第ｌ９卷　

Ｖｏ１．１９　第９期　

Ｎｏ．９　电子设计工程　

Ｅｌｅｃｔｒｏｎｉｃ　Ｄｅｓｉｇｎ　Ｅｎｇｉｎｅｅｒｉｎｇ　２０１１年５月　Ｍａｙ．２０１１　

基才ＢＰ神经网络的一种传感器温度补偿方法　

张潜，武强　

（常熟市公安局机动车检测站江苏常熟２１５５００）　

摘要：简单介绍了硅压阻式传感器温度误差产生的原因及其特点，提出了一种利用ＢＰ神经网络对其温度误差及非　

线性误差进行补偿的方法。根据传感器温度误差的特点设计了一个多层的ＢＰ神经网络，其中传感器测试电路中四　

臂电桥的桥路电压和未经补偿的传感器的输出作为神经网络的两个输入。利用ＭａｔＬａｂ对该网络进行训练，得到了网　

络的权值和闽值。经过试验证明，该网络能够有效的补偿传感器的温度非线性误差，在－４Ｏ～６０℃范围内．使温度误差　

从原来的５．４％降到了０．２％。　

关键词：温度补偿；硅压阻式；传感器；ＢＰ神经网络；电桥　

中图分类号：ＴＰ２１２　文献标识码：Ａ　文章编号：１６７４—６２３６（２０１１）０９—０１５２—０３　

Ａｐｐｒｏａｃｈｅｓ　ｔｏ　ｒｅａｌｉｚｅ　ｔｅｍｐｅｒａｔｕｒｅ　ｃｏｍｐｅｎｓａｔｉｏｎ　

ｂａｓｅｄ　ｏｎ　ＢＰ　ｎｅｕｒａｌ　ｎｅｔｗｏｒｋ　

ＺＨＡＮＧ　Ｑｉａｎ．ｗｕ　Ｑｉａｎｇ　

（Ｍｏｔｏｒ　Ｖｅｈｉｃｌｅ　Ｉｎｓｐｅｃｔｉｏｎ　Ｓｔａｔｉｏｎ　ｏｆＣｈａｕｇｓｈｕＰｕｂｌｉｃ　ＳｅｃｕｒｉｔｙＢｕｒｅａｕ，Ｃｈａｎｇｓｈｕ　２１５５００，Ｃｈｉｎａ）　

Ａｂｓｔｒａｃｔ：Ｐｉｅｚｏｒｅｓｉｓｔｉｖｅ　ｐｒｅｓｓｕｒｅ　ｓｅｎｓｏｒ　ｔｅｍｐｅｒａｔｕｒｅ　ｅｒｒｏｒ　ｃａｕｓｅｓ　ａｎｄ　ｃｈａｒａｃｔｅｒｉｓｔｉｃｓ　ｏｆ　ｂａｓｉｓ　ｉｓ　ｓｉｍｐｌｙ　ｉｎｔｒｏｄｕｃｅｄ，ａ　ｋｉｎｄ　

ｏｆ　ＢＰ　ｎｅｕｒａｌ　ｎｅｔｗｏｒｋ　ｔｏ　ｉｔｓ　ｔｅｍｐｅｒａｔｕｒｅ　ｅｒｒｏｒ　ａｎｄ　ｎｏｎｌｉｎｅａｒ　ｅｌｌ＇ｏｒ　ｃｏｍｐｅｎｓａｔｉｏｎ　ｍｅｔｈｏｄ　ｉｓ　ｐｕｔ　ｆｏｒｗａｒｄ．Ａｃｃｏｒｄｉｎｇ　ｔｏ　ｔｈｅ　

ｃｈａｒａｃｔｅｒｉｓｔｉｃｓ　ｏｆ　ｔｅｍｐｅｒａｔｕｒｅ　ｅｉＴｏｒ　ｓｅｎｓｏｒ　ｄｅｓｉｇｎｅｄ　ａ　ｌａｙｅｒｓ　ｏｆ　ＢＰ　ｎｅｕｒａｌ　ｎｅｔｗｏｒｋ，ａｍｏｎｇ　ｔｈｅｍ　ｗｉｔｈ　ｆｏｕｒ　ａｌ３ｔｌｌＳ　ｂｒｉｄｇｅ　ｒｏａｄ　

