一种PT100温度传感器的温度转换方法与流程

本发明涉及一种温度转换方法，尤其涉及一种pt100温度传感器的温度转换方法。

背景技术：

pt100温度传感器由于其测量精度高，性能稳定的优点而被广泛使用，而其中测量精确度最高的铂热电阻更是被大量应用于精准测温的设备中。一般情况下，pt100温度传感器的测量温度被近似的认为其电阻值跟被测温度值呈线性关系，也就是说由温度变化导致铂热电阻的阻值变化，因阻值变化而随之改变的4～20ma电流模拟量值经模数转换后得到的数字值跟被测温度之间存在线性关系，在工业应用中，工程师们经常将这一数值除以某一系数k（k≈10.0）后作为检测温度应用在控制系统。

但是，在实际使用该过程中，因为目前的转换方法不对单体器件进行检验也不区分待测温度区间，往往会因为铂热电阻在加工过程中的加工误差及个体特征的差异导致偏离线性关系从而产生误差，或者在不同测温区间的线性度变化而导致测量误差。这种误差在饮料生产中是一种极大的风险，究其原因则在于，温度是饮料生产中需要严格监控的物理量，超高温杀菌设备通过杀菌温度与时间的组合来确保饮料产品中的灭菌率，碳酸饮料生产是通过对温度的精确控制来保证饮料中二氧化碳的溶解量。如果在饮料生产工作中无法准确的监测温度，则会极大程度的影响产品质量。有基于此，生产者们需要一种更为准确的温度转换方法。

技术实现要素：

本发明提供了一种pt100温度传感器的温度转换方法，旨在解决目前温度传感器的温度转换方法误差较大的问题。

本发明所述一种pt100温度传感器的温度转换方法，包括以下步骤：

s1，对pt100温度传感器进行预处理，得到当前温度范围内的回归常数a和回归系数b；

s2，获取pt100温度传感器的测量数值；

s3，对测量数值进行数据类型处理得到温度自变量x；

s4，温度自变量x乘以回归系数b后，减去回归常数a，温度因变量y，即实际温度值。

本发明所述一种pt100温度传感器的温度转换方法，通过对p100温度传感器进行预处理，计算得到当前测量环境下最为适当的线性回归方程，确定可用的回归常数和回归系数，对p100温度传感器检测得到的测量温度数值进行处理，得到精确运算的自变量值，自变量值经过运算可得到实际温度值。由于对线性回归方程进行过检验，可使得方程显著，回归有意义。在投入实际使用之前，对pt100温度传感器进行预处理，依据采集的pt100温度传感器的数字值与同时输入读取的实测温度值为预处理数据，对预处理数据进行分析得到符合当前设备和测温区间的线性关系，使得转换结果贴近实测温度，温度转换误差小于±0.1℃。该种温度转换方法，通过预处理可确定每次检测过程中最为接近的线性关系，可以屏蔽传感器个体差异带来的误差，并且，因为预处理中选择的温度与待测温度处于大体相同的温度范围，则可避免因为在不同测温区间的线性度变化而导致测量误差。解决目前温度传感器的温度转换方法误差较大的问题，是该种pt100温度传感器的温度转换方法尤其适用于饮料生产等检测精度要求高的领域。

附图说明

图1是本发明的一种pt100温度传感器的温度转换方法的流程图1。

图2是本发明的一种pt100温度传感器的温度转换方法的流程图2。

图3是本发明的一种pt100温度传感器的温度转换方法的流程图3。

图4是本发明实施例的回归方程的输入和移去的变量表。

图5是本发明实施例的一元线性回归模型拟合数据表。

图6是本发明的回归方程的方差分析表。

图7是本发明的回归方程的系数检验表。

具体实施方式

如图1所示，一种pt100温度传感器的温度转换方法，其特征在于，包括以下步骤：s1，对pt100温度传感器进行预处理，得到当前温度范围内的回归常数a和回归系数b；s2，获取pt100温度传感器的测量数值；s3，对测量数值进行数据类型处理得到温度自变量x；s4，温度自变量x乘以回归系数b后，减去回归常数a，温度因变量y，即实际温度值。通过对p100温度传感器进行预处理，计算得到当前测量环境下最为适当的线性回归方程，确定可用的回归常数和回归系数，对p100温度传感器检测得到的测量温度数值进行处理，得到精确运算的自变量值，自变量值经过运算可得到实际温度值。

