TMR技术在电流传感器中的应用

电流传感器可以分为直接接触型和隔离型两种 类型。其中隔离型电流传感器由于其安全，可靠和体 积小等优点，在市场上的需求越来越高。隔离型电流 传感器的原理是通过检测电流产生的磁场，从而来 检测电流的大小。它主要包括霍尔传感器、 AMR/GMR 传感器和 TMR 传感器等。TMR 比其他类 型传感器具有更高的灵敏度[2]，约为 100mV/mT[3]。这 意味着在相同的精度下，TMR 传感器具有更高的感 应带宽。
设计
CIC 中国集成电路
China lntegrated Circult
（a）TMR 元件构造
（b）惠斯顿桥模型 图1
2 读出电路系统框架
TMR 桥式传感头中的差分信号变化，反映了外 界的磁场的变化。本文采用 chopper-stabilized amplifier 结构作为 TMR 的读出电路的框架，读取 TMR 桥式传感头中的差分信号，如图 2 所示。读出电路包 括两个信号路径，Gm1 和 Gm2 构成读出电路的高频高 带宽路径，负责对输入信号进行迅速响应。Gm3、Gm4、
在生产时固定，而自由层的磁化方向取决于外界的 磁场方向，电流方向垂直于势垒层。受洛伦兹力的作 用，当外加磁场方向与磁化方向正向平行时，元件电 流最大，电阻最小；当外加磁场方向与磁化方向反向 平行时，元件电流最小，电阻最大。磁场变化越大， TMR 元件的阻值变化越大。把 TMR 元件接成惠斯 顿桥结构，可以有效抑制共模噪声，提高传感器的线 性度和灵敏度[3]，如图 1（b）所示。
Design of the Read-out IC for Wide-bandwidth TMR Current Sensor
ZENG Zhuo-qu （College of Physics and Information Engineering, Fuzhou University, Fuzhou 350116, China）

隧道磁电阻技术在电力系统传感测量中的应用摘要本文概述了隧道磁电阻（TMR）效应的技术原理，着重介绍了基于TMR 效应的传感器的工作原理和性能特性，分析了其存在的优势和不足，展望了TMR 技术在电力系统中的应用前景。

关键词隧道磁电阻效应；传感器；电力系统0引言传感测量技术贯穿了电力系统发电、输电、变电、配电、用电和调度等主要环节，是实现电力系统智能化的必要条件[1]。

传感器技术的进步与材料学中新发现密切相关。

隧道磁电阻效应是近年新发现的物理现象，本文主要讨论隧道磁电阻技术在电力系统传感测量中的应用。

1磁电阻效应1.1巨磁电阻效应图1 Fe/Cr多层膜电阻与磁场的关系磁电阻效应是指由磁场引起的材料电阻率发生变化的现象，其变化大小的比率称为磁电阻变化率，记为MR=Δρ/ρ(H)=[ρ(0)-ρ(H)]/ρ(H)。

大多数磁性金属都存在磁电阻效应效应，但MR值很小，一般低于3%，因此实用性较低。

1988年，科学家在Fe/Cr多层膜中发现了巨磁电阻效应(Giant MagnetoResistance Effect，GMR效应)（图1）。

GMR效应的MR值接近50%，因此很快实现工业应用并成为大容量硬盘制造的关键技术。

2007年发现GMR效应的两位科学家获得了诺贝尔物理奖[2]。

GMR技术已应用于多种磁敏传感器中，但由于层间交换耦合导致饱和磁场较高，影响了基于GMR技术的传感器的敏感度。

1.2 隧道磁电阻效应随着GMR效应研究的深入，在铁磁层/非磁绝缘层/铁磁层类型磁性隧道结（Magnetic Tunnel Junction，MTJ）（图2）中发现了隧道磁电阻效应（Tunnel MagnetoResistance Effect，TMR效应），其MR值可以达到400%。

ＴＭＲ效应来源于电子自旋相关的隧穿效应，即当两铁磁层平行时，一个磁性层中的多数自旋子带的电子将进入另一磁性层中多数自旋子带的空态，少数自旋子带的电子也将进入另一磁性层中少数自旋子带的空态，总的隧穿电流较大，磁性隧道结为低阻态；若两磁性层反平行时，一个磁性层中的多数自旋子带的电子将进入另一磁性层中少数自旋子带的空态，而少数自旋子带的电子将进入另一磁性层中多数自旋子带的空态，这种状态的隧穿电流比较小，是高阻态。

tmr sensor 原理
TMR传感器是一种基于磁阻效应的传感器，TMR是Tunneling Magnetoresistance的缩写。

其原理是利用磁阻效应来检测外部磁场的变化。

TMR传感器通常由多层薄膜组成，其中包括磁性材料和非磁性材料。

当外部磁场作用于TMR传感器时，磁性材料的磁矩方向会发生变化，导致电阻发生变化。

这种变化可以通过测量电阻值来检测外部磁场的强度和方向。

TMR传感器的工作原理可以简单描述为，当外部磁场作用于TMR 传感器时，磁性材料的磁矩方向发生变化，导致电子的自旋方向也发生变化，从而改变了电子的传输特性，最终导致了电阻的变化。