ｖｏｌｔａｇｅ　ｏｆ　ｓｅｎｓｏｒ　ｔｅｓｔ　ｃｉｒｃｕｉｔｓ　ａｎｄ　ｔｈｅ　ｏｕｔｐｕｔ　ｏｆ　ｔｈｅ　ｓｅｎｓｏｒ　ｗｉｔｈｏｕｔ　ｃｏｍｐｅｎｓａｔｉｏｎ　ａｓ　ｔｗｏ　ｉｎｐｕｔ　ｏｆ　ｎｅｕｒａｌ　ｎｅｔｗｏｒｋ．ＭａｔＬａｂ　ｔｏ　

ｎｅｔｗｏｒｋ　ｆｏｒ　ｔｒａｉｎｉｎｇ，ｇｅｔ　ｎｅｔｗｏｒｋ　ｗｅｉｇｈｔｓ　ａｎｄ　ｔｈｒｅｓｈｏｌｄ．ａｆｔｅｒ　ｅｘｐｅｒｉｍｅｎｔｓ　ｐｒｏｖｅ，ｔｈｅ　ｎｅｔｗｏｒｋ　ｃａｎ　ｂｅ　ｅｆｆｅｃｔｉｖｅ　ｃｏｍｐｅｎｓａｔｉｏｎ　

ｓｅｎｓｏｒ　ｎｏｎｌｉｎｅａｒ　ｔｅｍｐｅｒａｔｕｒｅ　ｅｒｒｏｒ，ｉｎ　ｔｈｅ　ｔｅｍｐｅｒａｔｕｒｅ　ｒａｎｇｅ　ｏｆ　４０℃ｂｅｌｏｗ　ｚｅｒｏ　ｔｏ　６０￣Ｃ，ｍａｋｅ　ｔｅｍｐｅｒａｔｕｒｅ　ｅｒｒｏｒ　ｆｒｏｍ　ｔｈｅ　

ｏｒｉｇｉｎａｌ　５．４％ｔｏ　０．２％．　

Ｋｅｙ　ｗｏｒｄｓ：ｔｅｍｐｅｒａｔｕｒｅ　ｃｏｍｐｅｎｓａｔｉｏｎ；ｐｉｅｚｏｒｅｓｉｓｔｉｖｅ；ｓｅｎｓｏｒｓ；ＢＰ　ｎｅｕｒａｌ　ｎｅｔｗｏｒｋ；ｅｌｅｃｔｒｉｃａｌ　ｂｒｉｄｇｅ　

