[發明專利]微機電結構傳感器標定方法及裝置

在審

• 申請號: 201710594571.6
• 申請日: 2017-07-20
• 公開（公告）號: CN109283360A
• 公開（公告）日: 2019-01-29
• 發明（設計）人: 楊莉
• 申請（專利權）人: 大陸汽車電子（連云港）有限公司
• 主分類號: G01P21/00
• 分類號: G01P21/00;G01P21/02
• 代理公司: 北京市中咨律師事務所 11247
• 代理人: 張亞非;楊曉光

1.一種微機電結構傳感器標定方法，包括：

獲取微機電結構傳感器安裝之后的初始誤差；

獲取微機電結構傳感器在工作時的環境溫度；

根據所述微機電結構傳感器在工作時的環境溫度以及所述環境溫度與微機電結構傳感器誤差之間的關系確定所述微機電結構傳感器的環境溫度誤差；以及

使用所述微機電結構傳感器的初始誤差和環境溫度誤差對所述微機電結構傳感器的輸出值進行標定。

2.根據權利要求1所述的方法，其中，所述環境溫度與微機電結構傳感器誤差之間的關系體現在訓練好的神經網絡中。

3.根據權利要求2所述的方法，還包括：

建立所述環境溫度與微機電結構傳感器誤差之間的關系。

4.根據權利要求3所述的方法，其中，所述建立環境溫度與微機電結構傳感器誤差之間的關系包括：

在微機電結構傳感器的溫度測試中，獲得環境溫度與微機電結構傳感器誤差樣本數據；以及

使用所述環境溫度與微機電結構傳感器誤差樣本數據訓練神經網絡，所述神經網絡的輸入為環境溫度，所述神經網絡的輸出為微機電結構傳感器誤差。

5.根據權利要求4所述的方法，其中，所述訓練神經網絡是使用反向傳播算法進行的。

6.根據權利要求4所述的方法，其中，所述神經網絡包括輸入層、輸出層和一個隱含層。

7.根據權利要求6所述的方法，其中，所述輸入層的節點數為1，輸出層的節點數為1，隱含層的節點數為5-14。

8.根據權利要求5所述的方法，其中，所述反向傳播算法的最大迭代次數為400-1500，訓練速率為0.001-0.01，最大可接受誤差為0.001-0.01。

9.根據權利要求1所述的方法，其中，所述使用所述微機電結構傳感器的初始誤差和環境溫度誤差對所述微機電結構傳感器的輸出值進行標定包括：

將所述微機電結構傳感器的輸出值減去所述微機電結構傳感器的初始誤差和環境誤差，作為所述微機電結構傳感器的標定后的輸出值。

10.一種微機電結構微機電結構傳感器標定裝置，包括：

溫度傳感器，其被配置為檢測微機電結構傳感器在工作時的環境溫度；

微控制器，其被配置為：

獲取所述微機電結構傳感器安裝之后的初始誤差；

根據所述微機電結構傳感器在工作時的環境溫度以及環境溫度與微機電結構傳感器誤差之間的關系確定所述微機電結構傳感器的環境溫度誤差；以及

使用所述微機電結構傳感器的初始誤差和環境溫度誤差對所述微機電結構傳感器的輸出值進行標定。

11.根據權利要求10所述的裝置，其中，所述環境溫度與微機電結構傳感器誤差之間的關系體現在訓練好的神經網絡中。

12.根據權利要求11所述的裝置，還包括：

微機電結構傳感器溫度測試裝置，其被配置為在微機電結構傳感器的溫度測試中，獲得環境溫度與微機電結構傳感器誤差樣本數據；以及

神經網絡訓練裝置，其被配置為使用所述環境溫度與微機電結構傳感器誤差樣本數據訓練神經網絡，所述神經網絡的輸入為環境溫度，所述神經網絡的輸出為微機電結構傳感器誤差。

13.根據權利要求12所述的裝置，其中，所述神經網絡訓練裝置使用反向傳播算法訓練神經網絡。

14.根據權利要求12所述的裝置，其中，所述神經網絡包括輸入層、輸出層和一個隱含層。

15.根據權利要求14所述的裝置，其中，所述輸入層的節點數為1，輸出層的節點數為1，隱含層的節點數為5-14。

16.根據權利要求10所述的裝置，其中，所述使用所述微機電結構傳感器的初始誤差和環境溫度誤差對所述微機電結構傳感器的輸出值進行標定包括：

將所述微機電結構傳感器的輸出值減去所述微機電結構傳感器的初始誤差和環境誤差，作為所述微機電結構傳感器的標定后的輸出值。