这种变化可以被测量并转换为相应的电信号输出。

另外，TMR传感器还可以通过调整薄膜层的厚度、材料的选择和层间的耦合强度来实现对外部磁场的高灵敏度检测。

这使得TMR 传感器在磁场传感应用中具有很高的灵敏度和稳定性。

总的来说，TMR传感器利用磁阻效应来检测外部磁场的变化，其工作原理基于磁性材料的磁矩方向变化导致的电阻变化。

这种原理使得TMR传感器在磁场传感应用中具有广泛的应用前景。

隧道磁阻传感器原理(一)隧道磁阻传感器原理1. 介绍隧道磁阻传感器（Tunneling Magnetoresistance Sensor，简称TMR传感器）是一种常见的磁传感器，具有高灵敏度和低功耗的特点。

它的工作原理基于隧穿效应和磁阻变化。

2. 隧穿效应隧穿效应是指当两个绝缘材料之间存在一个很薄的隔离层时，电子可以通过隔离层的势垒穿越到另一侧。

这种现象在量子力学中被解释为波函数的干涉与隧穿现象。

3. 磁阻变化当电流通过隧道磁阻传感器时，隧穿效应会导致电阻的变化。

在没有外部磁场作用时，电子会以等概率分布在两个自旋方向上，使得电阻保持一个平均值。

4. 磁场作用当外部磁场作用于隧道磁阻传感器时，磁场会改变电子的自旋方向。

根据外加磁场方向的不同，电子的自旋可能与隧道层的自旋相同，也可能相反。

这些不同方向的自旋状态会导致电阻发生变化。

自旋与磁矩电子的自旋与磁矩之间存在一种关联。

具有自旋的电子也具有旋磁矩，这意味着它们可以被磁场影响并发生方向改变。

磁场作用下的电阻变化当外加磁场方向与隧道层的自旋方向一致时，电阻会减小。

相反，当外加磁场方向与隧道层的自旋方向相反时，电阻会增加。

这种磁场引起的电阻变化即称为隧道磁阻效应。

5. 原理图示--|---|---|--| | | |M1 | | | | M2| | | |--|---|---|--6. 应用领域TMR传感器在磁存储、汽车电子、生物医学和工业领域等有广泛的应用。

例如，在磁存储中，TMR传感器可以被用于读取硬盘上的数据。

在汽车电子中，TMR传感器可以检测车辆的转向和速度等信息。

7. 总结隧道磁阻传感器通过利用隧穿效应和磁场作用，实现了对外部磁场的灵敏检测。

它的高灵敏度和低功耗使得它在很多领域中得到广泛应用。

随着技术的发展，TMR传感器在未来可能会有更多令人期待的应用。

磁电传感器的原理和应用前言磁电传感器是一种能将磁场信号转换成电信号的传感器，广泛应用于各种领域。

本文将介绍磁电传感器的原理和应用。

一、磁电传感器的原理磁电传感器的工作原理基于磁效应，主要包括霍尔效应、磁电阻效应和磁敏电容效应。

1. 霍尔效应霍尔效应是最早被发现和广泛应用的磁电效应之一。

当电流通过一块导电材料时，若将其放在磁场中，磁场就会对电子流的平衡状态产生影响，从而引起一侧电子浓度的变化，产生电压差。

这个电压差被称为霍尔电压。

2. 磁电阻效应磁电阻效应是指材料在外加磁场下，其电阻发生变化的现象。

常见的磁电阻效应有巨磁电阻效应（GMR）和隧道磁电阻效应（TMR）。

它们的本质是通过控制材料中磁性局域区域的磁结构来改变电阻值。

3. 磁敏电容效应磁敏电容效应是指材料在磁场下，电容值发生变化的现象。

这种效应通常是通过改变材料中的磁性局域区域的电容性质来实现的。

二、磁电传感器的应用磁电传感器由于其高灵敏度、响应速度快、易于集成等特点，在许多领域得到了广泛的应用。

1. 汽车工业磁电传感器在汽车工业中起到了重要的作用。

例如，在车辆换挡控制中，霍尔效应传感器被用于检测离合器和制动踏板的位置，从而实现自动换挡；在刹车控制中，磁敏电容效应传感器被用于检测刹车片的磨损程度，提供刹车片更换的提示。

2. 电子设备磁电传感器广泛应用于各种电子设备中。

例如，在手机中，磁敏电容效应传感器被用于检测翻盖状态和磁盖位置，实现手机的自动睡眠和唤醒功能；在音频设备中，磁电阻传感器被用于控制音量调节，实现用户友好的操作体验。

