专利名称：扩散硅压力传感器的非线性滞回智能补偿方法和智能补偿系统的制作方法
技术领域：
本发明涉及传感器的信号处理方法，具体为扩散硅压力传感器的非线性 滞回智能补偿方法和用此方法构建的扩散硅压力传感器智能补偿系统。
(二)
背景技术：
扩散硅压力传感器是目前测量压力的一种重要传感器，被广泛应用于工 业、农业、气象部门、航天航空等领域。随着半导体技术的发展，扩散硅压 力传感器的各项技术指标的要求不断提高，但扩散硅压力传感器本身固有的 非常规、多值对应的不光滑的滞刚夂线性特性，限制了其测量精度的提高。
国内外的各种智能传感器(包括扩散硅压力传感器在内)，其信号的处理 方法多为近似方法。即将扩散硅压力传感器非常规、多映射的滞回非线性特 性视为单值对应的非线性问题处理。己有文献证明，无法直接使用神经网络 智能处理方法对滞回非线性进行逼近。现有的方法是把滞回非线性当作一般 非线性处理，其结果当然不能满足补偿精度的要求。到目前为止，未见国内 外针对扩散硅压力传感器的滞回特性的补偿测量方法的报道。
因为扩散硅压力传感器的滞回及蠕变非线性对测量精度的影响问题一直 没有得到彻底解决，研究者寄希望于新型材料的发现和工艺的改进。但现有 的工艺水平制造的扩散硅压力传感器仍不能达到高精度测量的要求，目前无 法依靠纯硬件补偿解决扩散硅压力传感器的滞回特性问题。
为了提高扩散硅压力传感器的测量精度，最好是能设计对其非线性滞回 的智能补偿的软件，并与硬件结合，以解决此类传感器的滞回问题，以使扩 散硅压力传感器技术得到进一步发展和应用。
对于一般控制对象迟滞的研究，主要用于被控制对象特性的分析与控制。 而且目前对一般控制对象的迟滞特性的建模只限于对光滑的迟滞特性的建
模，例如申请号为200510022383. 3的中国发明专利申请"基于神经网络的迟 滞特性建模方法"，虽然利用迟滞因子将多映射的迟滞非线性转化成一一映 射，并在此基础上采用神经网络对迟滞特性进行建模以达到控制的目的。但 其建模只是得到被研究对象的正模型。对被控制对象迟滞特性的补偿，是在
对象之前串联对象的逆模型，即通过左逆模型补偿；对于其补偿误差是通过 反馈方法消除，故对左逆模型的精度要求不高。
传感器的迟滞特性被称为滞回特性或回差特性。而扩散硅压力传感器的 滞回不同于一般的迟滞，它不仅是多值对应的，还是不光滑的。需要求取其 右逆模型，串联在该传感器之后，对其输出直接补偿，滞回的补偿只能采取 开环形式，故对模型的精度要求高。
从正模型并不能直接得到逆模型，涉及到逆的存在性。对于非线性控制 对象和具有非线性滞回特性的扩散硅压力传感器，用于迟滞控制器设计的左 逆模型和用于扩散硅压力传感器滞回补偿的右逆模型是完全不等价的。因此 需要设计针对扩散硅压力传感器的非线性滞回智能补偿方法和用此方法构建 的扩散硅压力传感器智能补偿系统。
发明内容
本发明的目的是设计一种扩散硅压力传感器的非线性滞回智能补偿方 法，建立精确的由滞回逆算子和模糊模型构成的滞回逆混合模型，将滞回逆 混合模型串联在滞回非线性的扩散硅压力传感器之后，以抵消其滞回非线性 对系统的影响，提高传感器的测量精度。
本发明的另一目的是用此方法构建扩散硅压力传感器智能补偿系统。 扩散硅压力传感器的非线性滞回特性是不可微、多值对应的，因此采用基 于传统的模糊理论和神经网络的建模方法是无法对此滞回逆直接进行建模。
