扩散硅压力传感器的迟滞建模与智能补偿

摘 要：针对扩散硅压力传感器表现出非常规非平滑的强非线性迟滞特性，利用提升空间维数的方法，提出一个结构简单的迟滞逆算子，将迟滞非线性的多值映射转换成一一映射，建立T-S模糊模型逼近的迟滞逆模型，并实现对迟滞环的智能补偿。仿真结果表明，该模型用于迟滞特性建模是有效的，并具有较高的补偿精度。关键词：扩散硅压力传感器;迟滞;T-S模型;逆模型;逆算子Abstract: The hysteresis characteristic of diffused silicon sensor is a kind of non-smooth non-linearity with multivalued mapping and memory. In this method, a hysteretic operator of simple structure is introduced to transform the multivalued mapping of hysteresis into a one-to-one mapping so that T-S fuzzy model can be utilized to approximate the characteristic of hysteresis. And the inverse model of the hysteresis is established，which is put forward to make intelligence compensation to the hysteresis. The results of simulation show the inverse hysteresis model of diffused silicon sensor is effective and of high precision.Key words: diffused silicon pressure sensor;hysteresis;Takagi-Sugeno（T-S） model;inverse model;inverse operator1 引言　　扩散硅压力传感器因具有灵敏度高、性能稳定、量程范围广、大批量生产等特点，广泛应用于工业、农业、气象部门、航天航空等领域，应用潜力很大[1]。随着对压阻效应非线性的深入研究及半导体工艺技术的发展，扩散硅压力传感器的各项技术指标不断提高，但扩散硅压力传感器本身固有的非常规非平滑迟滞特性，影响了其测量精度。目前常用补偿方法有硬件补偿法和软件法，只是把迟滞看成一般的非线性特性进行近似补偿。由于新型材料有待研发等诸多因素限制，从改进生产工艺的角度，效果仍不能令人十分满意。因此通过软件代替硬件进行非线性补偿提高传感器精度已得到广泛的重视。　　在迟滞非线性的补偿方面，最常用的方法是建立精确的迟滞逆模型，将逆模型与迟滞非线性串联起来抵消迟滞对系统的不良影响。为了能够描述迟滞非线性的特性，国内外很多专家学者从不同角度对迟滞进行建模及控制，常见的迟滞模型如Preisach模型[2]、KP模型[3]、PI模型[4]、Duhem模型[5]、Bouc-wen模型[6]、TK模型[7]等。但是这些方法主要是从控制的角度出发，并不能得到精确的逆模型，而本文是从测量的角度，要求必须得到精确的迟滞逆模型，因而建立起精确的逆模型是本文解决问题的关键。　　文献[8]中提出一个分段的指数函数曲线勾画迟滞算子的轮廓，本文是受文献[8]的启发，基于提升空间维数的方法，提出一个数学表达式统一、结构简单的逆算子来提升迟滞的输入空间，在三维空间上将迟滞的多值映射转化为一一映射，利用T-S模糊模型逼近这个一一映射，建立迟滞逆模型。仿真结果表明，该模型具有较好的逼近和预测能力。　　详情请点击：扩散硅压力传感器的迟滞建模与智能补偿