3. 工业自动化磁电传感器在工业自动化领域中发挥着重要的作用。

例如，在生产线上，磁敏电容效应传感器被用于检测零件的位置和运动状态，实现精准的定位和控制；在机械加工过程中，磁电阻传感器被用于检测工件的尺寸和形状，实现自动化的加工过程控制。

4. 医疗器械磁电传感器在医疗器械领域中应用广泛。

例如，在磁共振成像（MRI）中，磁电阻传感器被用于检测磁场强度和方向，提供精准的成像结果；在心脏起搏器中，霍尔效应传感器被用于检测心脏的电信号，实现有效的心脏节律调整。

z轴tmr传感器原理
Z轴TMRR传感器是一种用于测量和检测Z轴方向上的运动和位置的传感器。

其原理基于磁阻效应和磁力传感技术。

磁阻效应是指当磁场的方向或大小发生变化时，磁阻材料的电阻也会发生变化。

Z轴TMRR传感器利用这一原理，通过在传感器内部放置磁阻材料和磁场感应元件，当受到Z轴方向上的运动或位移时，磁阻材料的电阻会随之发生变化，从而可以检测到Z轴方向上的运动和位置变化。

另外，Z轴TMRR传感器也可以利用磁力传感技术，通过测量Z 轴方向上的磁场强度来确定物体的位置和运动。

当物体在Z轴方向上发生运动时，磁场强度也会发生相应的变化，传感器可以通过检测这种变化来实现对Z轴方向上的运动和位置的测量。

总的来说，Z轴TMRR传感器利用磁阻效应和磁力传感技术，可以实现对Z轴方向上的运动和位置的精准测量和检测，广泛应用于工业自动化、机器人、汽车电子等领域。

第54卷 第8期 2021年8月天津大学学报(自然科学与工程技术版)Journal of Tianjin University (Science and Technology )V ol. 54 No. 8Aug. 2021收稿日期：2020-09-29；修回日期：2020-12-03. 作者简介：杨 挺（1979— ），男，博士，教授. 通信作者：杨 挺，****************.cn.基金项目：国家自然科学基金资助项目(61971305)；国家电网有限公司总部科技资助项目(SGHADK00PJJS2000026).Supported by the National Natural Science Foundation of China (No.61971305)，the State Grid Science and Technology Project (No.SGHA-DK00PJJS2000026).DOI:10.11784/tdxbz202009089基于改进深度信念网络的TMR 电流传感器温漂与地磁场校正方法杨 挺1，张卓凡1，刘亚闯1，王 磊2(1. 天津大学电气自动化与信息工程学院，天津 300072；2. 国网河南省电力公司电力科学研究院，郑州 450052)摘 要：精确电流值的测量是电网精益化运行决策的重要前提，高灵敏度、高精度TMR 电流传感器的提出有效提升了电流测量能力．与此同时需要重点考虑温度漂移以及空间地磁场在TMR 电流传感器测量过程中的影响．针对该问题，本文提出了基于改进深度信念网络的TMR 电流传感器温漂与地磁场校正方法．首先，针对TMR 电流传感器由于受到强磁场干扰或故障下的异常输出数据，利用贝叶斯结合信息熵理论识别并剔除；其次，使用改进深度信念网络重构空间地磁场、温度与TMR 电流传感器测量输出的映射关系；最后，本文对所研发的TMR 电流传感器进行了标定实验和误差分析．实验结果表明，在－40～80℃的温度变化范围内，算法补偿后的温度漂移系数由900×10-6/℃降至32.33×10-6/℃．TMR 电流传感器对地磁场的敏感程度明显降低，平均绝对百分比误差由2.1530%降低到0.4109%，均方根误差由0.1048A 降低为0.0200A ．关键词：TMR 电流传感器；深度信念网络；ADAM ；温度漂移；地磁场中图分类号：TP391.9 文献标志码：A 文章编号：0493-2137(2021)08-0875-06Correction Method for Temperature Drift and Geomagnetic Fieldof TMR Current Sensor Based on Improved Deep Belief NetworkYang Ting 1，Zhang Zhuofan 1，Liu Y achuang 1，Wang Lei 2(1. School of Electrical and Information Engineering ，Tianjin University ，Tianjin 300072，China ；2. Electric Power Research Institute of Henan Electric Power Company of State Grid ，Zhengzhou 450052，China ) Abstract ：Accurate current m easurem ent is an essential prerequisite for lean power grid operation. The high-sensitivity and high-precision TMR current sensor has effectively enhanced the current measurement capability. Simul-taneously ，the influence of temperature drift and space geomagnetic field in the measurement process of TMR current sensor needs to be considered. To solve this problem ，a correction