本发明设计的扩散硅压力传感器非线性滞回的智能补偿方法是，针对扩 散硅压力传感器输入相同的压力或重量信号，其输出的电信号在正程和逆程 不同，具有滞回的多值对应特性，用滞回逆算子和模糊模型，组成与传感器 滞回特性对应的逆模型，即滞回逆混合模型，传感器之后串联该滞回逆混合 模型，实现线性化处理，也就实现传感器输入到输出的单值对应变换。
本发明首先引入一个滞回逆算子(或称为类滞回逆模型)，其曲线形状 和希望得到的传感器的滞回逆模型特性类似，也是不光滑的，区别在于滞回 逆算子的上升和下降段曲线的幅值及极值点大小与传感器滞回逆曲线不同， 但二者的极值点变化是同步的。模糊建模将滞回逆算子的上升和下降段曲线 点到点的单值映射到希望的幅值，建立模糊模型，滞回逆算子和模糊模型构 成传感器的滞回逆混合模型。其中，滞回逆算子是不光滑的，模糊模型只是 实现点到点幅值变换，最终得到的滞回逆混合模型的特性也当然应当是不光 滑的。所以，该滞回逆混合模型可以适应并补偿传感器的非光滑非线性滞回
特性。
本发明滞回逆算子的定义如下
<formula>formula see original document page 6</formula> (l) 其中y表示当前的滞回逆算子输入； f(y)表示当前的滞回逆算子输出； yp表示与当前输入相邻的先前输入极值； f(yp)表示输入为极值yP时的输出极值。
根据输入信号y单调上升或者单调下降，将f(y)分成上升和下降两种形式， 其中4(y)表示滞回逆算子曲线的某个上升段，fde(y)表示滞回逆算子曲线的某 个下降段。根据上述逆算子表达式中的参数定义，在上升段yp是极小值；在 下降段yp是极大值。那么可以得到
在上升段:<formula>formula see original document page 6</formula>); (2) 在下降段<formula>formula see original document page 6</formula>(3)
式(2)微分得
<formula>formula see original document page 6</formula>
所以，fm(y)是单调递增的。 同理可以得到fde(y)也是单调递增的。
上升曲线fin(y)相当于原点为(O， 0)的坐标中的曲线fin0(y)7"3 (y》0))，
在原点平移到极值点(yp,f(yp))后的曲线表达式；下降曲线fde(y)相当于原点为 (0， 0)的坐标中曲线fdeo(y)=y1/3 (y《o)、在原点平移到极值点(yp，f(yp))后的 曲线表达式。同时可得到，<formula>formula see original document page 6</formula>,即finO(y)与fdeO(y)是奇对称的，
所以fsn(y)和fao(y)是反对称的。上升曲线与下降曲线构成闭环曲线，既构成滞
回曲线。
扩散硅压力传感器之后串联的滞回逆算子和模糊模型结合构成的滞回逆
混合模型。扩散硅压力传感器输入重量信号为、输出电流信号为y-H (x)。 其输出电流信号y送入滞回逆算子后，滞回逆算子的输出为/[//(力]，信号 (/[/fw])经T-S模糊建模转换后其输出为^。
与扩散硅传感器串联的滞回逆混合模型，抵消传感器的滞回特性，传感 器输入信号经过补偿后的输出的关系("一"为单值对应的非线性关系，从而 消除了滞回的影响。
采用本发明的扩散硅压力传感器的非线性滞回智能补偿方法构建了本发 明的扩散硅压力传感器智能补偿系统，该系统包括扩散硅压力传感器和计算 机，计算机含有滤波模块和滞回逆混合补偿模块，滞回逆混合补偿模块即按 本发明扩散硅压力传感器非线性滞回的智能补偿方法设计的滞回逆算子和模 糊建模，扩散硅压力传感器的输出压力信号送入计算机的模拟/数字信号数据 采集接口，经过信号滤波模块的处理后，信号送入计算机内的滞回逆混合补 偿模块进行滞回补偿，嵌入式计算机输出对滞回特性进行了非线性补偿的电 信号。
