基于线性霍尔传感器的角度测量的非线性校正方法研究

传感器非线性误差的修正传感器非线性误差的修正摘要：传感器在采集数据时存在一定的非线性误差。

要使系统的性能达到最佳，必须对传感器的非线性误差进行分析和处理。

本文讨论了传感器非线性误差的几种处理方法，并对各种方法作了比较。

关键词：非线性误差，硬件电路校正，查表法，插值法，最小二乘法，频域修正法一、引言在工业过程控制中，由于传感器的非线性输出特性和同种传感器的输出存在一定的分散性，测量结果会产生一定的误差。

为此，我们需要对传感器的特性进行校正和补偿，以提高测量的精度，并且使传感器输出线性化和标准化。

对非线性误差的矫正和补偿可以采用硬件电路或者软件的方法来实现。

二、采用电路进行非线性误差的矫正采用硬件电路对非线性误差进行矫正，优点是速度快；缺点是价格高，拟合程度不好。

通常我们采用以下几种电路进行校正：1、 算术平均法算术平均法的基本原理是通过测量上下限的平均值，找到一条是原传感器输出非线性特性得以改善的拟合曲线。

对电阻传感器基本电路如作图所示。

设温度变化范围为a~c ，平均温度：b=(a+c)/2，传感器对应的输出阻值分别为R a ，R b ，R c ，由于传感器的非线性，R b ≠(R a +R c )/2。

为了使三个点的电路输出为线性，则应满足并联电阻R pb =(R pa +R pc )/2。

其中R pa ，R pb ，R pc 分别为温度在a,b,c 时的并联电阻。

通过计算可得： b R R 2R R R 2R -)R (R R c a ca c ab -++=2、 桥路补偿法该方法的基本原理是利用测量桥路的非线性来校正传感器的非线性。

电路如右图所示。

取R 1=R 2，桥路输出)//21(33t B R R R R V +-=ε 设于三个不同的温度点a,b,c 相适应的R t 与V 分别为R a 、V a 、R b 、V b 、R c 、V c ，代如上式得到方程组：)//21(33ab a R R R R V +-=ε )//21(33b b b R R R R V +-=ε)//21(33c b c R R R R V +-=ε解此方程组可得到满足要求的R3、R B 、ε。

（整理）传感器⾮线性误差的修正传感器⾮线性误差的修正摘要：传感器在采集数据时存在⼀定的⾮线性误差。

要使系统的性能达到最佳，必须对传感器的⾮线性误差进⾏分析和处理。

本⽂讨论了传感器⾮线性误差的⼏种处理⽅法，并对各种⽅法作了⽐较。

关键词：⾮线性误差，硬件电路校正，查表法，插值法，最⼩⼆乘法，频域修正法⼀、引⾔在⼯业过程控制中，由于传感器的⾮线性输出特性和同种传感器的输出存在⼀定的分散性，测量结果会产⽣⼀定的误差。

为此，我们需要对传感器的特性进⾏校正和补偿，以提⾼测量的精度，并且使传感器输出线性化和标准化。

对⾮线性误差的矫正和补偿可以采⽤硬件电路或者软件的⽅法来实现。

⼆、采⽤电路进⾏⾮线性误差的矫正采⽤硬件电路对⾮线性误差进⾏矫正，优点是速度快；缺点是价格⾼，拟合程度不好。

通常我们采⽤以下⼏种电路进⾏校正：1、算术平均法算术平均法的基本原理是通过测量上下限的平均值，找到⼀条是原传感器输出⾮线性特性得以改善的拟合曲线。

对电阻传感器基本电路如作图所⽰。

设温度变化范围为a~c，平均温度：b=(a+c)/2，传感器对应的输出阻值分别为R a，R b，R c，由于传感器的⾮线性，R b≠(R a+R c)/2。

为了使三个点的电路输出为线性，则应满⾜并联电阻R pb=(R pa+R pc)/2。

其中R pa，R pb，R pc分别为温度在a,b,c时的并联电阻。

通过计算可得：b R R 2R R R 2R -)R (R Rc a ca c ab -++=2、桥路补偿法该⽅法的基本原理是利⽤测量桥路的⾮线性来校正传感器的⾮线性。