method for temperature drift and geomagnetic field of TMR current sensor based on improved deep belief network is proposed. First ，for the abnormal output data of the TMR current sensor because of strong m agnetic field interference or failure ，Bayesian com bined with inform ation entropy theory is used to identify and eliminate ；second ，the improved deep belief network is used to reconstruct the mapping relationship between the spatial geomagnetic field ，temperature ，and the measurement output of the TMR current sensor ；finally ，the calibration experiment and error analysis of the developed TMR current sensor are con-ducted. The experimental results show that within the temperature range of －40—80℃，the temperature drift coeffi-cient after algorithm compensation is reduced from 900×10-6/℃ to32.33×10-6/℃. The sensitivity of the TMR cur-rent sensor to the geomagnetic field is significantly reduced ，the average absolute percentage error is reduced from 2.1530% to 0.4109%，and the root mean square error is reduced from 0.1048A to 0.0200A.·876·天津大学学报(自然科学与工程技术版)第54卷 第8期 Keywords：tunnel magnetoresistance(TMR)current sensor；deep belief network；ADAM；tem perature drift；geomagnetic field先进的传感和测量技术是智能电网的核心支撑技术之一[1]．然而，传统的电流传感器存在易饱和、精度低和温漂大等缺点[2]，难以适应智能电网运行、维护和计量的高精度新需求[3]．针对这些问题，学者们从硬件电路设计到软件数据校正等方面加以克服或弥补各类电流传感器的缺陷[4]．文献[5]提出了一种磁阻惠斯通电桥电流传感器温度漂移的补偿方法，通过将钌材料温度传感器与磁阻传感器集成在通用阻抗变换电路中对温度进行补偿．文献[6]利用8个霍耳电流传感器构成圆形阵列对单相电流进行测量，降低了外界磁场对电流传感器的影响．文献[7]利用BP 神经网络的非线性信息处理能力分离温度对光纤电流传感器的影响，从而提高传感器的稳定性．相较于传统的电流传感器，基于隧道磁电阻效应(tunnel magnetoresistance，TMR)效应的电流传感器具有高灵敏度、体积小等优势．然而，TMR电流传感器中大的磁隧穿结面积在提高其灵敏度的同时，不可避免地形成了严重的温度漂移问题．已有研究表明，TMR电流传感器的温度漂移系数高达1000× 10-6/℃[8].同样TMR电流传感器的高灵敏度也造成了其敏感于外部空间磁场．由中科院地质与地球物理研究所公开数据显示，我国不同地区的地磁场可达到20000～50000nT．虽然当前有少数研究通过增加辅助硬件电路来校正温漂和空间磁场干扰，如设计多点限位结构以及增加外部屏蔽涂层以降低环境磁场对TMR电流传感器的影响[9]．但其硬件电路结构较为复杂，且参数设置不灵活，难以应对多样的应用场景.为克服测量过程中温度以及空间地磁场的影响，更好地提高TMR电流传感器的测量精度，本文提出了一种基于改进深度信念网络(deep believe nets，DBN)的TMR电流传感器温漂与地磁场校正方法.基本思想是通过贝叶斯与信息熵的结合剔除观测过程中的异常值；对DBN网络参数进行训练，得到温度场、地磁场及电流值为输入向量与校正后高精度电流测量输出的映射关系；利用ADAM算法优化DBN 的网络参数，实现对TMR传感器输出值的校正，以更好地逼近真实电流值．1 异常电流数据剔除为提升DBN训练模型的可靠性，首先对TMR 电流传感器的测量数据进行清洗．利用TMR电流传感器量值之间的差值，建立传感器后验概率分布模型，结合异常数据出现前后信息熵的变化有效剔除异常电流数据．设nZ＝{z1，z2，…，z n}为TMR电流传感器的n次测量数据的集合．将前k－1次的贝叶斯计算结果作为第k次的先验信息，采取分步逐级进行的计算策略，其过程如图1所示．考虑前k－1次先验信息的贝叶斯方法可以表示[10]为1(|)(|)(|)()k kkkp z x P x Zp x ZP Z−=(1)图1考虑前k-1次先验信息的贝叶斯方法Fig.1Bayesian method considering k-1 prior information 设测量值为z k，并设标志位w k＝1表示第k个TMR电流传感器观测数据为异常数据，w k＝0表示非异常观测数据，可得传感器的测量值为非异常观测的概率密度为(0)(|,0)(0|,)()(|,)kk k kk kk k kwP w p z x wp w x zP w p z x w====∑(2)式中传感器第k次测量数据为非异常值的概率为P(w k＝0)，可以根据实验得到．