本发明扩散硅压力传感器的非线性滞回智能补偿方法的优点是通过引入
一个结构简单的滞回逆算子，与T-S模糊模型组成的滞回逆混合模型，抵消 了扩散硅压力传感器滞回特性。该模型结构简单，精度高，串联在扩散压力 硅传感器之后，对传感器不光滑的非线性滞回特性进行补偿。滞回逆算子的 输出只与输入信号的极值有关，在线调整T-S模糊模型中的隶属度函数的参 数，可以适应不同的输入变化信号情况下的滞回逆的辨识。本方法有效地提 高了扩散硅压力传感器的测量精度，有利于扩散硅压力传感器技术的进一步 发展和应用。
本发明的扩散硅压力传感器智能补偿系统的优点为滞回逆补偿程序固
化在计算机模块内，其输出已对扩散硅压力传感器的滞回非线性进行了智能 补偿，提高了此类传感器的测量精度，便于扩散硅压力传感器技术的进一步 发展和应用。
图1为本发明扩散硅压力传感器的非线性滞回智能补偿方法实施例某种
扩散硅压力传感器的滞回逆曲线；
图2为本发明扩散硅压力传感器的非线性滞回智能补偿方法实施例针对 图1滞回逆曲线定义的滞回逆算子曲线；
图3为本发明扩散硅压力传感器的非线性滞回智能补偿方法实施例建立 的滞回逆混合模型示意图4为本发明扩散硅压力传感器的非线性滞回智能补偿方法实施例对滞
回补偿过程中信号转化的示意图5为本发明扩散硅压力传感器智能补偿系统实施例的结构示意图； 图6为本发明扩散硅压力传感器智能补偿系统实施例的输入输出关系曲线图7为本发明扩散硅压力传感器智能补偿系统实施例的跟踪误差示意图。
具体实施例方式
结合实施例对本发明扩散硅压力传感器的非线性滞回智能补偿方法进 一步说明。
图1所示为某种扩散硅压力传感器的滞回逆曲线，当输入x由0渐增至 1时，传感器的输出H(x)的运行轨迹为A—B—C，当输入x由1渐减至0时， 传感器的输出H(x)的运行轨迹为C—D—A，输出的信号在正程和逆程不同。
定义相应的滞回逆算子
f(y)=(y-yP)1/3+f(yP) (l)
其中y表示当前的滞回逆算子输入H(x); f (y)表示当前的滞回逆算子输出； yp表示与当前输入相邻的先前输入极值；
f (yp)表示输入为极值yp时的输出极值。 如图2所示，H(x)由A—B—C—D， f(yX(H(x))相应的运行轨迹曲线为
^ ^ c*c/，与图1的传感器的滞回逆曲线趋势基本一致，在极值点同步变化。
滞回逆曲线运行在A—B—C段，逆算子从a经过b运行到c，此时a-b-c 段的在前输入极值yp为滞回逆曲线ABC段的在前输出极值ya，逆算子输出 f(yP)=f(ya)。到达逆算子输出极值点c的滞回逆算子的输入记作y。，输出记 作f (y。)。滞回逆曲线运行在C D—A段，逆算子从c经过d运行到a，逆 算子的输入逐渐减小，此段滞回逆算子在前输入极值yp为滞回逆曲线CDA段 的在前输出极值y。，逆算子输出极值f(yp^f(y。)。如此，滞回逆算子随着其 输入的增大或者减小而不断更换输出极值点的值，从而其输出值运动轨迹与 滞回逆特性曲线的基本轮廓相同，既在极值点同步变化。
如图2所示，当逆算子曲线从a点经b点到c点为上升段，也称为正程， 通过公式(1)可得此段逆算子的输出为
当曲线从c点经d点到a'点的逆程，通过公式(3)得
如果a'点回到a点，
— y逸
则
