收录：
摘要：
本发明公开了一种融合多项式与学习模型的气压传感器误差标校方法，计算测量气压值和标准气压值之间的误差，分析输入的标准气压值与误差之间散点图的分布状态，采用最小二乘法拟合其多项式，获取设计温度标校点对应的参数，然后将该多项式的参数进行分解并通过RBF神经网络分别预测具体温度点对应的多项式相关参数。最后根据某一特定温度下误差的函数解析式可获得气压测量值标校后的数值。相比于直接使用各轻量级神经网络拟合气压值与温度之间关系的方法，通过将气压传感器的数据误差进行先分解再拟合的方法具有更高的标校精度，减少53.33％的测量误差，是一种精度高、计算轻量、实用性强的气压传感器标校新方法。
关键词：
通讯作者信息：
电子邮件地址：