求得后验概率后，引入信息熵的概念将异常电流数据剔除．当有异常电流数据出现时，其信息熵将增加．变量x的信息熵计算公式为()()lb()d=−∫H x p x p x x(3)第k次计算的熵增量为1(|)(|)−Δ=−k kH H x Z H x Z(4)若0HΔ<，表明第k个测量数据纳入计算后不确定度减小，数据正常；反之，该数据为异常电流数据，剔除此数据并利用拉格朗日插值法将剔除数据 填充．2 基于改进DBN的TMR电流传感器温漂与地磁场校正方法采用改进DBN用以提高TMR电流传感器的精2021年8月 杨 挺等：基于改进深度信念网络的TMR 电流传感器温漂与地磁场校正方法 ·877·度，其优势在于DBN 具有强大的特征学习能力．但传统DBN 在其微调过程中采用梯度下降法，易造成局部最优收敛．本文通过ADAM 优化算法对网络参数进行微调，得到温度及地磁场影响下的最优参数． 2.1 基于DBN 的温漂与地磁场校正模型基于DBN 的TMR 电流传感器温漂与地磁场校正模型如图2所示，模型包括输入层(温度传感器输出数据集x 1、空间地磁场数据集x 2、TMR 电流传感器历史输出数据x 3)、输出层(电流修正输出值y )以及l 个隐藏层构成．其中，b l 为隐藏层l 的偏置，w l 为隐藏层l 与隐藏层l -1之间的连接权重．图2 TMR 电流传感器温漂与地磁场校正模型Fig.2 Correction model of TMR current sensor tem -perature drift and geomagnetic field2.2 基于DBN 方法的无监督训练阶段和微调DBN 基本单元为受限玻耳兹曼机(restricted Boltzmann machine ，RBM )，可以应用RBM 的方法对DBN 进行逐层训练[11]．RBM 由两层结构组成，可见层用来接收输入变量x ，由m 个可见单元v i ∈{0，1}(i ＝1，2，…，m )构成．隐藏层由隐藏单元h j ∈{0，1}(j ＝1，2，…，n )组成．可见单元v i 与隐藏单元h j 之间通过连接权重w ＝{w ij }∈R m ×n 全连接．两者的偏置量分别为a ＝{a i }∈R m ，b ＝{b j }∈R n ．对于可见层和隐藏层，均服从伯努利分布，状态可由s (v ，h )确定表示，则其所具有的能量可以表示[12]为 1111(,|)mnmni i j j ij i j i j i j E a v b h w v h =====−−−∑∑∑∑v h θ(5)式中θ＝{w ij ，a i ，b j }为RBM 网络参数．E (v ，h |θ)能量越低表明网络处于越理想的状态．能量的高低对应系统不同的状态，上述问题可转化为通过概率分布求解能量函数的最小值问题．本文通过CD 算法对其进行求解可得参数更新准则．并且考虑训练样本数据量较大、训练过程缓慢的问题，采用对RBM 进行分批次训练来提高计算效率：设每组样本数量为K ，共分为G 组．则第g 次训练权值和偏置的更新公式[12]为()(1)(1)(1)()(),,,,1()(1)(1)(),,1()(1)(1)(),,1111εεε−−−=−−=−−=⎧⎡⎤=+−⎪⎣⎦⎪⎪⎡⎤=+−⎨⎣⎦⎪⎪⎡⎤=+−⎪⎣⎦⎩∑∑∑K g g g g g g ij ij i k j k i k j k k K g g g g i i i k i k k K g g g g j j j k j k k w w v h v h K a a v v K b b h h K(6)采用ADAM 算法对其进行微调，只需要少量调参，就能具有更好的参数调整性能．更新后的TMR 电流传感器温漂与地磁场校正模型网络参数为11ˆ(ατ++=−d d d m θθ (7)式中：1ˆd m +为一阶矩偏差； 1ˆd v +为二阶矩偏差；α为步长，在此取0.001；为了防止式(7)分母为0，令τ＝1×10-9，λ1＝0.99，λ2＝0.999．基于改进DBN 的TMR 电流传感器温漂与地磁场校正方法的具体流程如图3所示．图3 算法流程Fig.3 Flow chart of the algorithm3 实验测试与算法性能分析应用3.1 实验数据获取以及评价指标本文实验样本数据采集来自相同型号不同批次的TMR 电流传感器(ESG05AB )实际测量数据，温度数据由粘贴在TMR 芯片的温度传感器获得；空间磁场数据来源于中科院空间地磁环境研究室的天津地区实时地磁监测数据．使用高性能屏蔽筒创造屏蔽环境，在屏蔽筒内部使用高精度电流源加亥姆赫兹线圈创造与地磁场相同的地磁环境．将TMR 电流传感器置于屏蔽筒的几何中心然后安置在125TCF 恒温·878·天津大学学报(自然科学与工程技术版)第54卷 第8期箱中，恒温箱后端留有R485数据接口，用PC机接收传感器输出数据．温度设置范围为-40～80℃，温度步长为1℃，待温度稳定后，在每个标定温度下，利用4500CS电流源以0.2A为步长设置输出电流从0A变化到10A，调节高精度电流源驱动亥姆赫兹线圈产生与地磁场等值的磁场，记录传感器的输出与地磁场数据，得到6000组测量数据．针对异常电流数据，可以将其分为偏离型数据以及缺失型数据．利用第1节的方法对其进行处理，图4给出不同类型异常电流数据算法处理前后对比．