上述式中ya 表示a,c,a'点对应的滞回逆算子输入值。
也就是说在逆算子的输入信号回到起始点时，逆算子输出的上升曲线与
下降曲线构成闭环曲线，既构成滞回曲线，或形成一个记忆环。
本发明建立的滞回逆混合模型如图3所示，本例中采用T-S (Takagi-Sugeeno)模糊建模。上述建立的滞回逆算子和T-S模糊建模串联构 成滞回逆混合模型，即图中虚线框，扩散硅压力传感器后连接滞回逆混合模 型。
T-S (Takagi-Sugeeno)模糊建模将滞回逆算子曲线的上升和下降段曲线 单值映射到希望的幅值，从而建立模糊模型，与滞回逆算子一起构成滞回逆 混合模型。其中滞回逆算子是不光滑的，T-S模糊建模只是实现点到点幅值 变换，最终得到混合模型的特性也当然应当是不光滑的。所以，该滞回逆混 合模型是可以适应并补偿传感器的非光滑非线性滞回特性。
其中T-S模糊建模是常规的智能补偿建模，滞回逆算子输出是一个封闭 的环，与要得到的传感器滞回逆特性(也是一个封闭环)在转折点同步变化， 只是在幅值上有区别，T-S模糊建模只完成了滞回逆算子输出到真正要得到 的滞回逆的输出的点到点的单值映射。T-S模糊模型中常数的确定如图3所 示，模糊模型依据模型偏差e (即模型的输出和实际的偏差)，调整其参数、 学习确定模型中的常数。
扩散硅压力传感器输入重量信号为、输出电流信号为pi/(x),其输出电 流信号y送入滞回逆算子后，滞回逆算子的输出为f(y) = /[//("]，信号 (//(;c)， /[/f(x)])经T-S逆模型转换后其输出为；。
滞回逆混合模型的补偿过程如图4所示，扩散硅压力传感器输入^与输 出y之间形成滞回逆曲线，如图4I;滞回逆算子的输入y和输出f(y)之间 形成相似的滞回逆算子曲线，在极值点同步变换，如图411;但传感器的输
入x与滞回逆算子的输入y及输出f(y)之间形成一一对应的曲线，如图4III; T-S模糊模型的输入(y，f(y))与其输出^之间形成的曲线如图4IV;扩散硅 压力传感器输入x与经本发明混合滞回逆模型补偿后所得输出；之间形成直 线关系，如图4V。
滞回逆混合模型后置于被补偿的扩散硅压力传感器，抵消扩散硅的滞回 非线性。
本发明扩散硅压力传感器的非线性滞回智能补偿方法根据扩散硅压力传 感器的滞回特性，弓l入滞回逆算子，建立基于滞回逆算子的T-S模糊建模， 得到滞回逆混合模型，将该逆模型后置于扩散硅压力传感器对其进行补偿， 实现对滞回特性的非线性补偿。
利用本发明的扩散硅压力传感器的非线性滞回智能补偿方法可设计得到 基于Windows CE操作系统的高精度嵌入式扩散硅压力传感器智能补偿系统， 其实施例结构如图5所示，包括扩散硅压力传感器和嵌入式计算机，计算机 含有滤波模块和滞回逆混合补偿模块，滞回逆混合补偿模块即按本发明扩散 硅压力传感器非线性滞回的智能补偿方法设计的滞回逆算子和T-S模糊建 模，扩散硅压力传感器的输出压力信号送入计算机的模拟/数字信号数据采集 接口""A/D接口，经过信号滤波模块的处理后，信号送入计算机内的滞回逆 混合补偿模块进行滞回补偿，计算机对滞回特性进行了非线性补偿的电信号。 此信号可在计算机连接的显示器上实时显示。
主要功能和特点如下
(1) 能够实时地采集和分析扩散硅压力传感器输出电压信号。
(2) 对采集得到的电压信号进行非线性处理。
(3) 将经过滞回补偿处理后得到的输入输出关系曲线实时地显示在显示 器上。
