工业高精度压力变送器非线性温度影响补偿方法研究

温度的大幅度波动会导致工业高精度压力变送器中的材料膨胀或收缩,引起压力变送器的输出值产生漂移。为了保证压力变送器的准确性和稳定性,提出一种基于BP神经网络的智能化温度影响补偿方法。分析温度对压力变动器的非线性影响,计算出零点温度漂移系数和灵敏度系数。通过函数特征化处理标准输出-压力曲线,根据零点温度漂移系数和灵敏度系数计算标准输出-压力曲线的误差,利用三阶多项式反函数对标准输出-压力曲线的误差进行线性化处理误差,用于校正压力变动器输出值。通过正反向传播算法多次训练反向传播神经网络(Back Propagation Neural Network,BP)修正各层间连接权重值,将校正后的压力变动器的输出值输入到已经训练好的网络中,待结果小于预设误差阈值或者达到最大迭代次数时,输出温度影响补偿结果。经模拟实验证明,所提方法可在-20℃~60℃区间内,妥善补偿因温度剧烈变化导致的压力变送器误差值,补偿后最大相对误差仅为0.5%,补偿精度高,效果好。