【毕业设计】传感器静态误差校正方法研究 ㊣ 精品文档 值得下载

误差，此方法电路结构简单，工程中易于实现。

硬件补偿法结构简单但难以做到全程补偿，且影响电路的因数太多，实际调整时其零点满度和线性三者相互影响，调整有时较烦琐。

可采用分段线性化，在自变量的取值范围内，对非线性函数进行分段线性化，即有线性函数线性插值来逼近非线性函数，满足定的分段误差。

还可用多项式曲线拟合方法对传感器误差补偿具有曲线形式的特点，可以补偿在直线外的测量点误差，通过该方法可以对传感器的非线性误差温度误差进行补偿。

神经网络是对非线性可微分函数进行权值训练，基于误差反向传播算法的多层前向神经网络，它具有很强的非线性映射能力和泛化能力。

神经网络具有任意函数逼近能力。

本文主要工作实现传感器静态误差校正可采用分段线性化的方法来拟和非线性关系，使其特性在测量范围内尽可能接近线性从软件校正方面考虑，数据拟合法，同时随着智能化算法的发展，又有很多种新的解决传感器非线性问题的方法被提出来。

本文主要介绍目前主要的解决非线性问题的方法，即分段线性法，数据拟合法和神经网络的方法。

用分段线性化进行传感器静态误差校正分段线性化简述分段线性化的输入和输出之间存在着非线性的关系。

它的基本原理是把输入信号分成若干段，在每段上都可以认为是输入和输出之间存在着线性的关系，对于这些量而言，在整个量程范围内是非线性的，但是就输入的个局部范围之内，其输出和输入可以近似的认为是线性关系。

理论证明，只要段的间距足够的小，分段的数量足够的多，对于任何连续函数，在误差允许的范围内，都可以用分段线性化来处理。

但是在实际的应用中，分段的数量不宜太多，往往根据测量精度的实际要求，权衡使用分段的数量。

在自变量的取值范围内，对非线性函数进行分段线性化，即有线性函数线性插值来逼近非线性函数，满足定的分段误差。

可采用线性插值法。

线性插值法就是用线段近似代替区间的实际曲线，通过近似公式求出输入值。

图是温度传感器特性曲线。

图中把输入量分成几个均匀的区间，这样每个区间的端点都对应个输出，实际的检测值定会落在个区间，或已知的点上，把这些，值编制成表格存储起来，在运行时旦量测出传感器的输出量，计算机就可通过预先编制好的程序计算出相应的输入量。

优点是划分的越多，精确度越高。

图线性插值法示意图为了更好的验证上述提出的分段线性法，实验获取组数据，对数据进行处理计算最大误差。

实验采用光纤位移传感器，计算位移变化与电压的关系，将对光纤位移传感器做简要介绍。

光纤位移传感器光纤位移传感器原理反射式光纤位移传感器是采用型结构，其工作原理如图所示。

两束多模光纤端合并为光纤探头，另端分为两束，分别作为光源光纤接收光纤。

光源光纤传输红外发射器发出的红外光，照射到反射物上，反射光通过接收光纤传输至电转换器上，并通过相应的电路将反射信号信息在数字电压表上显示。

电信号的大小反映了反射光的光强的强弱，而反射光光强又与反射体至光纤探头相对距离相关，实验表明实验仪器能反映反射光光强的输出电压信号与光纤探头至反射体的距离关系曲线如图。

图反射式光纤位移传感器原理图图反射式光纤位移传感器的输出实验步骤在光纤端面相对的振动台面上贴反射镜片将光纤及光电转换装置与光电变换器和电压表相连接。

接通电源，预热数分钟旋动测微器，使发射镜与光纤之间距离为零，调光电变换器面板上的增益旋钮，使光纤变换器端的输出电压为最小，然后使镜面与光纤头分开，每隔读出电压读数，并填入相应的表内分别在四个温度点，对光纤位移传感器测量位移的输出情况进行了观测，得到四组数据如表所示表光纤位移传感器测量数据表温度，位移，输出，续表温度，位移，输出，取时的组数据绘制曲线如图图时的数据绘制曲线图分段线性化处理数据，位移从共组数据，将这个数据化分成部分。

分段求方程式及各段最大误差如表。

位移，电压表分段线性化数据处理表位移量，直线方程式最大误差，用数据拟合进行传感器静态误差校正数据拟合概述从给出的离散数据中找出变量之间关系的问题称为数据拟合，解决这类问题的计算方法称为数据拟合法。

数据拟合法不但能解决非确定性关系中的许多问题，而且也能协助处理确定性关系中的些问题。

在工程实践和科学实验中，经常利用曲线拟合来寻求实验数据与控制该实验物理规律的数学模型的相互关系。

常用的曲线拟合方法常见的曲线拟合有最小二乘法曲线拟合指数函数曲线拟合傅里叶级数曲线拟合和多项式曲线拟合等。

多项式曲线拟合在实际中应用广泛。

曲线拟合思想如果不要求所构造的函数精确的通过所有由离散数据所确定的离散点，而只要求是给定函数类中的个函数，并且要求按照种准则是相对与同函数类中的其他函数而言达到最优的。