本发明扩散硅压力传感器智能补偿系统输入-输出关系曲线如图6所示， 经补偿后输入输出呈现良好的近似线性关系。本智能系统跟踪误差曲线如图 7所示，本发明的嵌入式扩散硅压力传感器智能系统的最大测量误差仅为 0.0164。由上述结果可知，将混合滞回逆模型后置于被补偿的扩散硅压力传 感器，实现对滞回的补偿，大幅度消除滞回特性对系统的影响，从而达到提 高扩散硅压力传感器测量精度的目的。经过滞回补偿后的扩散硅压力传感器 最大测量误差为0. 0164，计算滞回为0. 25%FS,与没有补偿的滞回非线性相 比较，补偿后效果显著。
权利要求
1一种扩散硅压力传感器的非线性滞回智能补偿方法，扩散硅压力传感器输入相同的压力或重量信号x，其输出的电信号H(x)在正程和逆程不同，具有滞回的多值对应特性，其特征在于引入一个滞回逆算子f(y)，它以传感器的输出H(x)为输入，即y＝H(x)，滞回逆算子在相同的输入下，存在不同的输出，滞回逆算子的输出f[H(x)]与传感器的滞回逆曲线的上升、转折、下降趋势相一致，在极值点同步变化；模糊建模将滞回逆算子曲线的上升和下降段曲线点对点的单值映射到希望的幅值，建立模糊模型；滞回逆算子与模糊模型组成的滞回逆混合模型置于传感器之后，传感器输入信号经过滞回逆混合模型补偿后与输出的关系为单值对应的非线性关系，抵消扩散硅压力传感器的非线性滞回特性。
2、 根据权利要求1所述的扩散硅压力传感器的非线性滞回智能补偿方法， 其特征在于上述滞回逆算子的输出仅与相邻的先前输入、输出极值相关，表现出滞 回逆算子的记忆性，滞回逆算子的定义如下<formula>see original document page 2</formula> 其中y表示当前的滞回逆算子输入； f(y)表示当前的滞回逆算子输出； yp表示与当前输入相邻的先前输入极值； f(yp)表示输入为极值yp时的输出极值。
3、 根据权利要求1或2所述的扩散硅压力传感器的非线性滞回智能补偿方法，其特征在于所述模糊建模为T-S模糊建模，建立T-S模糊模型。
4、 根据权利要求1或2的所述的扩散硅压力传感器的非线性滞回智能补 偿方法，构建的扩散硅压力传感器智能补偿系统，其特征在于该系统包括扩散硅压力传感器和计算机，计算机含有滤波模块和滞回逆 混合补偿模块，滞回逆混合补偿模块为上述滞回逆算子和T-S模糊建模，扩散硅压力传感器的输出压力信号送入计算机的模拟/数字信号数据采集接口 ，经过信号滤波模块的处理后，信号送入计算机内的滞回逆混合补偿模块进行 滞回补偿，计算机输出是对滞回特性进行了非线性补偿后的电信号。
5、根据权利要求4所述的扩散硅压力传感器智能补偿系统，其特征在于所述计算机为嵌入式计算机。
全文摘要
本发明为扩散硅压力传感器的非线性滞回智能补偿方法和智能系统。本法引入结构简单、易于实现的滞回逆算子，其输出仅与相邻的先前输入输出极值相关，其曲线与传感器滞回逆曲线极值点变化同步、幅值不同，模糊建模将滞回逆算子的升降段点到点的单值映射到希望的幅值，建立模糊模型，与滞回逆算子构成滞回逆混合模型，适应并补偿传感器的非光滑非线性滞回特性。本法有效地提高了扩散硅压力传感器的测量精度。根据本法构建的智能补偿系统包括扩散硅压力传感器和计算机，计算机含有滤波模块和滞回逆混合补偿模块，补偿模块为上述滞回逆算子和T-S模糊建模，计算机输出对滞回特性进行了非线性补偿后的电信号。便于此类传感器技术的发展和应用。
文档编号G05B13/02GK101201589SQ20071005062
公开日2008年6月18日 申请日期2007年11月23日 优先权日2007年11月23日
发明者党选举, 俊 杨 申请人:桂林电子科技大学