宋志章，孫艷梅，李　會，吳金秋，劉文禮，顧　丁

(齊齊哈爾大學,黑龍江齊齊哈爾　161006)

0　引言

隨著集成電路和半導體技術的不斷發(fā)展，應用半導體材料的壓阻效應以擴散工藝制造而成的半導體力敏傳感器得到了廣泛應用，其中單晶硅壓阻式壓力傳感器以其體積小、靈敏度高、易于小型化和集成化等優(yōu)點備受青睞。但力敏電阻條的阻值易隨溫度改變，而且壓阻元件的壓阻系數(shù)具有明顯的負溫度系數(shù)，這導致電阻值與電阻溫度系數(shù)的離散，使得壓阻式壓力傳感器產生零點漂移[1]。為此，文中將模糊神經網絡應用于壓阻式壓力傳感器零點漂移補償，模糊神經網絡是模糊理論與神經網絡技術相結合形成的[2]，它是正在發(fā)展的一門全新的技術，其本質是將神經網絡賦予模糊權值[3]，模糊神經網絡體現(xiàn)了模糊系統(tǒng)和神經網絡的互補性，是集語言計算、邏輯推理、分步式處理和非線性映射為一身的系統(tǒng)[4]，這些性能恰好滿足了壓力傳感器溫度補償技術的要求。在零點漂移補償中，模糊神經網絡的并行處理能力可加快溫度漂移補償?shù)挠嬎闼俣群团袛嗨俣龋聂敯粜院腿蒎e性可提高抗干擾能力和容錯能力，從而提高壓力傳感器的可靠性和穩(wěn)定性。

1　壓阻式壓力傳感器

1．1壓阻式壓力傳感器的基本原理

壓阻式壓力傳感器是以硅片作為彈性敏感元件。在該膜片上用集成電路工藝技術制成4個等值薄膜電阻，組成Wheatstone電橋[1]，被測壓力作用于彈性敏感元件上時，膜片產生與被測壓力成正比的微小位移，傳感器的電阻值發(fā)生變化，Wheatstone電橋失去平衡而產生輸出，利用電子線路檢測出這一變化，并將其轉換成一個對應的標準測量信號。

壓阻式壓力傳感器工作原理圖如圖1所示。圖中阻值相同R1、R2、R3、R4連成Wheatstone電橋的形式，且將R1、R3放在正應力區(qū)，R2、R4放在負應力區(qū)，當有外界壓力作用在膜片上時，R1、R3的阻值將隨之增加，R2、R4的阻值將隨之減小[5]，外加電壓VB，Wheatstone電橋電路的輸出。

圖1　壓阻式壓力傳感器工作原理圖

當傳感器不受力且電阻值滿足：R1R3=R2R4，電路的輸出VO=0，當膜片兩側存在壓力差時，其將發(fā)生形變，使得R1、R3變大，R2、R4變小，Wheatstone電橋失去平衡，產生輸出：

(1)

1．2零點漂移

VO=VBP0/Q

(2)

VO與溫度密切相關，當溫度改變時，VO也會發(fā)生改變，這就是零點輸出電壓的溫度漂移，簡稱為零點漂移。

2　基于模糊神經網絡的零點補償

零點補償就是用相關算法對從壓力傳感器采集出的數(shù)據(jù)進行處理，針對由溫度產生的附加誤差進行修正[6]?；谀：窠浘W絡的零點漂移補償原理如圖2所示。

圖2　傳感器補償原理圖

傳感器數(shù)學模型為：

Up=f(x，Ut)

式中：x為被測量；Up為壓力傳感器的輸出；Ut為環(huán)境參數(shù)。

在傳感器的輸出端串聯(lián)模糊神經網絡補償環(huán)節(jié)來進行零點補償，如圖2所示。補償環(huán)節(jié)的特性函數(shù)為：y=f-1(Up，Ut)=x，其中y是補償后的輸出。很明顯，y應該等于被測量x，才能實現(xiàn)零點補償。但f-1往往很復雜，難于準確求解，而模糊神經網絡具有強大的非線性映射能力，可利用模糊神經網絡學習并逼近f-1實現(xiàn)壓力傳感器的零點補償。

2．1模糊神經網絡

式中c和σ分別為隸屬函數(shù)的中心和寬度[4-9]。

第三層決定了模糊規(guī)則的訓練速度，第四層是輸出層。

圖3　模糊神經網絡結構圖

若用I表示輸入信息，O表示輸出信息，則每層的輸入輸出關系為：

第一層：

(3)

第二層：

(4)

第三層：

(5)

第四層：

(6)

式中：ω為第三層到第四層的連接權值。

2．2模糊神經網絡的學習算法

高斯函數(shù)參數(shù)的調整公式為：

式中：η為學習速率；β為動量參數(shù)。

根據(jù)反向傳播算法從性能指針出發(fā)來推導模糊多層前饋神經網絡的學習算法，得到模糊神經網絡各參數(shù)的學習規(guī)律為：

(7)

σki(t+1)=σiki(t)=η(yd-y)·

(8)

ciki(t+1)=ciki(t)+η(yd-y)·

(9)

