基于数据融合技术的传感器自校标定模型优化

对温度、湿度、电源等环境因素敏感的传感器，其输出常常与这些因素相互关联、相互作用，即传感器存在交叉干扰和交叉灵敏度，具体表现就是输出—输入特性不稳定，零点、灵敏度易发生漂移，测量出的数据不能准确地反映被测物理量，因而造成传感器精度下降，稳定性差。为提高测量精度和稳定性，传统的传感器系统常采用结构对称、硬件电路“拼凑”补偿等技术消除部分干扰，但适应性和实时补偿能力有限。而环境因素的影响通过标定的方法加以控制虽然是有效的方法，但标定不可能覆盖所有的测量变化范围。随着智能传感器的发展，传感器的功能不仅取决于硬件，而且更大程度上依赖于智能化的软件，硬件系统不再是保证传感器测量特性的唯一指标。如测量系统的线性度是影响系统精度的重要指标之一，智能化的非线性自动校正技术是通过软件来实现的，它不在乎测量系统中任一个测量环节具有多么严重的非线性特性。目前，许多先进的数据处理技术已用于发展智能化软件，其中数据融合技术是提高传感器精度和稳定性的有效技术之一。

传感器数据融合技术就是通过对多个参数的监测并采用一定的信息处理方法达到提高目标参数测量精度的目的。数据融合的基本目标是通过组合，将传感器数据之间进行相互关联，以从单位输出数据元素获得更多的信息。传感器数据融合已成功地应用于消除非目标参量影响，如“采用数据融合处理技术提高传感器的可靠性”一文中利用融合算法消除温度的干扰；多功能传感器，如《信息融合技术》专著中利用神经网络进行多信息融合获得对气体种类和浓度的判别。数据融合技术是近年来从军事目标跟踪与识别中产生的技术，作为独立学科其理论体系不够完善，算法大多借鉴其他学科的成熟方法。虽然如此，数据融合技术却显示出广阔的应用前景。(www.xing528.com)

本实例利用数据融合方法建立输出自校正/标定模型，消除非目标参量影响。采用CYJ—101型压阻式压力传感器，同时测量非目标参量—电流，通过电流影响系数矩阵，建立传感器输出自校正/标定模型。数据经过该模型处理后，消除了电流波动干扰，显著提高了测量的精度和稳定性。