【技术实现步骤摘要】
本公开的实施例属于mems压力传感器，具体涉及一种mems压力传感器及其温漂补偿方法和装置。
技术介绍
1、mems压力传感器通常是由压力薄膜和压敏元件组成，外界振动、压力等作用使传感器的半导体弹性薄膜产生形变，压力的大小由压敏元件检测到的形变程度反应出来，从而实现压力的检测。在mems技术的发展推动下，mems压力传感器因其小型化、低功耗、高精度和高稳定性等优势，被广泛应用于航空航天、生物医学、汽车工业、环境监测和工业自动化等多个领域。
2、而mems压力传感器通常压敏元件为压敏电阻，将压力变化带来的形变转化为压敏电阻的阻值变化，其压敏电阻本身受外界温度影响较为显著，给压力传感器带来较大的温漂，严重影响了传感器的精度，mems压力传感器的温漂问题亟须解决。
技术实现思路
1、本公开的实施例旨在至少解决现有技术中存在的技术问题之一，公开了一种mems压力传感器及其温漂补偿方法和装置。
2、第一方面，本公开的实施例提供一种mems压力传感器的温漂补偿方法，所述方法包括：
3、获取mems压力传感器的实际压力值和实际温度值；
4、将所述mems压力传感器的所述实际压力值和所述实际温度值输入预先训练的基于bp神经网络的温漂补偿模型，预测得到所述mems压力传感器的压力补偿值；其中，
5、所述温漂补偿模型采用目标压力值、目标温度值以及对应的目标压力补偿值预先训练得到。
6、在一些实施例中，所述温漂补偿模型，具体训练步骤
7、获取所述mems压力传感器的所述目标压力值、所述目标温度值、以及对应的所述目标压力补偿值；
8、将所述目标压力值和所述目标温度值作为所述温漂补偿模型的输入，将所述目标压力补偿值作为所述温漂补偿模型的输出，通过鲸鱼优化算法woa算法训练得到所述温漂补偿模型。
9、在一些实施例中，所述通过woa算法训练得到所述温漂补偿模型，包括：
10、设置迭代数t与种群数，并将所述bp神经网络的训练误差作为适应度函数；
11、根据下述关系式(1)计算每个鲸鱼个体的适应度值，保存当前最优个体和位置；
12、d＝|c·xp(t)-x(t)|(1)
13、其中，d为更新步长；c为随机变量；xp(t)为最优个体的位置；x(t)为当前个体的位置；t为当前迭代数；
14、当t＜t时，根据下述关系式(2)、(3)和(4)更新参数a、c和a；
15、a＝2a·r-a(2)
16、c＝2r(3)
17、
18、其中，a为随机变量；r为[0,1]之间的随机数；a为迭代系数；t为总的迭代次数；
19、当p<0.5时，若|a|<1，根据下述关系式(5)更新鲸鱼位置；若|a|≥1，根据下述关系式(6)随机更新鲸鱼位置；
20、x(t+1)＝xp(t)-a·d(5)
21、x(t+1)＝xrand(t)-a·d″(6)
22、d″＝|c·xrand(t)-x(t)|(7)
23、其中，xrand(t)为从种群中随意选取某一鲸鱼的位置；d″为随机探索时的更新步长；
24、当p≥0.5，根据下述关系式(8)更新鲸鱼位置；
25、x(t+1)＝d′·ebt·cos(2πl)+xp(t)(8)
26、d′＝|xp(t)-x(t)|(9)
27、其中，b为螺旋形状的常数；l为[1,1]之间的随机数；d′为捕食时的更新步长；
28、计算当前群体中最优个体并保存个体位置，再判断是否满足关系t＞t，若满足该关系则输出最优鲸鱼位置并记录最优权值和阈值，得到所述温漂补偿模型；若不满足该关系则令t＝t+1，然后再重复执行上述步骤。
29、在一些实施例中，所述bp神经网络包括输入层、隐藏层和输出层。
30、第二方面，本公开的实施例提供一种mems压力传感器的温漂补偿装置，所述装置包括：
31、获取模块，用于获取mems压力传感器的实际压力值和实际温度值；
32、补偿模块，用于将所述mems压力传感器的所述实际压力值和所述实际温度值输入预先训练的基于bp神经网络的温漂补偿模型，预测得到所述mems压力传感器的压力补偿值；其中，