模糊神經網絡不但在輸入輸出端等效于具體的模糊系統(tǒng)，而且網絡內部與模糊系統(tǒng)的模糊化、模糊推理、解模糊對應，可用模糊系統(tǒng)的概念加以解釋，因而是透明的[10-12]。模糊系統(tǒng)的模糊規(guī)則以及隸屬函數(shù)參數(shù)的修改在網絡中轉變?yōu)榫植抗?jié)點或權值的確定和調整，學習速度較快。

3　基于模糊神經網絡的零點漂移補償實現(xiàn)步驟

基于模糊神經網絡的零點漂移補償可分為2步：

3．1網絡學習

在傳感器的測量范圍內隨機抽取n個u=[u1，u2，…un]以及相應輸出值v=[v1，v2，…vn]，按照式(3)-式(6)對vi進行模糊量化。隨機產生一組網絡初始權值，以每個vi作為模糊神經網絡的輸入值Ii，按照式(6)計算出網絡的實際輸出yi；再以ui作為模糊神經網絡的期望輸出ydi，按照式(7)-式(9)訓練模糊神經網絡的權值，直到|yi-ydi|

3．2誤差補償

實際測量的物理量u，經過傳感器轉換后輸出為v=f(u)，再經過模糊神經網絡泛化后，由式(6)計算出實際輸出，實現(xiàn)傳感器非線性誤差補償。

4　仿真結果與結果分析

本文選取PT14型壓力傳感器為研究對象，其量程為：p0～p0+10 kPa(P0為標準大氣壓)；精度：1.0%;工作溫度：-10～85 ℃；補償溫度：0～70 ℃。零點輸出如表1所示。其中UP為壓力傳感器的輸出，Ut為其工作溫度。

表1　傳感器零點輸出

神經網絡輸入層為兩個節(jié)點，分別對應UP和Ut的標準化后的值，輸出層為一個節(jié)點即修正后的傳感器輸出。根據(jù)PT14型壓力傳感器的理想標定值，網絡的期望響應為28.2，目標誤差為10-3，在模糊神經網絡學習的過程即各層神經元節(jié)點間的連接權值的優(yōu)化過程，它們共同作用，最后達到了零點補償?shù)哪康?，圖4為網絡迭代訓練曲線，訓練45次即可使誤差達到理想值0.001 243，圖5為模糊數(shù)據(jù)網絡的補償結果，經計算，采用模糊神經網絡得到的曲線很好，其相對誤差為0.27%，成功地減小了壓力傳感器的輸出誤差，將傳感器的精度有中低級提高到了中高級?？梢?，算法在運算速度上也比一般網絡要快得多，且精度更高，補償?shù)男Ч谩?/p>

圖4　網絡迭代訓練曲線

圖5　網絡補償結果

5　結論

溫度對壓阻式壓力傳感器的零點漂移影響很大，而且呈現(xiàn)非線性特征。針對該問題，文中提出了模糊神經網絡的零點補償方法，通過對壓力傳感器的輸出與期望輸出誤差的比較，反復修正各層神經元節(jié)點間的連接權值，直到滿足誤差要求為止。仿真結果證明，模糊神經網絡可有效補償壓阻式壓力傳感器的零點漂移，通過這種神經網絡模型，可得到精度較高的仿真模型，整個過程穩(wěn)定，收斂速度較快。

參考文獻：

[1]孟立凡，鄭賓．傳感器原理及技術．北京：國防工業(yè)出版社，2005：120-121．

[2]劉清．傳感器模糊神經網絡非線性誤差補償?shù)难芯浚詣踊瘍x表，2006，27(3)：11-17．

[3]張宏韜，姜輝，楊建國．模糊神經網絡理論在數(shù)控機床熱誤差補償建模中的應用．上海交通大學學報，2009，43(12)：1950-11961．

[4]李冠中，王雷．基于模糊神經網絡的MEMS陀螺溫度漂移建模．廈門大學學報(自然科學版)，2008，47(4)：511-513．

[5]劉宇，孫燕斌，江永清．基于光纖陀螺的方位傳感測井儀誤差補償算法．半導體光電，2009，30(1)：138-141．

[6]溫曉君．基于模糊神經網絡的傳感器可信度實時獲?。娮悠骷?，2007，303(3)：954-957．

[7]張洵，靳東明，劉華瑞，等．基于模糊神經網絡的智能巨磁電阻傳感器設計．計算機工程與設計，2007，28 (04)：895-897．

[8]劉宜平，沈毅，劉志言．一種基于模糊神經網絡的故障分類器及其在多傳感器故障診斷中的應用．傳感技術學報，2000(1)：38-43．

[9]劉宇，孫燕斌，江永清．基于光纖陀螺的方位傳感測井儀誤差補償算法．半導體光電，2009，30(1)：138-141．

[10]溫淑煥．機器人模糊神經網絡阻抗控制．系統(tǒng)仿真學報，2004，16(11)：2614-2617．

[11]De BRUYKER D，Puers R．Thermostatic control for temperature compensation of a silicon pressure sensor．Sensors and Actuators A：Physical，2000，82(1)：120-127．

[12]郭穎，周王民，馬戎，等．基于神經網絡的光纖光柵電流傳感器的溫度補償，傳感技術學報，2008，21(9)：1528-1531．