传感器特别是硅压阻式传感器的温度误差在其总误差　

中占有很大的比重．温度补偿的好坏直接影响着传感器的总　

精度。温度误差的补偿方法有很多种，其中软件补偿是一种　

较常见的方法。由于传感器的温度误差是一种非线性误差，　

即各个温度点的补偿系数也应该呈非线性，这给补偿带来了　

一定的困难【ｌ－３］。常常采用的方法是选取几个温度点，求得补　

偿系数．其它温度点的补偿系数通过线性插值得到，这种方　

法实质上是一种将补偿系数分段线性化来拟合补偿系数的　

非线性曲线的方法。因此，要做到较高的补偿精度比较困难。　

而ＢＰ神经网络具有很强的曲线拟合能力，可以利用ＢＰ网络　

对传感器输出值进行处理，得到去除了温度误差的理想输出　

值。但是．单单从传感器的输出很难判断哪些是由输入压力　

所引起的输出，哪些是由』　温度误差所带来的输出嗍。所以，　

向ＢＰ网络引入一个反映温度变化的参数至关重要。而传感　

器桥路电压可以满足条件。因此，利用传感器的桥路电压和　

未经温度补偿的传感器输出一起作为神经网络的输入。试验　

证明。构建的ＢＰ神经网络能够使传感器的温度误差得到大　大降低，使得传感器在一４０～６０℃温度范围内。非线性温度误　

差降低到０．２％。　

１　ＢＰ神经网络硅压阻式传感器温度补偿　

１．１硅压阻式传感器的温度误差　

硅压阻式传感器是用半导体材料制成的．而半导体材料　

对温度很敏感。因此，硅压阻式传感器的温度误差较大．并且　

其温度误差具有以下特点：首先，在相同压力下硅压阻式传　

感器的温度误差比其他材料传感器的要大；其次，它的温度　

误差是非线性的；再次，在进行温度补偿的过程中，很难区分　

温度误差引起的输出量的变化和压力变化引起的输出量的　

变化；此外，硅压阻传感器的温度误差有很大的分散性，甚至　

由同一制造商提供的同一型号传感器的误差幅度彼此之间　

也会有轻微的差异。这些特点给硅压阻式传感器的温度误差　

补偿带来了一定的困难。鉴于硅压阻传感器温度误差的特　

点，要对它进行补偿，首先必须找到一个能够反映温度变化　

的参量。这可以从传感器的测量电路中获得［５－６１。　

收稿日期：２０１１—０２—１６　稿件编号：２０１１０２０２２　硅压阻式传感器的测量电路，由应变计组成的四臂电桥　

作者简介：张潜（１９７３一），男，江苏常熟人，工程师。研究方向：计算机测控，现代测控技术。　

－

１５２－　张潜．等　基于ＢＰ神经网络的一种传感器温度补偿方法　

组成，如图ｌ所示，四臂电桥中的４个电阻的阻值不仅会随　

压力的变化而变化，还会随温度的升高而增大。　

ｙ　

图１硅压阻式传感器测量电路　Ｆｉｇ．１　Ｓｉｌｉｃｏｎ　ｐｉｅｚｏｒｅｓｉｓｔｉｖｅ　ｓｅｎｓｏｒ　ｍｅｔｅｒｉｎｇ　ｃｉｒｃｕｉｔ　

假设温度为幻时，Ｒｌ＝Ｒ２＝Ｒ３＝Ｒ４＝Ｒ０，当温度、压力发生变　

化时，各电阻阻值可以用式（１）、（２）表示：　

Ｒｌ＝Ｒ３＝Ｒｏ＋ＡＲ　＋　。　（１）　

Ｒ２＝Ｒ４＝Ｒｏ＋ＡＲ　一　。　（２）　

△Ｒ　Ｒ广Ｒ　如ｃ　（３）　其中：　『＿温度为ｔｏ时的电阻值；　

广温度变化　引起的电阻变化；　

一输入压力引起的电阻变化；　

广－温度为ｔ时的电阻值；　

～敏感栅材料的电阻温度系数。　

根据测量电路和式（１），（２），（３）很容易得到：　

