背景技术
蠕变作为传感器性能的一个主要技术指标，是指由于一个快速的加
载增量而引起传感器输出信号的增量时，在所有环境条件不变的情况下，
传感器输出信号增量随时间发生的最大变化量与传感器输出信号增量的
比值。
蠕变是考核时间影响的技术指标，即传感器的时间稳定性，是传感
器生产中最难控制的技术指标之一。传感器蠕变是由弹性体所产生的正
蠕变和应变片及应变胶等产生的负蠕变综合影响而形成的，通常当弹性
体设计定型后，其蠕变值也就大致确定了。
目前，对蠕变的控制和调整基本都采用一些传统的技术解决方法，
如选用不同蠕变补偿性能的应变片，或者采用改变贴片位置，还有采用
改变贴片胶固化工艺等方法对蠕变进行补偿，但这些方法也仅适用于一
些精度要求不高传感器。对于高精度的传感器，这些蠕变控制方法依靠
调节制造工艺等方法来调整和控制蠕变，其生产工艺过程繁琐复杂，返
工量大，且随机性高，无法对高精度的传感器实现精确补偿。
近几年，随着技术的发展，一些国外大公司将数字补偿引入数字传
感器中以实现对蠕变的补偿，该方法先建立传感器蠕变的数学模型，然
后测试出传感器的常温蠕变并计算确定数学模型中的系数，通过计算机
计算蠕变补偿量并进行修正。虽然这种补偿方法能提高传感器的控制精
度，但也存在以下不足：1、该补偿方法是进行常温补偿的。对于高、低
温蠕变与常温蠕变不一样的传感器，其补偿是按常温蠕变进行补偿，所
以补偿效果更差。2、由于所建立的数学模型是一个指数函数，计算量大，
占用计算机资源太多，影响传感器动态响应。3、在实际的生产中每个传
感器都要进行半小时的蠕变测试，尤其在传感器容量比较大的前提下，
测试成本太高。
发明内容
本发明所要解决的技术问题是提供一种简单、易行，且补偿精确度
高，便于批量生产的称重传感器的蠕变模糊补偿方法。
本发明为解决上述问题的技术方案是：一种称重传感器的蠕变模糊
补偿方法，其特征在于：连续计算出传感器的相对输出变化量；对存储
在存储器内的加/卸载隶属函数和蠕变隶属函数的各过程内的隶属度计
算；计算结果并进行比较，以判断传感器当前时刻的载荷变化状况，确
定各过程蠕变起始点，当计算机判断传感器处于加/卸载状况时，则输出
量减去已存存储器内上一过程蠕变量，得到传感器所承受的实际载荷，
并存储作为下一过程的初始载荷；当计算机判断传感器处于蠕变状况，
实际载荷为初始载荷，并将当前输出量减去上一过程的初始载荷，得到
当前的蠕变量并存储，作为下一过程的蠕变量；这样通过不断的对载荷
状况的模糊识别，对各过程内的初始载荷及蠕变值进行动态修整，从而
得到传感器的实际载荷。
本发明采用上述的技术方案其优点在于：1、本发明利用称重传感器
的蠕变特性曲线中其加/卸载变化斜率与蠕变变化的斜率不同，用两种不
同的隶属度函数对传感器的当前时刻的相对输出变化量进行计算，并与
动态的模糊识别方法相结合，确定蠕变的起始点以及各过程的载荷状况，
通过动态的模糊识别，根据载荷状况的不同，利用初始蠕变值和初始载
荷就能确定该过程的实际载荷或新的蠕变值，因计算量小、且计算简单，
不会影响传感器的动态响应性能。2、由于传感器能连续对不同过程中的
蠕变量进行动态的修正，所以在测量过程中能实现对蠕变误差进行实时
调控，因此传感器能够进行高精度的蠕变补偿，该补偿简单易行，不必
事先对传感器进行蠕变测试或调整制造工艺，制造成本低，易于计算机
实现及批量生产。3、本方法由于不受传感器的载荷与温度等环境影响，
补偿精度高，是称重传感器的蠕变误差补偿的一种全新的方法。
具体实现方式
如图1、2所示，当传感器系统中的敏感元件感受重量信号，通过一
个由应变片组成的惠斯通电桥输出模拟电压信号，模拟电压信号经数/模
转换成数字信号并输出，通过传感器系统中的计算机计算输出相对输出
变化量η，该传感器的相对输出变化量η为当前输出变化量与当前时刻
的输出量之比，其数学表达式：
η＝Δf/ft，
而当前输出变化量为当前时刻传感器的输出与前一过程传感器的输
出之差，其数学表达式：
Δf＝ft-f0
通过传感器的相对输出变化量η，考察传感器的输出变化的剧烈程
度，计算出相对输出变化量η后，通过存储在存储器内的两个隶属函数，
即对载荷和蠕变两个斜率不同的载荷状况的加/卸载隶属函数A1(η)和
蠕变隶属函数A2(η)，用当前时刻的相对输出变化量η对其隶属度进行
计算。
对于加/卸载隶属函数A1(η)，当相对输出变化量η≤10时，加/卸
载隶属函数A1(η)的函数值为零；当100≤相对输出变化量η＜10时，
则加/卸载隶属函数A1(η)为相对输出变化量η减10后除以90的平方；
当相对输出变化量η＞100时，加/卸载隶属函数A1(η)的函数值为零，
其中相对输出变化量η的单位是1/100000。
