李如发，卢文科

（东华大学信息学院，上海201620）

电涡流传感器误差补偿方法有许多种，主要有硬件补偿法［1-3］和软件补偿法［2-5］，硬件补偿法在实现起来较为复杂繁琐，成本较高，而且在精度上远远不如软件补偿法的效果好.软件补偿法目前的方法有很多，其中直线拟合、最小二乘法用的比较多，该种方法在应用上比较有限制，往往应用于线性系统中，不适应于复杂的非线性系统.多元线性回归，方法简单，但精度提升效果有限.而神经网络技术的应用逐渐成熟，其中BP神经网络［5-7］较为突出，适用于非线性系统中，补偿效果较好，能动态地跟踪系统.

电涡流传感器［8-10］具有灵敏度高、抗干扰能力强、非接触等特点.广泛应用于测量位移、振幅、厚度等参量以及无损检测过程中.但传感器输出特性大都为非线性，并且常受各种环境参数温度的影响，特别是在高温条件下传感器的输出存在严重的测量误差，这都给传感器的使用带来很多不便.将多层感知器网络（MLP）引入传感器的数据融合中，抑制传感器交叉敏感应度，使传感器的精度大大提高.

1 数据融合技术

1.1 误差分析及原理 温度对电涡流传感器的传感头的影响有两方面，一是温度升高或降低使传感头材料热胀冷缩；二是温度变化导致传感器线圈几何尺寸和电参数发生变化.这两方面的影响都使传感器输出特性发生变化，产生测量误差［11］.电涡流传感器数据融合包括电涡流传感器、温度传感器和……