基于BP神经网络的一种传感器温度补偿方法

表1所示分别为-40、-20、0、20、40℃下测定的传感器桥路电压、2 MPa时传感器输出，100 MPa满量程输出。鉴于0 MPa较难获得，则可以将2 MPa作为最小压力。硅压阻式传感器在一定温度下具有很好的线性度，因此各温度下根据两个压力点的输出很容易推算出20、40、60、80 MPa输入压力时的电压输出值。
选取常温20℃时的传感器输出作为目标值。这样就可以形成30个样本点，可以用式(10)表示。

其中Xi为输入样本，可以表示为(yi，Vbi)，yi为-40、-20、0、20、40℃温度下测得的未进行温度补偿的传感器输出；Vbi为yi相应的电桥桥路电压值；yi’为目标值，即与yi相同压力下在20℃所测得的传感器输出，该压力下的补偿后的目标输出值。
采用L—M算法用MatLab对样本进行训练。得到值、阈值，训练过程如图4所示。

分别测量-40～60℃，2～100 MPa传感器输出和相应温度下的最小压力下的Vb值，将传感器输出经过BP神经网络进行温度补偿后得到的结果如表2所示。

2 结论
硅压阻式传感器经过BP神经网络补偿后，温度误差得到了大大的降低，在-40～60℃范围内，温度误差由原来的5．4％降到了0．2％，并且这个方法对其他类型的传感器的温度补偿同样适用，也可以应用于一些传感器输出的非线性校正。