一种面向航空发动机的智能压力传感器热补偿方法技术

本发明专利技术提供一种面向航空发动机智能压力传感器的热补偿方法，包括以下步骤：步骤1)基于硅压阻式压力敏感芯体特性开展压力输入

【技术实现步骤摘要】
一种面向航空发动机的智能压力传感器热补偿方法


[0001]本专利技术属于航空发动机控制
，具体涉及一种面向航空发动机的智能压力传感器热补偿方法。

技术介绍

[0002]随着科技的不断发展，传感器成为了科技发展中必不可少的重要元素，硅压阻式压力传感器以体积小、灵敏度高、性能可靠等优点成为了传感器中被广泛应用的一种，其广泛应用于各种工业自控环境，涉及水电、交通、自动控制、航空航天、军工、石化、电力、船舶、工业等众多行业。温度会在传感器正常工作的情况下对其产生影响，造成传感器的温度漂移现象。温度漂移作为压阻式压力传感器不可忽视的问题之一，严重制约着该类传感器的应用范围和测量效果，当前在固定温度或小范围温度环境变化下的压力测试已有了较好的解决方法，不同的温度补偿设备和方法也较为完善。对于航空发动机而言，压气机出口压力是重要的物理量，是发动机控制不可或缺的参数之一。航空发动机出口温度高，现有的压力传感器易受温度影响而不能准确测量出口压力。因此，进一步进行压阻式压力传感器的温度补偿方式的探究，特别是大温度范围乃至全温范围的温度补偿方法的研究是极其重要的。传统的温度补偿方法分为硬件补偿和软件补偿两类，硬件补偿存在调试困难、精度低、成本高、通用性差等缺点，而软件补偿相对于硬件补偿来说更加灵活，更加精确，可靠性高也更环保，常见的软件补偿方法分为插值法，查表法，最小二乘法以及近些年来被广泛应用的人工神经网络法。其中通过人工神经网络法的温度补偿，使得压力传感器的输出有一个更加精确更加可靠的拟合结果，极大地提高传感器的精确度。
>[0003]针对硅压阻式压力传感器温度漂移问题，本专利技术提出一种面向航空发动机的智能压力传感器热补偿方法。

