[发明专利]传感器处理方法

说明书

技术领域

本发明涉及传感器，在一个例子中，涉及压力传感器(pressure sensor)。

技术背景

传感器必须被校准。在一个例子中，压力指示器包括谐振压力换能 器(resonant pressure transducer)，其频率随施加的压力而改变。然而， 传感器输入(压力)与传感器输出(频率改变)之间的关系不是线性的。而且， 谐振频率也作为温度的函数而改变。因此，压力指示器典型地包括温度 传感器，并且温度和频率信号这二者被输入到微处理器。校准和补偿数 据被存储在链接到微处理器的存储器(即，EEPROM)中。

在校准期间，若干已知的压力在若干已知的温度下被施加到传感器。 被编程为应用各种曲线拟合技术的微处理器然后计算校准数据，并把它 以以下形式存储在存储器中：

P＝f(F，T)                (1)

其中F是频率，P是压力，并且T是温度。在一个例子中，

P＝ a₀      +b₀.F      +c₀.F²      +d₀.F³+

    a₁.T    +b₁.F.T    +c₁.F².T    +d₁.F³.T+

    a₂.T²   +b₂.F.T²   +c₂.F².T²   +d₂.F³.T²+

    a₂.T³   +b₃.F.T³   +c₃.F².T³   +d₃.F³.T³

这里，系数a₀...d₃是根据校准数据来计算的，它们被使用来对F和T 与输出P的关系进行近似(approximate)。可以使用诸如根据指定数目 的数据点的最小二乘拟合(least square fit)或准确拟合(exact fit)之类 的线性近似方案。

当在现场使用传感器时，微处理器记录换能器的温度和频率，并根 据公式(2)来计算压力读数。

对于高准确度使用，这个方案具有多个局限性。

首先，多项式拟合依赖于所选择的多项式的阶(order)。较高阶的 多项式提供较好的拟合，但大大地增加计算负担，这限制了计算的速度 和准确度。

第二，高阶多项式有出名的不良表现，并呈现出在原始数据中未发 现的振荡特性(oscillatory characteristic)。

第三，在原始数据的边界处的估计(estimation)很差，在原始数据 的边界以外极端发散。

也可以使用诸如Bezier曲线和Hermite Spline之类的其它方法来克服 多项式的某些异常的表现。然而，这样的方法牵涉到很大的计算负担， 因此限制了它们在其中计算能力是有限的系统中的有用性。

也曾使用三次样条(Cubic spline)技术来拟合数据。这样的方法具 有优点：曲率被控制，以避免急剧的过渡(sharp transition)。然而，这 样的方法依赖于曲率约束条件和端点特性的现有知识，其常常是未知的 或太易变的，从而在得到的拟合中产生在测量数据中没有出现的错误。 而且，计算的复杂性也很大。

在现有技术中，所涉及的计算需要使用双精度浮点运算来保持计算 误差低于1ppm。仅仅这一点就几乎四倍于(quadruple)基于小型微处理 器的系统的计算负荷。

发明内容