（a）偏离型数据处理前（b）偏离型数据处理后（c）缺失型数据处理前 （d）缺失型数据处理后图4异常数据处理前后波形对比Fig.4Comparison of waveforms before and after abnormal data processing 本文采用平均绝对百分比误差e MAPE以及均方根误差e RMSE作为评价模型准确性的指标．误差计算公式分别为MAPE1ˆ1100%=−=×∑n i ii iy yen y(8)RMSE=e(9)式中：y i为待测电流实际值；ˆiy为改进DBN模型的输出值；n为测试集中样本的个数．3.2 DBN参数设置综合考虑模型的校正效果以及训练时间，参数设置RBM学习率0.01，RBM训练批次为300，RBM训练次数为200，输出层单元数为1．为了获得更小的电流测量误差，采用遍历法确定DBN的隐藏层数为3，每层最佳单元为22、25和13．选择前5762个样本最为DBN的训练集，后238个样本作为测试集.3.3 TMR电流传感器输出校正实验1) 温度漂移的校正利用第3.1节搭建的测试环境，断开亥姆赫兹线圈驱动电源，在恒温箱内改变测试环境标定温度-40～80℃，步长10℃，在每个温度场下，以0.2A为步进值测量50组电流数据以及温度数据输入训练完成的网络模型，图5为温漂校正前后误差比较．图5温漂校正前后误差比较Fig.5Comparison of errors before and after tempera-ture drift correction当测试环境温度超过40℃时，TMR电流传感器的性能会急剧变差，这是因为传感器内部集成电路元件受温度影响较大导致．采用温度漂移系数max max0/()α=ΔΔT I I来表征TMR电流传感器对温度的敏感情况，其中，maxΔI为满量程时电流最大变化量，maxΔT为最大温度变化，I0为传感器在室温25℃满量2021年8月杨 挺等：基于改进深度信念网络的TMR电流传感器温漂与地磁场校正方法 ·879·程输出．在满量程测试情况下，-40～80℃温度变化范围内算法补偿后的测试数据最大温度漂移为0.0388A，温度漂移系数由900×10-6/℃降至32.33×10-6/℃．2) 对不同地磁场环境的校正为验证本算法能够有效降低空间地磁场对输出误差影响，在此给出电流范围为0～10A，频率为50Hz的电流地磁场补偿结果．室温25℃条件下持续测量标定电流值．图6为不同电流条件下算法对空间地磁场的补偿结果．图6空间地磁场补偿结果Fig.6Compensation results of the spatial geomagnetic field从图6中可以看出，在室温25℃条件下，未用本算法进行处理时，该波形由于受到空间地磁场噪声的影响，测量结果受地磁场影响较大．采用本算法校正后，测量值与实际值的绝对误差大幅下降，波动较小，平均绝对百分比误差e MAPE由2.1530%降低到0.4109%，均方根误差e RMSE由0.1048A降低为0.0200A，输出质量有了明显的提升．3) 精度提升验证最后，分别选用BP神经网络、支持向量机、DBN方法以及本文所提改进DBN算法，以TMR电流传感器在不同温度、地磁场环境下实际测量电流数据作为样本集合对网络进行训练．从测试集里选取在45℃的高温环境下对幅值为10A的电流测量数据，测量时间范围内地磁场的范围为27150～27180nT绘图进行对比，图7为不同算法输出电流校正结果对比．按照此方法采用相同的步骤对来自不同生产批次的20个TMR电流传感器输出进行校正，在0～10A范围内，以0.2A为步进值，测试50组电流数据，记录实时地磁场数据，输入模型，计算e MAPE和e RMSE．输出误差评价指标比较如图8所示．其中1号TMR电流传感器采用改进DBN补偿温漂与地磁场后平均绝对百分比误差为0.4056%，（a）不同算法电流测量结果（b）采样点40～60放大效果图7输出电流校正结果对比Fig.7Comparison of correction results of outputcurrent（a）e MAPE（b）e RMSE图8不同算法输出的e MAPE和e RMSEFig.8e MAPE and e RMSE of the output of different algorithms 相比于传统DBN算法平均绝对百分比误差0.8786%，减少了53.84%，相比于SVM算法平均绝对百分比误差1.1195%，减小了63.70%，相比于BP·880·天津大学学报(自然科学与工程技术版)第54卷 第8期算法平均绝对百分比误差 1.7321%，减少了76.58%；均方根误差为0.0181A，相比于传统DBN 算法均方根误差0.0300A，降低了39.67%，相比于SVM算法均方根误差0.0446A降低了59.42%，相比于BP算法均方根误差0.0704A，降低了74.29%．本文所提算法利用TMR电流传感器的输出先验数据结合信息熵剔除输出异常电流数据，提高了DBN训练模型的可靠性．并且DBN算法具有强大的特征学习能力，能够很好地解决TMR电流传感器输出的非线性问题．因此本文算法能够更好地对温度以及地磁场进行校正．4 结 语本文针对TMR电流传感器在实际使用过程中易受温度以及空间磁场干扰，提出了基于DBN-ADAM的TMR电流传感器温漂与地磁场校正方法．利用贝叶斯结合信息熵理论识别和剔除TMR电流传感器异常输出数据，将TMR电流传感器输出、温度传感器输出以及地磁场数据作为样本数据对DBN模型训练得到初始网络参数，再利用ADAM算法优化初始网络参数，以更好地逼近真实电流值．相比于传统DBN算法，该方法在传感器精度提升应用中具有更好的适应性．参考文献：［1］杨 挺，翟 峰，赵英杰，等. 泛在电力物联网释义与研究展望[J]. 