徐桂林，黄 彦，孙振庭

(1.长春气象仪器研究所有限责任公司，长春 130102；2.长春希迈气象科技股份有限公司，长春 130102)

0 引言

随着电子技术、处理器技术和现场总线技术的发展，在工业现场的信号采集处理中，以微处理器为核心的智能传感器应用越来越广泛。这类传感器不仅可以对现场量进行采集与表征转换，还具有很强的数据处理和通信能力，使在前端对一次元件进行参数变换和非线性校正的构想成为可能[1]。

目前，对传感器非线性校正的方法有很多[2，3]。最常用的是查表法(分段线性插值方法)，在量程内将曲线分成很多段，每一段用直线代替曲线，分段直线近似逼近曲线，分的段数越多，近似精度越高。但同时占用的存储空间也越大，查表时间随之增长，因此该方法实时性不好，对于精度要求高的场合适用性较差。曲线拟合法是用n次多项式拟合传感器反非线性曲线，多项式系数一般采用LS算法及各种改进的LS算法确定，求解过程可能因噪声污染而无法求解出正确值[4，5]。基于神经网络的非线性补偿方法是近年发展起来的新型算法，利用传感器检测数据或标准分度表训练BP神经网络，得到传感器逆模型，进而使校正模型系统线性化，得到的网络可按一般线性特性处理，具有较好的适应性和较高的精度，但BP网络也存在收敛速度慢、隐层节点数选择困难和容易陷入局部最小等问题[6]。

1 智能传感器非线性校正模型

智能传感器的一般结构如图1所示。……