[发明专利]一种基于双拟合算法的K型热电偶非线性修正方法

说明书

本发明公开了一种基于双拟合算法的K型热电偶非线性修正方法，首先找到热电动势的近似表达式，然后通过公式对其进行非线性修正。由切比雪夫多项式展开而得到的K型热电偶在0～1370℃的测量温度范围内，其对应的温差值的近似表达式；依照K型热电偶分度表，将0～50℃范围内各温度时的热电势值进行拟合，插值节点分辨率为10度，由切比雪夫多项式展开可得热电偶在冷端温度值时对应的输出电势值；根据双拟合函数关系编制热电偶的电势‑温度转换和冷端补偿的流程图，在微处理器中进行运算处理，进而实现K型热电偶的非线性修正。本发明解决了传统技术中存在的占用较大的程序存储空间，拐点处存在误差，精度低，算法相对复杂，使用成本较高等技术问题。

技术领域

本发明涉及一种热电偶的测温改进技术。

背景技术

热电偶基于热电效应原理进行温度测量，是目前测量领域里应用最为普遍的测温元件，具有测温范围广、机械强度高、装配简单等优点，因此在工业用传感器中占有重要的地位。但由于热电偶自身的物理特性，其输出的热电势E和被测温度t之间存在非线性，其非线性误差在1％左右。如果在宽范围、高精度的测量要求下如此大的误差会影响到测量结果能否被采用，这就需要进行非线性校正方法使得输出信号与测量温度之间呈线性关系，进而减小非线性所产生的测量误差。

热电偶的非线性校正有多种不同的方法，常用的有分段查表法、电势增量法、学习型算法。用分段查表法进行非线性校正,占用的程序空间较大，也存在拐点多的不足，在测量过程中就会出现数字跳动现象；电势增量法精度较查表法高,编程较斜率法容易,但程序执行时间要长；用遗传算法或神经网络等学习型算法，需要建立数学模型，算法过于复杂。

发明内容

本发明的目的是提供一种基于双拟合算法的K型热电偶非线性修正方法，在保证有效解决热电偶输出非线性的技术问题的条件下，还解决了传统技术中存在的占用较大的程序存储空间，拐点处存在误差，精度低，算法相对复杂，使用成本较高等技术问题。

为了实现上述发明目的，本发明所采用的技术方案如下：

一种基于双拟合算法的K型热电偶非线性修正方法，采用多阶热电偶传感器电势与温度转换拟合和多阶冷端补偿拟合双拟合算法，对K型热电偶进行非线性修正；具体方法如下：

假设热电偶的热电动势为E，温度为T，系数为α₀，...，α_n，那么E就可以用近似表达式(1)表示：

E＝α₀+α₁T₁+α₂T₂+…+α_nT_n (1)

通过展开高次幂级数的方式就可以非线性问题线性化，其中，幂级数越大，精度就越高，成本也就越高，对于不同的热电偶在设计线性化时，首先要找到其热电动势的近似表达式，然后通过公式(1)对其进行非线性修正。

式(2)是由切比雪夫多项式展开而得到的K型热电偶在0～1370℃的测量温度范围内，其对应的温差值的近似表达式；其中插值节点分辨率为10度，拟合函数表达式的阶数为五阶；

T1＝-7.6001×10^-7×X1⁵+1.0912×10^-4×X1⁴-3.9298×10^-3×X1³+0.017401×X1²+24.76×X1-0.56011 (2)

其中X1为热电偶产生的冷热端热电势差值，T1为热电偶的热端温度值；