其数学表达式：
![]()
对于蠕变隶属函数A2(η)，当相对输出变化量η≤10时，蠕变隶
属函数A2(η)的函数值为1；当100≤相对输出变化量η＜10时，蠕变
隶属函数A2(η)为1减去相对输出变化量η减10后除以90的平方；
当相对输出变化量η＞100时，蠕变隶属函数A2(η)的函数值为1，其
中相对输出变化量η的单位是1/100000。
其数学表达式：
![]()
通过对加/卸载隶属函数A1(η)和蠕变隶属函数A2(η)的计算，
并采用最大隶属原则对当前时刻的加/卸载隶属函数A1(η)与蠕变隶属
函数A2(η)大小进行比较，判别当前时刻传感器处于加/卸载段还是蠕
变段，即当前时刻的载荷状况。
当加/卸载隶属函数A1(η)大于蠕变隶属函数A2(η)时，计算机
识别传感器处于加/卸载状况，传感器的输出值减去已存存储器中上一过
程的蠕变量，即可得到传感器所承受的实际载荷，并存储作为下一过程
的初始载荷，蠕变量仍为上一过程的蠕变量，其数学表达式：
Wc＝fc-εo
εc＝εo
其中：
Wc为传感器在当前时刻C点时的实际载荷。
fc为当前时刻的传感器的输出值。
εc为传感器在当前时刻C点时的蠕变量。
εo为传感器上一过程的蠕变量。
当加/卸载隶属函数A1(η)小于蠕变隶属函数A2(η)时，传感器
系统中的计算机判断传感器处于蠕变状况，实际载荷为初始载荷，并将
当前传感器输出量减去上一过程的初始载荷，得到当前的蠕变量并存储，
并作为下一过程初始蠕变量，其数学表达式：
Wc＝Wo
εc＝fc-Wo
其中：
Wc为传感器在当前时刻C点时的实际载荷。
Wo为当前时刻初始载荷。
εc为传感器在当前时刻C点时的蠕变量。
fc为传感器在当前时刻的传感器输出量。
这样，通过不断的对载荷状况的模糊识别，对各过程内的初始载荷
及蠕变值进行动态修整，从而可以方便的得到传感器的实际载荷。
本发明从图3所示的传感器多次加载时蠕变的模糊补偿过程，在加
载过程中，在Co左侧段，传感器从“0”载荷、“0”蠕变处开始工作，
当C点至达Co，输出为急剧变化的加载段，输出的f0为传感器实际载荷
Wo，当C点超过Co进入蠕变段，传感器输出缓慢增大，但传感器实际载
荷Wo不变，然而输出值fc发生变化，传感器产生蠕变ε，随时间的增
加，C点至达C1点，蠕变ε也达到ε1，在这一工作段，传感器系统的计
算机以一定的速度读取传感器输出，计算输出相对的变化量η，对当前
时刻加/卸载隶属函数A1(η)和蠕变隶属函数A2(η)进行计算，并比
较二者大小，而后将传感器的当前的输出存储，当加/卸载隶属函数A1(η)
蠕变隶属函数A2(η)的第一个时刻t上，传感器认为上一时刻即为传
感器的蠕变点，将上一时刻传感器的输出减去存储器中存储的蠕变量得
到传感器所承受的实际载荷，并且传感器将这一数值作为下一加/卸载过
程的初始载荷Wo，取代存储器中的Wo旧值。进入蠕变段后，传感器计算
机继续读入传感器输出、计算当前时刻对加/卸载隶属函数A1(η)和蠕
变隶属函数A2(η)的隶属度并比较大小，当加/卸载隶属函数A1(η)＞
蠕变隶属函数A2(η)时，判别是否继续发生蠕变，如是，则传感器系
统的计算机用当前输出减去上述初始载荷Wo，求得传感器当前蠕变量，
并存入存储器，代替旧蠕变值，并输出初始载荷Wo作为实际载荷。否则
传感器进入二次加载阶段，并重复上述的过程，通过不断修正后，最终
输出实际载荷。
下表是采用本发明的蠕变模糊补偿方法，对一个30公斤传感器先加
载10公斤，等2分钟，再加10公斤，等2分钟，卸载至零点，等2分
钟，再加载30公斤，等5分钟进行的测试。在刚加载完及下一次加载前
分别读取传感器输出值，其数据：
实际重量(Kg)
时间(秒)
未补偿
补偿后
|
输出(Kg)
误差(％F.S)
输出(Kg)
误差(％FS)
10
0
10.0003
0.001
10.0003
0.001
10
120
10.0039
0.013
10.0003
0.001
20
0
20.0042
0.014
20.0009
0.003
20
120
20.0063
0.021
20.0009
0.003
0
0
0.006
0.020
0.0006
0.002
0
120
0.0015
0.005
0.0006
0.002
30
0
30.0018
0.006
30.0015
0.005
30
300
30.0153
0.053
30.0014
0.005
从上述数据中可以看出，其蠕变补偿精度较高。
本发明的蠕变补偿方法不仅用于正蠕变，而且也适用于负蠕变，本
发明由于能很好地解决一般蠕变补偿温度效应不好的情况，利于批量生
产，是目前一种最简便易行补偿精度高的蠕变补偿方法。