电力系统自动化，2019，43(13)：9-20，53.Yang Ting，Zhai Feng，Zhao Yingjie，et al. Interpreta-tion and research prospects of ubiquitous power internetof things[J]. Automation of Electric Power Systems，2019，43(13)：9-20，53(in Chinese).［2］杨 挺，赵黎媛，王成山. 人工智能在电力系统及综合能源系统中的应用综述[J]. 电力系统自动化，2019，43(1)：2-14.Yang Ting，Zhao Liyuan，Wang Chengshan. Summaryof application of artificial intelligence in power systemand integrated energy system[J]. Automation of ElectricPower Systems，2019，43(1)：2-14(in Chinese). ［3］余贻鑫. 面向21世纪的智能电网[J]. 天津大学学报：自然科学与工程技术版，2020，53(6)：551-556.Yu Yixin. A brief description of the basics of the smartgrid[J]. Journal of T ianjin University：Science andTechnology，2020，53(6)：551-556(in Chinese). ［4］王 超，邹 萍，崔自强，等. 基于TMR的磁导率EMT的传感器阵列设计[J]. 天津大学学报：自然科学与工程技术版，2019，52(6)：559-567.Wang Chao，Zou Ping，Cui Ziqiang，et al. Design ofan EMT-TMR sensor array for the measurement of mag-netic permeability[J]. Journal of T ianjin University：Natural Science and T echnology，2019，52(6)：559-567(in Chinese).［5］Sánchez Moreno J，Ramírez Muñoz D，Cardoso S，et al. A non-invasive thermal drift compensation techniqueapplied to a spin valve magnetoresistive current sen-sor[J]. Sensors，2011，11(3)：2447-2458.［6］Di Rienzo L，Bazzocchi R，Manara A. Circular arrays of magnetic sensors for current measurement[J]. IEEEransactions on Instrumentation & Measurement，2001，50(5)：1093-1096.［7］孙诗晴，初凤红. 基于优化神经网络算法的光纤布拉格光栅电流传感器的温度补偿[J]. 光学学报，2017，37(10)：61-67.Sun Shiqing，Chu Fenghong. Temperature compensationof fiber Bragg grating current sensor based on optimizedneural network algorithm[J]. Acta Optica Sinica，2017，37(10)：61-67(in Chinese).［8］李 鹏，袁智勇，田 兵. 基于隧道磁电阻的微型电流测量技术[J]. 南方电网技术，2019，13(4)：2-10.Li Peng，Yuan Zhiyong，T ian Bing. Miniature currentmeasurement technology based on tunnel magnetoresis-tance[J]. Southern Power System Technology，2019，13(4)：2-10(in Chinese).［9］鲁文帅，尤 睿，周 扬，等. 基于单片TMR磁传感器的非侵入电流监测微系统[J]. 仪器仪表学报，2020，41(6)：1-9.Lu Wenshuai，You Rui，Zhou Yang，et al. Non-invasive current monitoring microsystem based on a sin-gle T MR sensor[J]. Chinese Journal of Scientific In-strument，2020，41(6)：1-9(in Chinese).［10］Zhang Jikai，Yang Yun，Kang Yihua，et al. TMR sen-sor and its application in electromagnetic detection[J].Nondestructive Testing，2016，9(12)：36-39. ［11］Kumar M，Garg D，Zachery R，et al. Stochastic adap-tive sensor modeling and data fusion[J]. Proc Spie，2006，61(5)：246-251.［12］Kuremoto T，Kimura S，Kobayashi K，et al. T ime series forecasting using a deep belief network with re-stricted Boltzmann machines[J]. Neurocomputing，2014，137(2)：47-56.(责任编辑：孙立华)。