技术实现思路

[0004]专利技术目的：本专利技术所要解决的技术问题在于克服现有技术的不足，本专利技术依据温箱和压力发生源构建温度压力模拟环境以研究传感器温压特性，同时设计了一种基于RBF神经网络的补偿算法，对温度漂移进行修正，提高了测量精度，并基于热补偿模型设计压力传感器智能补偿方法的嵌入式程序，将补偿算法加载于压力传感器智能处理模块，形成了压力传感器的一种智能热补偿方法。
[0005]技术方案：为实现上述目的，本专利技术采用的技术方案为：
[0006]一种面向航空发动机的智能压力传感器热补偿方法，包括以下步骤：
[0007]步骤1)，基于硅压阻式压力敏感芯体特性开展压力输入
‑
电压输出特性实验，并开展温度对硅压阻式压力芯体的性能分析；
[0008]步骤2)，基于RBF神经网络建立智能压力传感器热补偿模型；
[0009]步骤3)，基于压力传感器热补偿模型和传感器智能处理系统得到压力传感器智能补偿模型，通过压力传感器智能补偿模型对压力传感器智能补偿。
[0010]进一步的，所述步骤1)中的输入
‑
输出特性实验环境为压力源与恒温箱，具体步骤如下：
[0011]步骤1.1)，基于实验设备压力源和恒温箱，构建恒压恒温试验环境；
[0012]步骤1.2)，选取某型MEMS硅压阻式压力传感器作为试验芯体放置于恒压/恒温系统中，压力敏感芯体充分感压感温，连接上位机程序；
[0013]步骤1.3)，基于压力源和恒温箱构成的实验环境，采取控制变量法开展对硅压阻式压力敏感芯体的特性研究实验。
[0014]进一步的，所述步骤1.3)的具体步骤如下：
[0015]步骤1.3.1)，改变温度，在不同的温度点下观测压力芯体的压力输入
‑
电压输出特性，记录各个温度下的测量数据；
[0016]步骤1.3.2)，基于数据分布，分析温度对硅压阻式压力芯体的性能影响。
[0017]进一步的，所述步骤2)的具体步骤如下：
[0018]步骤2.1)，基于1.3.2)特性分析，选取RBF神经网络；
[0019]步骤2.2)，基于步骤1.3.1)所得测量数据，选取RBF网络的输入、输出以及网络数据集、训练集、测试集；
[0020]步骤2.3)，设置RBF网络训练参数即设置网络训练次数、学习率、训练要求精度和隐含层数量，训练RBF网络。
[0021]进一步的，所述步骤2.2)的具体步骤如下：
[0022]步骤2.2.1)，选取MEMS压阻式传感器温压特性试验数据压力的电压输出量Up与温度的电压输出值Ut作为RBF网络输入，以实验室标定压力值Pm作为网络输出；
[0023]步骤2.2.2)，选取MEMS压阻式传感器温压特性试验数据中压力的电压输出量Up、温度的电压输出值Ut、标定压力值Pm构成RBF网络数据集，并随机选取其中70％的数据为训练集，30％的数据为测试集。
[0024]进一步的，所述步骤3)的具体步骤如下：
[0025]步骤3.1)，保存步骤2.4)训练得到的智能压力传感器热补偿模型，提取RBF神经网络的阈值和权值；
[0026]步骤3.2)，采用C语言编写由步骤2.4)训练得到的RBF神经网络的C语言程序。
[0027]步骤3.3)，设计一款带有放大、滤波、模数转换、处理器功能的传感器智能处理系统，并加载步骤3.2)所得的嵌入式程序。
[0028]进一步的，所述步骤3.2)的具体步骤如下：
[0029]步骤3.2.1)，基于步骤3.1)得到的阈值和权值编写c语言程序中头文件，同时添加库函数声明；
[0030]步骤3.2.2)，基于热补偿模型输入、输出、阈值和权值关系，编写被调用函数，即子函数；
[0031]步骤3.2.3)，基于热补偿模型输入参数，编写主函数程序，调用子函数。
[0032]进一步的，所述传感器智能处理系统包括信号采集及处理模块、微处理器模块、通信模块，实现压力温度信号的AD采集、量纲变化以及为智能补偿模型提供硬件环境。信号采集及处理模块、微处理器模块、通信模块均为常用模块，没有创新。
[0033]本专利技术还提供一种压力传感器智能补偿模型处理器，所述压力传感器智能补偿模
型处理器设置有基于压力传感器热补偿模型和传感器智能处理系统得到压力传感器智能补偿模型，通过压力传感器智能补偿模型对压力传感器智能补偿的程序。
[0034]本专利技术与现有技术相比，具有以下技术效果：(1)软件补偿方法灵活性更强，可控性更高。(2)神经网络方法补偿精度更高，泛化能力更强。
附图说明
[0035]图1是一种面向航空发动机的智能压力传感器热补偿方法的流程图；
[0036]图2是试验所选取某型MEMS硅压阻式压力敏感形体图；
[0037]图3是压力敏感芯体的压力输入
‑
电压输出特性图；
[0038]图4是神经网络结构图；
[0039]图5是spread参数选择结果图；
[0040]图6是压力补偿模型测试样本结果图；
[0041]图7是神经网络温度补偿流程图；
[0042]图8压力传感器智能处理模块图。本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种面向航空发动机智能压力传感器的热补偿方法，其特征在于，包括以下步骤：步骤1)，基于硅压阻式压力敏感芯体特性开展压力输入
‑
电压输出特性实验，开展温度对硅压阻式压力芯体的性能分析；步骤2)，基于RBF神经网络建立智能压力传感器热补偿模型；步骤3)，将智能压力传感器热补偿模型的参数编译为嵌入式程序加载进传感器智能处理系统中，得到压力传感器智能补偿模型，通过压力传感器智能补偿模型对压力传感器智能补偿。2.根据权利要求1所述的一种面向航空发动机智能压力传感器的热补偿方法，其特征在于：所述步骤1)具体步骤如下：步骤1.1)，基于实验设备压力源和恒温箱，构建恒压/恒温试验环境；步骤1.2)，将压力传感器放置于恒压/恒温试验环境中，压力敏感芯体充分感压感温，同时测量传感器输出电压；步骤1.3)，基于由压力源和恒温箱构成的实验环境，采取控制变量法开展对硅压阻式压力敏感芯体的特性研究实验。3.根据权利要求2所述一种面向航空发动机智能压力传感器的热补偿方法，其特征在于：所述步骤1.3)的具体步骤如下：步骤1.3.1)，改变温度，在不同的温度点下观测压力敏感芯体的压力输入
‑
电压输出特性，记录各个温度下的测量数据；步骤1.3.2)，基于测量数据分布，分析温度对硅压阻式压力芯体的性能影响。4.根据权利要求3所述的一种面向航空发动机智能压力传感器的热补偿方法，其特征在于：所述步骤2)的具体步骤如下：步骤2.1)，基于1.3.2)特性分析，设计RBF神经网络；步骤2.2)，基于步骤1.3.1)所得测量数据，确定RBF网络的输入、输出以及网络数据集、训练集、测试集；步骤2.3)，设置RBF网络训练参数，包括网络训练次数、学习率、训练要求精度和隐含层数量；步骤2.4)，训练该RBF网络，得到智能压力传感器热补偿模型。5...

【专利技术属性】
技术研发人员：郑天翔，潘慕绚，吴明，黄金泉，
申请(专利权)人：南京航空航天大学，
类型：发明
国别省市：