电路如右图所⽰。

取R 1=R 2，桥路输出)//21(33tB R R R R V +-=ε设于三个不同的温度点a,b,c 相适应的R t 与V 分别为R a 、V a 、R b 、V b 、R c 、V c ，代如上式得到⽅程组：)//21(33ab a R R R R V +-=ε )//21(33bb b R R R R V +-=ε )//21(33cb c R R R R V +-=ε解此⽅程组可得到满⾜要求的R3、R B 、ε。

基于线性霍尔传感器的角度测量的非线性校正方法研究杨鹏;史旺旺;沈楚焱【摘要】An approach to non-linearity compensation of angle measurement system based on linear hall sensor was putted forward in this paper. This can be described that when some circles of coils were made in the fixed magnet, the magnetic field caused by the coils and caused by the magnet were both vertical. And the space magnetic field was stacked by the above two magnetic fields. By fixing the position of the hall sensor and keeping the control current constant, the angle generated by rotating the hall sensor changed while the output voltage of the hall sensor also changed. So theory analysis and simulation of two structures of increased coils and not increased coils were introduced in this paper. The results show that the linearity of the related curve between the voltage and angle was obviously increased and this method has excellent characteristics in angle measurement. At the same time, hardware circuit of hall sensor was also designed and measured. The results show that this method has excellent characteristics, such as the simple circuit, the quick survey speed, the strong anti-interference ability, the measuring accuracy and easy to install and operate.%本文提出了一种基于线性霍尔传感器的角度测量的非线性校正方法，在固定磁铁上绕制一定匝数的线圈，线圈产生的磁场与磁铁产生的磁场垂直，空间磁场为上述两个磁场的叠加，固定霍尔传感器的位置，同时保持控制电流不变，让磁铁绕霍尔传感器旋转产生角度的变换，霍尔传感器输出电压也将产生变化。

基于GA的ε-SVRM在传感器非线性校正中的研究丁晓燕;徐慧【摘要】针对ε-SVRM在建立传感器回归模型时参数难确定的问题,提出了改进遗传算法对模型参数进行优化选取的方法.该方法在遗传算法前期通过限制个体间距离及采用保优策略,保持最优参数的多样性；在进化后期通过自适应调整进化参数从而加快进化速度,以提高模型的预测准确度和建模效率,并且与以往采用的网格搜索法进行了比较.实验结果表明:采用改进遗传算法进行参数优化得到的模型预测结果均方误差(2.091 6×10-5)较采用网格搜索法所得到的模型预测结果均方误差(1.371 22×-10-3)下降了2个数量级；同时,经过改进的遗传算法优化后建立的传感器回归模型使得传感器输出电压的最大相对波动由建模前的22.2％下降到0.038％,而采用网格搜索法使其下降到2.93％,显著地改善了传感器的稳定性.%Aiming at the difficulty in selecting the parameters when a sensor regression model was built based on ε - support vector regression machine,improved genetic algorithm(IGA) was proposed to select optimization model parameters. By limiting the distance between the individual, the method used select strategies and adaptive evolution parameters to ensure diversities of optimal parameters and accelerate the speed of evolution so that could improve the model prediction accuracy and modeling efficiency. It was compared with grid search method used in the past. Experiment results show that the mean squared error( MSE)for the prediction model of optimizing the model parameters using IGA is about 2. 091 6×10-5 ;the MSE for the prediction model of optimizing the model parameters using grid search method is about 1. 371 22 × 10-3.When comparing the two,the prediction accuracy of the model optimized using IGA is improved by two orders of magnitude. Moreover, the sensor model built using IGA reduces the maximum relative fluctuation of output voltage from 22. 2% that of the un-modeled sensor to 0. 038% ,and is to 2. 93% of the model built using grid search method, therefore it evidently improves the performance of the sensor.【期刊名称】《仪表技术与传感器》【年(卷),期】2012(000)012【总页数】4页(P3-5,46)【关键词】ε-SVRM(ε-支持向量回归机);改进遗传算法;建模;传感器;网格搜索【作者】丁晓燕;徐慧【作者单位】南京林业大学信息科学技术学院,江苏南京210037;南京林业大学信息科学技术学院,江苏南京210037【正文语种】中文【中图分类】TP2120 引言工业测控系统中，由于传感器自身存在非线性特性，且其输出易受工作条件及环境参数的影响，造成系统测量精度降低，稳定性差等问题［1］。