2023年TMR传感器行业市场需求分析根据市场调查和分析报告，TMR传感器作为一种新型传感器，目前在市场需求方面呈现较高的增长势头。

以下是TMR传感器行业市场需求分析。

一、市场概述TMR传感器是基于反铁磁体磁电导效应制造的一种传感器，能对磁场进行高精度测量。

TMR传感器具有温度稳定性好、分辨率高、响应速度快等特点，在越来越多的领域受到广泛应用。

二、市场需求分析1. 汽车电子市场随着汽车电子化智能化的快速发展，TMR传感器作为关键传感器在汽车行业中得到了广泛的应用。

例如，在电动助力转向系统、电动车电机控制、电子稳定控制系统等多个领域都需要使用到TMR传感器等高精度磁场传感器，因而，TMR传感器市场需求在汽车行业快速增长。

2. 工业自动化领域工业自动化领域对传感器的要求越来越高，TMR传感器利用其高精度和高响应速度充分满足了这一需求。

例如，在气体检测、压力检测、电场检测等多个领域都需要使用到TMR传感器等高精度传感器，市场需求日益增长。

3. 磁处理市场随着磁记录技术、传输技术的快速发展，云存储的快速发展，需要在存储过程中对磁场进行精度测量，TMR传感器的应用领域大大扩展，市场需求量也越来越大。

4. 医疗设备市场TMR传感器具有温度稳定性好、分辨率高、响应速度快等特点，在医疗设备中得到了广泛应用，例如在磁共振成像（MRI）等领域中，需要使用到TMR传感器对磁场进行高精度测量。

5. 航空航天领域TMR传感器具有高精度、高温度稳定性好、重量轻等特点，可以在宇航员健康监测与药物管理、航空运输中对机翼和螺旋桨的健康进行监测等领域广泛应用，市场需求较高。

三、市场前景展望根据对TMR传感器目前市场情况的分析，TMR传感器在传感器市场中具有广阔的应用前景，同时，随着物联网、人工智能等新技术的快速发展，TMR传感器在更多领域得到应用的机会会逐渐增多。

而且随着技术不断升级，在更多严苛的环境下使用TMR传感器并保证其稳定性、可靠性等，是目前对该行业提出的更高要求。

Magnetic Pattern Recognition Sensor Based on TMRTechnology Version V1.6基于TMR技术的磁性识别传感器V1.6版本Key Features主要特征1.Tunneling Magneto-Resistance (TMR) technology.隧穿磁电阻（TMR）技术。

patible with Murata & Nikkonshi Products.兼容村田＆尼科希产品。

3.Customized products are available per request.定制产品可每次请求。

4.Ultra-High sensitivity comparing with InSb & GMR products.和锑化铟和GMR等产品相比拥有超高灵敏度。

5.Excellent CMRR performance due to differential design.采用差分设计，拥有出色的CMRR性能。

Part Numbering部件编号①Product ID产品编号②Type类型③Characteristics特性④Individual Specification Code个别规格代号* "(Part Number)" shows only an example which might be different from actual part number. “（型号）”仅是一个例子，可能与实际不同。

* Any other definitions than "Product ID" might have different digit number from actual part number.任何其他定义的产品编号可能与实际产品的数字位数不同。

Products List 产品列表Series 系列Channels 通道Channel Width 通道宽度Detection Width 检测宽度Remark 备注Single-Channel Version单通道版本Multi-Channel Version多通道版本Magnetic Map Reader磁性地图阅读器LTJ-XM-006 SeriesFeatures 产品特点1.High sensitivity and excellent gap characteristics.高灵敏度和出色的性能差距。

CrocusTechnology推出宽动态范围TMR磁场传感器Crocus Technology是拥有专利磁性逻辑单元? (MLU) 技术的隧道磁阻传感器 (TMR) 的领先开发商，日前该公司宣布推出CT219磁场传感器。

凭借业界领先的技术，在闭环配置中使用时，CT219 以其非接触性，高灵敏度和宽动态范围的特性超越了现有同类型元器件。

CT219可以更安全处理高电流系统，用于取代电流互感器时可显著减少系统尺寸和重量，同时利于开发更紧凑和环保的技术设计。

CT219还可高精度测量磁场诱发的线性距离运动，用于诸如齿轮测量、伺服控制运动系统、打印机、汽车和机器人等应用。

主要产品优势包括：- 非接触式电流检测- 宽动态范围：测量范围从几毫安到几百安培- 高线性：满量程低于0.5％偏差- 高灵敏度：80mV/mT- 小外形JEDEC SOT-26封装- 高温度稳定性：-40摄氏度至125摄氏度“多功能CT219非接触式传感器带来革命性创新，可用于智能电表，配电单元(PDU)、电机控制、智能家电、物联网相关产品，”公司销售和营销总监Zack Deiri如此评价。

“无论是测量系统电源效率或位移线性位置，CT219都可以实现紧凑的固态设计，实现节能，高精度和可重复性，满足现有的系统和新兴物联网，工业自动化，绿色环保科技产品要求。

”CT219已量产，提供JEDEC SOT-26封装卷带式运输方式。

样品可通过世界各地我们的授权分销商进行订购：Future Electronics, Mouser, Comtech, 和 Weikeng International。

作为磁场传感器的主要供应商，Crocus Technology已通过ISO 9001：2008年全球NQA认证。

质量管理体系已经在其设施中实施。

关于MLUCrocus Magnetic Logic Unit? (MLU) 架构使用其革新性的自我参照专利技术。

该技术使用了 Thermally Assisted Switching? (TAS) 和Differential Thermally Assisted Programming (DTAP).自参考TAS (SR-TAS)实现了磁技术实施领域之前无法实现的突破。