橋路電壓、2 MPa時傳感器輸出，100 MPa滿量程輸出。鑒于0 MPa較難獲得，則可以將2 MPa作為最小壓力。硅壓阻式傳感器在一定溫度下具有很好的線性度，因此各溫度下根據兩個壓力點的輸出很容易推算出20、40、60、80 MPa輸入壓力時的電壓輸出值。
選取常溫20℃時的傳感器輸出作為目標值。這樣就可以形成30個樣本點，可以用式(10)表示。

其中Xi為輸入樣本，可以表示為(yi，Vbi)，yi為-40、-20、0、20、40℃溫度下測得的未進行溫度補償的傳感器輸出；Vbi為yi相應的電橋橋路電壓值；yi’為目標值，即與yi相同壓力下在20℃所測得的傳感器輸出，該壓力下的補償后的目標輸出值。
采用L—M算法用MatLab對樣本進行訓練。得到值、閾值，訓練過程如圖4所示。

分別測量-40～60℃，2～100 MPa傳感器輸出和相應溫度下的最小壓力下的Vb值，將傳感器輸出經過BP神經網絡進行溫度補償后得到的結果如表2所示。

2 結論
硅壓阻式傳感器經過BP神經網絡補償后，溫度誤差得到了大大的降低，在-40～60℃范圍內，溫度誤差由原來的5．4％降到了0．2％，并且這個方法對其他類型的傳感器的溫度補償同樣適用，也可以應用于一些傳感器輸出的非線性校正。