第21卷 第9期2008年9月传感技术学报CHINESE JO URNAL OF S ENSO RS AND ACTU ATORSVol.21 No.9Sept.2008The Ripple Effect and Nonlinear Error ComprehensiveC orrection of the Hall Voltage SensorZH OU K e -ning *,X U R an(Sc hool of Electrical E ngineer ing ,Zhe j iang Unive rsity of S cience and T echnolog y ,H angz hou 310023,China)Abstract:Some o f H all vo ltag e mutual inductor s have serious erro r caused by ripple effect etc w hen DC voltage w ith H F harmonic is measur ed.In the face of this question,a sort o f er ror com prehensive corr ec -ting method w hich is based on info rmatio n fusion technolog y of the neural netw o rk is presented.On this w ay ,the ripple voltage char acter param eter is picked -up directly from output sig nal o f voltage sensor and the added sensor is not need.Reg ar ding the r ipple v oltage as no -targ et parameter and input vo ltag e as tar -g et parameter and ideal output as target value,an artificial neural netw o rk (ANN )is structured and tr ained.T he w eights and offsets of each layer are obtained after training the ANN.T he simulating exper-i m ental results demo nstr ate that ANN can appro ach to a corr ecting plane and solve pr efer ably the er ror -cor rectio n questio n of the H all vo ltag e sensor.Key words:electric measurement;comprehensive co rrection;information fusion;BP neural netw ork;ripple effectEEACC :7310B霍尔电压传感器纹波效应及非线性误差的综合校正周克宁*,徐 然(浙江科技学院电气分院,杭州310023)收稿日期:2008-03-21 修改日期:2008-05-26摘 要:某些霍尔电压传感器在测试含有高频谐波的直流电压量时,存在着由纹波效应等原因引起的严重非线性误差问题,本文提出一种基于神经网络信息融合技术的传感器误差综合校正法。

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号 (43)申请公布日 (21)申请号 202010452437.4(22)申请日 2020.05.26(71)申请人 东南大学深圳研究院地址 518057 广东省深圳市南山区粤海街道虚拟大学园A212室(72)发明人 花为　王宇辰　刘凯　程明　(74)专利代理机构 合肥市长远专利代理事务所(普通合伙) 34119代理人 金宇平(51)Int.Cl.H02P 21/18(2016.01)H02P 25/022(2016.01)H02K 11/215(2016.01)(54)发明名称基于线性霍尔传感器的永磁同步电机角度检测方法和系统(57)摘要本发明提出的一种基于线性霍尔传感器的永磁同步电机角度检测方法，包括：首先选择三个线性霍尔元件分别安装在定子的三个槽口内，三个线性霍尔元件的磁敏感面均与转子磁极表面相对；三个线性霍尔元件中，第一线性霍尔元件安装于定子的任意一个槽口内，第二线性霍尔元件沿逆时针方向与第一线性霍尔相差N个槽数，第三线性霍尔元件沿顺时针方向与第一线性霍尔同样相差N个槽数；N为整数且N≠ks/(2p)，其中，k为任意整数，s为定子的槽口数量，p为转子表面的永磁体对数。

