数字式智能化称重传感器制作关键性技术

    随着计算机软件技术的发展，人们设想称重传感器本身的缺陷是否可以通过软件技术来解决呢？ 也就是说，由计算机软件来完成传感器的诸如零点补偿、温度补偿、线性补偿、滞后补偿、蠕变与恢复补偿等几乎全部的补偿工艺。这样可以使称重传感器本身的制作工艺变得极其简单，既不需要把大量的精力花在精细的制作工艺上，又可以大大提高称重传感器弹性体与贴片的合格率。当然，由于要完成上述的各种软件补偿，需要建立各种数学模型，需要庞大的数据库来支撑。没有大量的试验数据是不可能完成的。 

    其基本配置如下：

    模拟式传感器+数字变送 （放大与A/D电路）+传感器软件智能化补偿

    该类称重传感器的数字变送部分包括放大、滤波、A/D转换器、微处理器、温度传感器，通过数字补偿电路和数字补偿工艺，可进行线性、滞后、蠕变等补偿；内装温度传感器，通过补偿软件可进行实时温度补偿；地址可调，便于应用与互换；并可实现远程诊断与校正。其核心是传感器软件智能化补偿技术。这种称重传感器据说采用了模糊数学、人工智能等方面的理论，用合理数据处理方法实现传感器误差的数字补偿，避免了传统称重传感器中繁琐的模拟补偿方法。此类传感器已具备了数字补偿智能化技术的基本要求。

    一种采用神经网络自学习功能，解决了因环境温度的变化对称重传感器桥臂之间的特性差异所造成的测量误差影响。具体做法为：将电桥的两个输出电压信号作为标定数据，采用神经网数据融合对标定数据进行处理，从而既提高了电桥测量的环境温度适应范围，又提高了其静态特性。

    目前，国内称重传感器非线性主要依靠弹性体本身制造、补偿、调整工艺来解决。而一种利用BP软件算法具有的非线性映射能力对传感器标定数据进行输入-输出特性的反非线性逼近，将其作为智能传感器系统的非线性校正软件，使传感器在该软件的支持下提高测量准确度。将传感器实验数据通过BP神经网络，据介绍此方法可降低测量相对误差。

    这种智能传感器数据预处理方法，应用于传感器的非线性校正温度补偿、数字滤波和标度变换，可实现工业现场传感器测试数据的前端检测与处理，从而提高了自动化检测作业系统中传感器的非线性质量。