点击数: 更新日期: 2022-06-24
原文题目：Nonlinear correction method of pressure sensor based on data fusion
发表期刊：Measurement（2022，JCR Q1）
原文DOI：https://doi.org/10.1016/j.measurement.2022.111303
作者列表：（按照原文实际顺序编写即可）
1) 岳元龙（教师，通讯作者） 中国石油大学（北京）自动化系
2) 徐世江（学生） 中国石油大学（北京） 自动化系 研20
3) 左信（教师） 中国石油大学（北京） 自动化系
摘要:
压阻式压力传感器在水下压力变送器设计中应用最为广泛，其非线性输出易受油气介质温度的影响。已发表的文献集中于现有的基于硬件、软件或者混合方法的校正方法，然而存在灵活性差、精度低、温漂大的缺点，尤其不能保留传感器本身的非线性特性。本文提出基于数据融合的压力传感器非线性校正方法。该方法融合了数值计算和机器学习的优点，保留传感器输出的非线性特性且抑制了温度的影响，并证明了该方法优于现有校正方法。
设计与实现:
1.使用ANSYS软件进行压力传感器压力温度耦合仿真有限元分析，可计算蓝宝石膜片上表层温度：
（1）
钛/硅-蓝宝石压力传感器压力温度耦合仿真如图1所示，
（a）
（b）
（c）
（d）
图1 压力温度耦合仿真. (a) 温度分布；(b) 总形变；(c) 热应变；(d) 等效应力.
2.提出一种PF-W_BP-PSO_BP融合算法进行压力传感器的非线性校正，核心公式为：
（2）
3.数据采集系统硬件电路设计。
图2 数据采集系统硬件电路设计.
4.数据采集验证实验设计。
图3 数据采集验证实验.
5.高低温压力数据采集实验，进行数据采集。
图4 数据采集实验.
实验结果及分析:
图5 神经网络智能算法融合多项式拟合算法输出对比图.
图5为基于91组标定数据的神经网络智能算法融合多项式拟合算法输出对比图。黄色曲线始终位于蓝色和绿色曲线之间，红色曲线始终位于蓝色和紫色曲线之间。
图6 四种算法预测输出的绝对误差.
图6为四种非线性校正算法对应的最大绝对误差图，PF-W_BP-PSO_BP融合算法融合了其他算法的优点。
作者简介:
岳元龙，中国石油大学(北京)自动化系，硕士生导师，从事数据融合、嵌入式硬件开发和深海油气水下控制系统关键技术研究。
联系方式：yueyuanlong232@126.com
徐世江，中国石油大学(北京)自动化系，硕士研究生，从事检测技术方面的研究。
联系方式：xsj0081926@163.com
左信，中国石油大学（北京）教授，博士生导师。从事油气开发与石油化工过程的测量、控制与自动化方面的理论和工业应用研究。
联系方式：zuox@cup.edu.cn