然后，根据三个线性霍尔元件的电压信号计算电机角度。

本发明实现了高精度的角度检测，满足高性能永磁同步电机的测角测速需求。

权利要求书2页 说明书8页 附图4页CN 111740672 A 2020.10.02C N 111740672A1.一种基于线性霍尔传感器的永磁同步电机角度检测方法，其特征在于，包括：首先选择三个线性霍尔元件分别安装在定子的三个槽口内，三个线性霍尔元件的磁敏感面均与转子磁极表面相对；三个线性霍尔元件中，第一线性霍尔元件安装于定子的任意一个槽口内，第二线性霍尔元件沿逆时针方向与第一线性霍尔相差N个槽数，第三线性霍尔元件沿顺时针方向与第一线性霍尔同样相差N个槽数；N为整数且N≠ks/(2p)，其中，k为任意整数，s为定子的槽口数量，p为转子表面的永磁体对数。

基于神经网络的传感器非线性误差校正方法樊润洁;朱亚男【摘要】为对传感器进行非线性校正以进一步提高其测量精度，提出了基于神经网络的校正办法。

理论分析了传感器非线性误差的复杂性，并以位移传感器标定为例，详细介绍了传感器非线性校正的过程和方法。

采用了最小二乘拟合、BP神经网络以及RBF网络三种方法进行校正，设计并实现了RBF网络的校正模型。

实验结果证明，RBF网络的校正方法比BP网络校正方法精度提高了约44%，其补偿效果更优，且其在传感器种类变化或环境影响较大的情况下比最小二乘拟合更具非线性补偿优势。

%In order to further improve measurement accuracy of sensor, a non-linear errors correction method for the sensors based on neural network be proposed. Theoretical analysis of the complexity of the sensor nonlinearity error, took example as displacement sensor calibration, introduced the details of the non-linear sensor calibration process and methods. Three methods including Least Squares, BP Neural Network and RBF Network have been used for errors correcting, designed and implemented a calibration model of RBF Network, and the results shows that the accuracy of RBF Network has been increased by about 44%than the accuracy of BP Network, and it has more nonlinear compensation advantage than the Least Squares in complex environment and various types of multi-sensor application.【期刊名称】《电子设计工程》【年(卷),期】2014(000)023【总页数】4页(P56-59)【关键词】神经网络;BP网络;RBF网络;最小二乘法;非线性校正【作者】樊润洁;朱亚男【作者单位】西安铁路职业技术学院陕西西安 710014;西安铁路职业技术学院陕西西安 710014【正文语种】中文【中图分类】TP212传感器作为测控系统的感知器件，在测控系统中占有举足轻重的地位。