Ｖｈ＝ｌ（Ｒｏ＋￣　）＝，（忍　ｎ）　（４）　从式（４）可得，桥路电压　与压力产生的应变没有关　

系，仅与温度引起的附加应变有关。因此，可以利用它作为反　

映温度变化的参数。而不需另外增加一个温度传感器．这样　

做的好处是，直接利用压力传感器本身元件敏感温度的变　

化．从而避免由于外加温度传感器而导致测量温度和压阻传　

感器应变片实际温度存在差异给补偿带来误差．提高了补偿　

的精度，同时也节约了成本，简化了电路。　

硅压阻式传感器虽然存在着很大的温度误差，但是在温度　

不变的情况下，传感器的输出呈现出很好的线性度和重复性，这　

就为用ＢＰ神经网络对它进行温度补偿提供了必要的条件。　

１．２　ＢＰ神经网络算法　

１９８６年Ｒｕｍｅｌｈａｒｔ。Ｈｉｎｔｏｎ和Ｗｉｌｌｉａ玎ｓ完整而简明地提出　

一种ＡＮＮ的误差反相传播训练算法（简称ＢＰ算法）。目前，　

在人工神经网络的实际应用中，绝大部分的神经网络模型是　

采用ＢＰ网络和它的变形形式，它也是前向网络的核心部分，　

并体现了人工神经网络最精华的部分７１。　

ＢＰ神经网络由输入层、输出层和多层隐含层组成．只要　

隐含层中有足够数量的神经元，它就可以用来逼近几乎任何　

一个函数。事实上，研究已表明，两层网络在其隐含层中使用　

Ｓ形传输函数，在输出层中使用线性传输函数，就几乎可以以　

任意精度逼近任何函数。三层ＢＰ神经网络的结构图如图２　

所示，任意层的ＢＰ神经网络具有类似的结构嗍。　

在多层网络中，某一层的输出成为下一层的输入。描述　

圈２三层ＢＰ神经网络　Ｆｉｇ．２　Ｔｈｒｅｅ－ｌｅｖｅｌ　ＢＰ　ｎｅｕｒａｌ　ｎｅｔｗｏｒｋ　（　１）　（ｋ）－ａ嚣　（７）　

．　６　（Ｊ｝＋１）＝６　（Ｊ｝）一　嚣　（８）　

输＂入　峨堂　

懈　￣１一，Ｊ／Ｉ（ｎ）ｌ　，　ｕ

一、！！！：　、一一，　

，　（ｎ）＝—　且ｆ　（ｎ）＝ｎ　（９）　｝．Ｔ●ｖ　●●土

　《电子设计工程｝２０１１年第９期　

形成３０个样本点，可以用式（１０）表示。　

｛ｘ　，ｙｌ　）ｉ＝１，２，…３０　（１Ｏ）　

其中置为输入样本，可以表示为（　，ｖＫ），　为＿４０、一２０、ｏ、　

２０、４０℃温度下测得的未进行温度补偿的传感器输出；　Ｋ为ｙ　

相应的电桥桥路电压值；　为目标值，即与　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。　表１补偿前传感器输ｌ出ｙ　Ｔａｂ．１　Ｔｈｅ　ｓｅｌｌｓｏｒ　ｏｕｔｐｕｔｓ　ｂｅｆｏｒｅ　ｃｏｍｐｅｎｓａｔｉｏｎ　

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。　

训练后误差９．９３０４ｅ－００７．目标ｌｅ一００６　

＼　

＼．训练曲线　

．　＼　．　＼　

目标曲线＼、、、．　

Ｏ　５０　１Ｏ０　ｌ　５０　２００　２５０步　２６３步　图４　ＭａｔＬａｂ对网络训练过程　Ｆｉｇ．４　ＭａｔＬａｂ　ｔｏ　ｎｅｔｗｏｒｋ　ｔｒａｉｎｉｎｇ　ｐｒｏｃｅｓｓ　

分别测量－４Ｏ～６Ｏ℃。２～１００　ＭＰａ传感器输出和相应温度　

下的最小压力下的　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。　衰２温度补偿后输出Ｙ　Ｔａｂ．２　Ｔｈｅ　ｓｅｎｓｏｒ　ｏｕｔｐｕｔｓ　ｙａ　ａ　ｃｏｍｐｅｎｓａｔｉｏｎ　

