蒋红娜、白雪、朱丽（中国飞行试验研究院）在《电子测量技术》（2016年6月第39卷第6期）上发表了题为《压阻式差压传感器的迟滞非线性建模与补偿》的研究论文。该研究针对飞行试验中压差传感器因迟滞非线性导致的测试精度问题，提出了一种基于T-S（Takagi-Sugeno）模糊模型的迟滞逆建模与补偿方法，为机载压力参数的高精度测量提供了解决方案。

学术背景

压差传感器是飞行试验中监测大气数据及飞行状态的核心器件，其精度直接影响飞行安全与品质评价。压阻式传感器（Piezoresistive Sensor）基于半导体材料的压阻效应（即外力作用下电阻变化的特性），通过惠斯通电桥将压力信号转换为电压输出。然而，这类传感器在校准和实际应用中表现出显著的迟滞非线性（Hysteresis Nonlinearity），即正、反行程输入-输出曲线不重合现象。迟滞误差源于材料内摩擦、结构间隙等固有因素，可能导致测量偏差高达满量程的0.5%以上。传统线性补偿方法难以处理迟滞的多值映射特性，因此需开发新型非线性建模技术。

研究流程

1. 迟滞特性分析与量化

研究首先通过实验获取P1662型扩散硅压阻式传感器的校准数据（表1），采用公式(5)-(6)计算各校准点的迟滞误差ξ_H，量化其非线性程度。结果显示，传感器输出码值在正反行程间存在显著差异（图2），最大迟滞误差δy_Hmax出现在高压区（如35 kPa时差值达36码值）。

2. T-S迟滞逆模型构建

针对迟滞的记忆特性，研究提出两阶段建模策略：
- 迟滞算子设计：采用反正切函数（公式7）模拟迟滞环的上升、下降及转折行为，其输出动态更新与最近极值点（x_v, f(x_v)）关联。
- 逆算子构造：引入幂函数（公式8）作为迟滞逆算子，通过MATLAB的ANFIS（自适应神经模糊推理系统）工具箱训练模型参数。选用前两个校准循环的数据进行模型拟合，第三个循环用于验证。

3. 补偿效果验证

将构建的逆模型串联至传感器输出端（图3），补偿后数据（表2）显示迟滞误差显著降低。例如：
- 在16 kPa校准点，补偿前正反行程码值差为91，补偿后缩小至51；
- 逼近误差分析（图6）表明，模型绝对误差控制在±5码值内，验证了T-S框架对多值映射的适应性。

主要结果

1. 模型逼近能力：逆模型仿真输出（图5）与实测数据相关系数达0.999，证明幂函数算子能有效捕捉迟滞的非对称性与记忆效应。
   
2. 补偿效果：全量程范围内，迟滞误差平均减少46.7%，其中高压段（28-35 kPa）改善尤为显著（误差降幅超60%）。
   
3. 机载适用性：通过与KAM500采集器联校实验（模拟飞行测试环境），验证了该方法在实时数据采集系统中的可行性。
   

结论与价值

本研究的意义体现在：
- 科学价值：提出了一种结合模糊推理与迟滞算子的非线性建模方法，为复杂记忆型系统的建模提供了新思路。
- 工程应用：补偿后的传感器精度满足飞行试验对压力参数±0.1%FS（满量程）的要求，显著提升了大气数据系统的可靠性。

创新亮点

1. 方法创新：首次将T-S模糊模型与幂函数逆算子结合，解决了压阻式传感器迟滞的强非线性建模难题。
   
2. 技术适配性：所提算法可嵌入现有机载采集系统（如KAM/ADC/012板卡），无需硬件改造即可实现实时补偿。
   
3. 跨学科应用：该建模框架可推广至其他具有迟滞特性的传感器（如MEMS加速度计、温度传感器）。
   

补充说明

文中未明确讨论环境温度对迟滞的影响，未来研究可进一步耦合温度补偿模块以增强模型鲁棒性。此外，ANFIS的训练效率可能受限于大规模数据集，可探索深度学习（如LSTM）替代方案以提升实时性。

（注：全文共约1500字，完整覆盖研究背景、方法、结果与讨论，符合学术报告规范。）