神经网络在校正传感器非线性度方面的研究传感器是一类重要的检测装置，可以检测外界变化。

它是实现智能控制系统的重要组成部分，其质量和性能对控制系统的性能具有重要的影响。

然而，由于物理指标的非线性性，传感器存在着一定的漂移现象，从而影响传感器的准确度和精度。

因此，校正传感器非线性度成为实现传感器高准确度检测的关键技术。

神经网络是近些年发展迅速的一种新型智能技术，是模仿人脑神经元工作的一种非线性的模式识别算法。

它由若干节点组成，每个节点与其他节点有联系，可以实现复杂的非线性运算过程。

神经网络具有学习能力，可以根据已知样本数据，以及通过学习过程调整权重，实现对输入样本的分类。

因此，神经网络可以用来校正传感器的非线性度。

首先，需要收集大量来自传感器的数据作为训练样本。

然后，建立神经网络，选择节点的数量、节点的类型以及连接权重的结构。

根据输入的合适的权重，利用神经网络进行训练，并调整权重值，以期满足训练样本的分类要求。

然后，可以对神经网络进行测试，由此获得模型，并使用该模型进行传感器的非线性校正。

传感器非线性校正的神经网络模型应用有很多优点，如模型的精确度高、稳定性强等。

此外，神经网络模型具有非线性校正能力，可以根据不同的传感器对应的输入和输出数据，将非线性因素进行校正，以达到较高的精度。

最后，神经网络模型具有可伸缩性，可以满足不同传感器的自适应性需求。

综上所述，神经网络技术在校正传感器非线性度方面有着重要的作用。

神经网络可以用来提高传感器的准确度，并提供准确、可靠的结果。

因此，神经网络开发和应用，将对智能控制系统的整体能力质量产生非常重要的作用。

神经网络在校正传感器非线性度方面的研究近年来，传感器的技术不断发展，它们越来越广泛地应用于工业生产、家庭自动化、医疗健康等领域，而传感器非线性度已成为影响其使用效果的一个重要因素。

为了使传感器的性能达到最优，需要很好地校正其非线性度，这就涉及到神经网络的应用。

因此，对于神经网络在校正传感器非线性度方面的研究变得尤为重要。

传感器非线性度是指传感器的输入与输出之间的非线性关系。

在某些情况下，传感器的输入变化迅速，而输出响应却不及预期，甚至出现极端偏差。

这种现象称作传感器非线性度。

因此，校正传感器非线性度对于提高传感器性能非常重要，并且是保证系统准确性的必要手段。

神经网络是一种模拟人脑神经功能的机制，通过该机制可以实现复杂的模式匹配、动态数据处理等功能。

因此，神经网络也被广泛应用于自动控制、识别识别等领域，尤其是用于校正传感器非线性度方面的研究。

神经网络校正传感器非线性度的实现主要有两种方法：一是神经网络的实时模糊校正；二是神经网络训练法。

实时模糊校正主要是结合误差反馈机制，用神经网络来调节传感器输出，以提高传感器性能。

而神经网络训练法则是通过对传感器输入和输出的大量实验数据，以拟合技术来构建神经网络，并将其作为传感器的模型，从而校正传感器的非线性度。

神经网络在校正传感器非线性度方面的研究还存在很大的发展空间，尤其是在神经网络结构、训练参数等方面。

在神经网络结构方面，研究者可以尝试构建不同拓扑结构的神经网络，如卷积神经网络、循环网络等，以期提高神经网络校正传感器非线性度的准确度。

同时，在训练参数方面，研究者还可以设计不同的训练策略，如深层学习、强化学习、迁移学习等，以期提高神经网络的泛化能力。

总之，在当今信息技术中，神经网络是极具应用潜力的新技术，同时，它在校正传感器非线性度方面也有着许多不可替代的优势，因此有必要从理论和实践上研究神经网络在校正传感器非线性度的方面的应用，以期提高传感器的性能。

本文从概述了传感器非线性度的定义和校正原理，介绍了神经网络在校正传感器非线性度方面的研究，以及相关的应用技术，为了提高传感器性能提供了参考。

基于霍尔效应的角度传感器的设计与研究
董宇杰;谢茂盛;冯卓宏;周大进
【期刊名称】《大学物理实验》
【年(卷),期】2024(37)2
【摘要】针对现有霍尔式角度传感器所存在测量精度低等问题。

基于对霍尔效应原理的探究,以霍尔电压与磁场方向的关系为基础,设计了一种基于霍尔效应的角度传感器。

自制了小型亥姆霍兹线圈以提供稳定磁场,将霍尔探头固定于支撑架上,通过测量霍尔探头旋转不同角度后的霍尔电压实现角度的高精度测量,在旋转角度不大于75°的情况下,最大测量误差为0.1°。

将该传感器应用于探究复摆运动,得到复摆角位移与时间关系图像,实现复摆运动状态的准确测量,所测定的摆动周期与理论值的误差仅为2.0%,证明了该装置能够实现快速响应的高精度角度测量。