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　

——１５４—．　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。　

参考文献：　

【ｌ】杜永苹，何小映．浅谈传感器的温度补偿技术［Ｊ】．电子设计　

工程，２００９，１７（６）：６３—６４．　

ＤＵ　Ｙｏｎｇ－ｐｉｎｇ，ＨＥ　Ｘｉａｏ—ｙｉｎ　ｇ．Ｂｒｉｅｆ　ｄｉｓｃｕｓｓｉｏｎ　ｏｎ　ｔｅｍｐｅｒａ—　

ｔｕｒｅ　ｃｏｍｐｅｎｓａｔｉｏｎ　ｔｅｃｈｎｏｌｏｇｙ　ｏｆ　ｓｅｎｓｏｒ【Ｊ］．Ｅｌｅｃｔｒｏｎｉｃ　Ｄｅｓｉｇｎ　

Ｅｎｇｉｎｅｅｒｉｎｇ，２００９，１７（６）：６３－６４．　［２】张雪君．电容式压力传感器温度补偿的ＲＢＦ神经网络［Ｊ］．　

传感器技术，２００１，２０（５）：９一ｌ１．　

ＺＨＡＮＧ　Ｘｕｅ－ｊｕｎ．Ｔｅｍｐｅｒａｔｕｒｅ　ｃｏｍｐｅｎｓａｔｉｏｎ　ｏｆ　ａ　ｃａｐａｃｉｔｉｖｅ　

ｐｒｅｓｓｕｒｅ　ｔｒａｎｓｄｕｃｅｒ　ｂａｓｅｄ　ｏｎ　ＲＢＦ　ｎｅｕｒａｌ　ｎｅｔｗｏｒｋ［Ｊ］．Ｊｏｕｒｎａｌ　

ｏｆ　Ｔｒａｎｓｄｕｃｅｒ　Ｔｅｃｈｎｏｌｏｇｙ，２００１，２０（５）：９一ｌ１．　【３】邓越，颜国正，左建勇．漏磁法管道壁厚检测装置［Ｊ】．工业仪　

表与自动化装置，２００５（２）：５９—６１．　

ＤＥＮＧ　Ｙｕｅ，ＹＡＮ　Ｇｕｏ－ｚｈｅｎｇ，ＺＵＯ　Ｊｉａｎ－ｙｏｎｇ．Ｒｅｓｅａｒｃｈ　ｏｎ　

ａ　ｐｉｐｅｌｉｎｅ　ｔｈｉｎｃｋｎｅｓｓ　ｍｅａｓｕｒｅｍｅｎｔ　ｓｙｓｔｅｍ　ｂａｓｅｄ　ｏｎ　ａ　ｍａｒ－　

ｎｅｔｉｃ　ｆｌｕｘ　ｌｅａｋａｇｅ　ｐｒｉｎｃｉｐｌｅ［Ｊ］．Ｉｎｄｕｓｔｒｉａｌ　Ｉｎｓｔｒｕｍｅｎｔａｔｉｏｎ＆　

Ａｕｔｏｍａｔｉｏｎ，２００５（２）：５９—６１．　

［４１　Ｍｏｏｄｙ　。Ｄａｒｋｅｎ　Ｃ　Ｆａｓｔ　ｌｅａｒｎｉｎｇ　ｉｎ　ｎｅｔｗｏｒｋｓ　ｏｆ　ｌｏｃａｌｌｙ－ｔｕｎｅｄ　

ｐｒｏｃｅｓｓｉｎｇｕｎｉｔｓ［Ｊ］．ＮｅｕｒａｌＣｏｍｐｕｔａｔｉｏｎ，１９８９（１）：２８１－２９４．　

［５］５　Ｈａｍｍｏｎｓ　Ｓ　Ｗ，Ｖａｌ　Ｊ，Ａｓｈｂｙ．Ｍｅｃｈａｎｉｃａｌｌｙ　ｄｉｔｈｅｒｅｄ　ＲＬＧ　ａｔ　ｔｈｅ　ｇｕａｎｔｕｍ　ｌｉｍｉｔ［Ｊ］．ＩＥＥＥ，１９８２：３８８－３９２．　