即我们希望找到条曲线，既热电偶神经网络模块传感器测量温度，热电偶是工业界常用的。

热电偶电压和温度是非线性的。

热电偶的自动校准系统，实现热电偶温度转移的表需要大量的记忆。

所以，建立数学模型，它可以实现热电偶温度的转移和改进测量精度。

热电偶数学模型包括两种形式，分段线性拟合和分段多项式拟合。

用分段闭合的原因是发现模块简单，较大的计算及适应能力差。

然而神经网络的模块具有高速率，并行计算能力和非线性转移的特性。

它可以学习，在任何时候，都有很高的工作效率，比起常用的发现模块的手段，神经网络深入对象而且可以得到简单的数学模型表达式。

这些表现形式的权重向量和漂移载体。

用径向基函数网络神经网络，以形成预测模型热电偶。

该模型有三个层次，输入层，隐层和输出层。

如图图神经网络结构热电偶的电压信号是神经网络的输入，序号隐藏结点的输出，是重要的模式。

模式的输出是温度和隐层的功能是高斯。

的输出是如输入样本，是序号中心的高斯价值。

是标准偏差，然后输出的输出层是在式中，是神经元的价值有限。

公式表明，神经网络与输出呈线性关系。

因此，相当神经网络，的学习速度快。

研究过程包括两部分，第部分是得到中心向量，其中每个交界处的功能是高斯在隐层和标准不断根本输入样本改变。

第二部分是经过已经决定的隐层参数，在隐层获得重量和根据样本的输出层和原则。

第二部分完成后，调整参数，隐层和输出层，以提高网络的精度。

当样本存在，整个误差函数的训练样本是是样本的对数，是出路口的数目。

是序号神经网络根据样本值的理想输出，是序号神经细胞的根据样本值的实际输出值。

在工业方面，函数是指转换热电偶电压和温度之间的关系。

其中是热电偶电压，是摄氏温度。

是具体到每个热电偶型的正系数，型热电偶作为研究对象进行分析。

经过神经网络模型，保持型热电偶冷端温度为。

热电偶温度的变化幅度是，选择组数据作为训练样本的神经网络，在表中从作为开始，每作为个基准。

规范输入日期，并训练神经网络。

收回输出基准，以及价值观的温度是有很大的好处，比较预测值神经网络与价值观和得到由与标准值，误差示于图，。

图基于神经网络曲线图基于方程误差曲线从图和图我们可以看出，误差基于神经网络是除两个百分点而误差基方程更高。

致谢在这几个月做毕业论文的时间里，遇到了很多的问题，很多不懂的地方。

曹老师对我进行了非常细致的指导和帮助，让我遇到的很多问题都迎刃而解。

同时，曹老师还给了我很多的资料，教给了我很多的方法，也使我自己学到了很多新的东西。

在此，我对指导我做毕业设计的曹老师表示衷心的感谢，感谢曹老师细心的指导和帮助。

中央民族大学学士学位论文年月日姓名李韬学号年级级院系信息工程学院专业自动化指导教师曹永存传感器静态误差校正方法研究摘要本文介绍了传感器非线性误差校正的原理和方法。

它的主要方法有分段线性化，数据拟合和神经网络。

本文介绍了分段线性插值和曲线拟合的原理和方法，通过对光纤位移传感器位移电压值的多项式拟合曲线的特点进行分析，发现该传感器曲线具有抛物线的特点所以采用通用多项式拟合。

简要介绍了的结构和特点，并以光纤位移传感器为例，详细地介绍了环境下如何实现其实验数据曲线的拟合，为简化实验数据处理提供了个良好的手段。

还介绍了种应用颇为广泛的神经网络模型，及神经网络的基本理论。

阐述了种算法的学习过程，其后简要地阐述了神经网络工具箱设计和网络的主要函数。

以受环境温度影响的光纤位移传感器为例，说明了具体实现方法和校正效果。

仿真结果说明了及网络具有很强的函数逼近能力。

并分析及网络结构和函数逼近能力的关系，得出网络的结构直接影响网络对函数的逼近能力和效果。

关键词传感器非线性多项式拟合神经网络误差校正目录摘要前言引言研究现状本文主要工作用分段线性化进行传感器静态误差校正分段线性化简述光纤位移传感器光纤位移传感器原理实验步骤分段线性化处理数据用数据拟合进行传感器静态误差校正数据拟合概述常用的曲线拟合方法曲线拟合思想多项式拟合曲线拟合概述程序设计的般过程所用模块介绍曲线拟合通用多项式拟合界面图实例用神经网络进行传感器静态误差校正神经网络的简述神经网络的发展阶段神经网络的基本概念神经网络的分类非线性校正原理面向工具箱的神经网络设计概述神经网络神经网络的结构神经网络的特点网络的设计步骤网络的设计网络的设计分析实例泛化性分析温度影响研究神经网络径向基函数的结构神经网络设计实例泛化性分析温度影响研究总结参考文献英文原文中文翻译致谢前言引言传感器是将各种非电量包括物理量化学量生物量等按定规律转换成便于处理和传输的另种物理量般为电量的装置。

传感原理指传感器工作时所依据的物理效应化学反应和生物反应等机理，各种功能材料则是传感器技术发展的物质基础，从种意义上讲，传感器也就是能感知外界各种被测信号的功能材料。

传感器般由敏感元件转换元件和测量电路三部分组成。

传感器的工作特性通过其静动态特性直接反映出来。

传感器在被测量的各个值处于稳定状态时，输出量和输入量之间的关系称为静态特性。

通常，要求传感器在静态情况下的输出输入关系保持线性。

实际上，其输出量和输入量呈非线性关系，可由方程式确定。

传感器静态特性的非线性，使其输出不能成比例地反映被测量的变化情况，而且，对动态特性也有定影响。

为了克服上述因素的影响，提高测量精度，需要对传感器各项静态误差进行校正和补偿。

因此，传感器的静态误差校正已经成为个重要的研究课题。

研究现状在实际应用中，传感器后面常要接转换电路，而转换电路会产生非线性特性。

解决上述问题可以从硬件方面来考虑，改变传感器的结构材料选择参数设计，如硬件补偿法。

如图，稳压