【总页数】5页(P44-48)
【作者】董宇杰;谢茂盛;冯卓宏;周大进
【作者单位】福建师范大学物理与能源学院
【正文语种】中文
【中图分类】O4-34
【相关文献】
1.基于霍尔效应电流传感器的离子电流测试系统设计与研究
2.基于闭环霍尔效应的电流传感器设计
3.一种基于霍尔效应的三维角度传感器
4.基于霍尔效应原理的船
用大电流高过载直流传感器初步设计5.一种基于霍尔效应的方向盘转角传感器设计
因版权原因，仅展示原文概要，查看原文内容请购买。

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号 (43)申请公布日 (21)申请号 202011249455.9(22)申请日 2020.11.10(71)申请人 陕西宏星电器有限责任公司地址 710065 陕西省西安市电子城电子西街三号生产力大厦D座五楼(72)发明人 何钢　王珂　吴森垚　(74)专利代理机构 西安永生专利代理有限责任公司 61201代理人 郝燕燕(51)Int.Cl.G01B 7/30(2006.01)(54)发明名称一种霍尔角度传感器角度校准方法(57)摘要一种霍尔角度传感器角度校准方法，将待校准霍尔角度传感器固定安装在角度测量平台上；匀速正反两次转动待校准霍尔角度传感器，进行第一次全量程角度测量，记录实际角度测量结果；计算待校准霍尔角度传感器每一输出角度信号对应目标的修正角度数据；按照每一输出角度目标修正值，对待校准霍尔角度传感器输出的信号进行逐一校准修正；完成信号修正后，进行第二次全量程角度测量，确认达到修正目的后即完成传感器的校准工作。

本发明有效的减少了霍尔角度传感器的角度误差，提升了生产效率，成品合格率显著提高，降低了生产成本。

权利要求书1页 说明书8页 附图1页CN 112304210 A 2021.02.02C N 112304210A1.一种霍尔角度传感器角度校准方法，其特征在于包括以下步骤：S1.将待校准霍尔角度传感器固定安装在角度测量平台上；S2.匀速正反两次转动待校准霍尔角度传感器，进行第一次全量程角度测量，记录实际角度测量结果；S3.计算待校准霍尔角度传感器每一输出角度信号对应目标的修正角度数据；S4.按照每一输出角度目标修正值，对待校准霍尔角度传感器输出的信号进行逐一校准修正；S5.完成信号修正后，进行第二次全量程角度测量，确认达到修正目的后即完成传感器的校准工作。

2.根据权利要求1所述的霍尔角度传感器角度校准方法，其特征在于所述的步骤S3中计算修正角度数据的方法为：根据测量得到的待校准霍尔角度传感器每一输出角度的标准角度位置，计算该标准角度对应的霍尔原理角度电压，对两者进行一对一重新对应定义；所述的霍尔原理角度电压Vs的计算公式为式中，V max 为霍尔原理有效输出角度的最大电压，V 0为霍尔原理有效输出角度的起始电压，R S 为信号点的错误角度，R max 为有效量程最大角度。

角度传感器的软件非线性校正
牟永敏
【期刊名称】《阜新矿业学院学报》
【年(卷),期】1990(9)1
【摘要】本文介绍了一种线性范围可调,且误差容易控制的校正方法,在单板机上实现了软件校正法,比用硬件校正简单、方便、精度高,能较好地应用在井筒的“连续测量”上。

【总页数】4页(P84-87)
【作者】牟永敏
【作者单位】无
【正文语种】中文
【中图分类】TP212
【相关文献】
1.传感器软件非线性校正方法综述 [J], 范铠
2.平面磁场式绝对角度传感器的误差产生机理与抑制方法研究 [J], 高文政;石洪;汤其富
3.平面磁场式绝对角度传感器的误差产生机理与抑制方法研究 [J], 高文政;石洪;汤其富
4.角度传感器的软件设计——用凸轮开关组件识别天线轴角象限的软件法 [J], 乔魁晔
5.基于OpenMV视觉模块和MPU6050角度传感器的智慧寻路小车 [J], 沈中坤;徐劲节
因版权原因，仅展示原文概要，查看原文内容请购买。