［６】金涛，阙沛文．基于小波理论的漏磁检测的噪声消除［Ｊ】棚｛　

试技术报．２００３，ｌ７（４）：３５９—３６２．　

ＪＩＮ　Ｔａｏ，ＱＵＥ　Ｐｅｉ－ｗｅｎ．Ｎｏｉｓｅ　ｅｌｉｍｉｎａｔｉｏｎ　ｏｆ　ｍａｇｎｅｔｉｃ　ｆｌｕｘ　

ｌｅａｋａｇｅ　ｉｎｓｐｅｃｔｉｎｇ　ｂａｓｅｄ　ｏｎ　ｗａｖｅｌｅｔ　ｔｈｅｏｒｙ【Ｊ】．Ｊｏｕｒｎａｌ　ｏｆ　Ｔｅｓｔ　

ａｎｄ　Ｍｅａｓｕｒｅｍｅｎｔ　Ｔｅｃｈｎｏｌｏｇｙ，２００３，１７（４）：３５９—３６２．　【７】张鹏飞，龙兴武．二频机抖激光陀螺小范围温度补偿模型　

的研究【Ｊ］．激光杂志，２００６，２７（２）：４４－４５．　

ＺＨＡＮＧ　Ｐｅｎｇ－ｆｅｉ，ＬＯＮＧ　Ｘｉｎｇ－ｗｕ．Ｒｅｓｅａｒｃｈ　ｏｎ　ｔｅｍｐｅｒａｔｕｒｅ　

ｃｏｍｐｅｎｓａｔｉｎｇ　ｍｏｄｅｌ　ｏｆｍｅｃｈａｎｉｃａｌｌｙ　ｄｉｔｈｅｒｅｄ．ＲＬＧ＇ｓ　ｂｉａｓ　ｗｉｔｈｉｎ　

ｃｅｒｔａｉｎｔｅｍｐｅｒａｔｕｒｅｌｉｍｉｔｓ［Ｊ￣ＬａｓｅｒＪｏｕｒｎａｌ，２００６，２７（２）：４４—４５．　

【８】汪友生，潘孟贤，何辅云．缺陷参数与漏磁信号关系的实验　

研究［Ｊ］．合肥工业大学学报，１９９８，２１（５）：２８—３１．　

ＷＡＮＧ　Ｙｏｕ－ｓｈｅｎｇ，ＰＡＮ　Ｍｅｎｇ－ｘｉａｎ，ＨＥ　Ｆｕ－ｙｕｎ．Ｅｘｐｅｒｉｍｅｎｔａｌ　

ｒｅｓｅａｒｃｈ　ｏｎ　ｔｈｅ　ｒｅｌａｔｉｏｎ　ｂｅｔｗｅｅｎ　ｄｅｆｅｃｔ　ｐａｒａｍｅｔｅｒｓ　ａｎｄ　ｍａｇ－　ｎｅｔｉｃ　ｌｅａｋａｇｅ　ｓｉｇｎａｌ［Ｊ］．Ｊｏｕｒｎａｌ　ｏｆ　Ｈｅｆｅｉ　Ｕｎｉｖｅｒｓｉｔｙ　ｏｆ　Ｔｅｃｈ－　

ｎｏｌｏｇｙ，１９９８，２１（５）：２８—３１．　

［９】Ｍｏｏｄｙ　Ｊ，Ｄａｒｋｅｎ　Ｃ　Ｊ．Ｌｅａｒｎｉｎｇ　ｗｉｔｈ　ｌｏｃａｌｉｚｅｄ　ｒｅｃｅｐｔｉｖｅ　ｆｉｅｌｄ．Ｉｎ　

Ｐｒｏｃｅｅｄｉｎｇｓ　Ｃｏｎｎｅｃｔｉｏｎｉｓｔ　Ｍｏｄｅｌｓ　Ｓｕｍｍｅｒ　Ｓｃｈｏｏｌ，Ｄ　

Ｔｏｕｒｅｌｚｋｙ．Ｇ　Ｈｉｎｔｏｎ，ｍｉｄ　Ｔ　Ｓｅｊｎｏｗ　Ｓｋｉ（Ｅｄｓ．）［Ｍ］．Ｃａｒｎｅｇｉｅ　Ｍｅｌ・　

ｌｏｎ　Ｕｎｉｖｅｒｓｉｔｙ．Ｍｏｒａｎ　Ｋａｕｆｍａｎｎ　Ｐｕｂｌｉｓｈｅｒｓ，１９８８：１３３－１４３．　

［１Ｏ】张国华．电容式压力传感器电路的温度Ｓｂ４￣［Ｊ］．电子学报，　

１９９６，２４（５）：１２４—１２５．　

ＺＨＡＮＧ　Ｇｕｏ－ｈｕａ．Ｔｅｍｐｅｒａｔｕｒｅ　ｃｏｍｐｅｎｓａｔｉｏｎ　ｏｆ　ａ　ｃａｐａｃｉｔｉｖｅ　

ｐｒｅｓｓｕｒｅ　ｔｒａｎｓｄｕｃｅｒ［Ｊ］．Ｃｈｉｎｅｓｅ　Ｊｏｕｒｎａｌ　ｏｆ　Ｅｌｅｃｔｒｏｎｉｃｓ，　１９９６，２４（５）：１２４－１２５．　如　加　¨　Ｅ