33、所述温漂补偿模型采用目标压力值、目标温度值以及对应的目标压力补偿值预先训练得到。
34、在一些实施例中，所述装置还包括训练模块；
35、所述获取模块，还用于获取所述mems压力传感器的所述目标压力值、所述目标温度值、以及对应的所述目标压力补偿值；
36、所述训练模块，用于将所述目标压力值和所述目标温度值作为所述温漂补偿模型的输入，将所述目标压力补偿值作为所述温漂补偿模型的输出，通过鲸鱼优化算法woa算法训练得到所述温漂补偿模型。
37、在一些实施例中，所述训练模块，具体还用于：
38、设置迭代数t与种群数，并将所述bp神经网络的训练误差作为适应度函数；
39、根据下述关系式(1)计算每个鲸鱼个体的适应度值，保存当前最优个体和位置；
40、d＝|c·xp(t)-x(t)|(1)
41、其中，d为更新步长；c为随机变量；xp(t)为最优个体的位置；x(t)为当前个体的位置；t为当前迭代数；
42、当t＜t时，根据下述关系式(2)、(3)和(4)更新参数a、c和a；
43、a＝2a·r-a(2)
44、c＝2r(3)
45、
46、其中，a为随机变量；r为[0,1]之间的随机数；a为迭代系数；t为总的迭代次数；
47、当p<0.5时，若|a|<1，根据下述关系式(5)更新鲸鱼位置；若|a|≥1，根据下述关系式(6)随机更新鲸鱼位置；
48、x(t+1)＝xp(t)-a·d(5)
49、x(t+1)＝xrand(t)-a·d″(6)
50、d″＝|c·xrand(t)-x(t)|(7)
51、其中，xrand(t)为从种群中随意选取某一鲸鱼的位置；d″为随机探索时的更新步长；
52、当p≥0.5，根据下述关系式(8)更新鲸鱼位置；
53、x(t+1)＝d′·ebt·cos(2πl)+xp(t)(8)
54、d′＝|xp(t)-x(t)|(9)
55、其中，b为螺旋形状的常数；l为[1,1]之间的随机数；d′为捕食时的更新步长；
56、计算当前群体中最优个体并保存个体位置，再判断是否满足关系t＞t，若满足该关系则输出最优鲸鱼位置并记录最优权值和阈值，得到所述温漂补偿模型；若不满足该关系则令t＝t+1，然后再重复执行上述步骤。
57、第三方面，本公开本文档来自技高网...
【技术保护点】
1.一种MEMS压力传感器的温漂补偿方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述温漂补偿模型，具体训练步骤如下：
3.根据权利要求2所述的方法，其特征在于，所述通过WOA算法训练得到所述温漂补偿模型，包括：
4.根据权利要求1至3任一项所述的方法，其特征在于，所述BP神经网络包括输入层、隐藏层和输出层。
5.一种MEMS压力传感器的温漂补偿装置，其特征在于，所述装置包括：
6.根据权利要求5所述的装置，其特征在于，所述装置还包括训练模块；
7.根据权利要求6所述的装置，其特征在于，所述训练模块，具体还用于：
8.一种MEMS压力传感器，其特征在于，采用权利要求1至4任一项所述的温漂补偿方法。
9.一种电子设备，其特征在于，包括：
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，
【技术特征摘要】
1.一种mems压力传感器的温漂补偿方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述温漂补偿模型，具体训练步骤如下：
3.根据权利要求2所述的方法，其特征在于，所述通过woa算法训练得到所述温漂补偿模型，包括：
4.根据权利要求1至3任一项所述的方法，其特征在于，所述bp神经网络包括输入层、隐藏层和输出层。
5.一种mems压力传感器的温漂补...
【专利技术属性】
技术研发人员：李维平，崔艳凤，焦祥锟，李晓波，
申请(专利权)人：南京高华科技股份有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。