如图2所示，所述步骤s1包括以下步骤，s11，对使用温度范围内的液体温度进行预处理测量，获取pt100温度传感器的预处理温度测量值；s12，对预处理温度测量值进行数据类型处理得到预处理温度自变量x1；s13，输入实际温度数值，记为温度因变量y1；s14，通过线性回归分析得到x1和y1之间的一元线性回归方程；s15，检验线性回归方程，得到可用的回归系数b和回归常数a。由于对线性回归方程进行过检验，可使得方程显著，回归有意义。在投入实际使用之前，对pt100温度传感器进行预处理，依据采集的pt100温度传感器的数字值与同时输入读取的实测温度值为预处理数据，对预处理数据进行分析得到符合当前设备和测温区间的线性关系，使得转换结果贴近实测温度，温度转换误差小于±0.1℃。

如图3所示，所述步骤s15包括以下步骤，s151，检测自变量是否已经全部进入回归方程，如是则进入步骤s152，如不是则返回步骤s14；s152，构建决定系数r2对一元线性回归模型进行拟合优度检验，通过检验则进入步骤s153，如未能则返回步骤s14；s153，检验回归方程的显著性，如确认方程显著，回归有意义则进入步骤s154，如未能方程不显著则返回步骤s14；s154，用t检验方式确定回归方程的系数显著性，确定可用的回归系数b和回归常数a。

本实施例中以温度区间67.9～91.4℃为例，具体介绍对pt100温度传感器进行预处理。将pt100温度传感器在高温区间（67.9～91.4℃）的实测温度和数字反馈值导入spss进行线性回归分析，得到以下分析结果。如图4显示已输入变量和被移除变量的信息，从结果可知，回归分析所定义的自变量，反映实际温度的数字值已经全部进入回归方程。因变量为通过水银温度计读取的实测温度，因此可以确定所输入的解释变量都显著而且有较强的解释力度。

如图5所示，对一元线性回归模型进行拟合优度检验，模型拟合相关系数r=0.999，决定系数r²=0.998，调整后的决定系数r²=0.998，标准估计的误差为0.2844。根据以上数据分析可知模型拟合效果较好，pt100温度传感器的测量数值跟实际温度之间有显著的线性关系。

如图6所示，对一元回归线性方程进行方差分析，主要检验回归系统的显著性，从图中可知，该组数据分析结果的回归平方和s回=1604.059，残差平方和s残=2.588，所用的回归模型统计量值f=19833.152，相伴概率sig（significant）值p=0.000，故可确定所采用的一元线性回归模型是有统计学意义的，相应的置信水平为0.000，比常用的置信水平0.05小，因此可以认为方程显著，回归是有意义的。

一元线性回归方程的系数及系数检验的结果如图7所示，用t检验方式确定回归方程的系数显著性。从表中可知非标准化回归方程的常数项a=—3.605，pt100温度传感器反馈的数字值自变量系数b=0.102。通过t检验法对回归方程系数的检验，常数项检验对应的相伴概率p=0.00，小于常用的p=0.05，显示其可置信度高。这一结果同时也表明常数项和自变量系数都是显著的。根据以上分析，可得到pt100反馈的数字值跟实际温度之间在区间67.9～91.4℃的回归方程为y=0.102x-3.605。其中温度因变量y为实际温度，温度自变量x为pt100温度传感器反馈的机器数经a/d模块转换出来的数字量。

本发明所述步骤s2包括以下步骤，s21，利用恒流源对pt100温度传感器供电，检测pt100温度传感器的电流模拟量；s22，通过模数转换模块对监测到的电流模拟量进行转换，得到pt100温度传感器的测量数值。该步骤主要为获取pt100温度传感器的测量数据，主要可通过硬件执行部分实现，包括测量实际温度的pt100温度传感器，为其供电的恒流源，以及对传感器信号进行模数转换的a/d模块。

本发明所述步骤s3包括以下步骤，s31，将得到的整数型pt100温度传感器的测量数值变为双整数型数值；s32，将双整数数值变为实数型数值，得到实数型的温度自变量x。该步骤主要实现对数据存储类型的转换，有a/d模块转后得到的属于以整数型数据进行存储，为了实现后续一元线性回归方程的运算，该步骤将整数型数据转换为实数型数值进行存储。