熱電堆自動測溫系統前端溫度校準方法探究

戚勵文，任育峰，何 吉，戈亦余

（中科芯集成電路有限公司，江蘇 無錫）

引言

紅外測溫系統屬于非接觸式測溫，響應時間短、測量范圍廣、不會對溫度場分布造成影響，通常用于人體溫度測量[1]。隨著微電子機械系統（MEMS）技術快速發展，基于MEMS 芯片的熱電堆紅外傳感器在更多領域如電力、智能家居、交通、機械、化工等領域得到廣泛應用[2]。

王楷群等從5 個方面表述了對熱電堆紅外探測器性能的影響[3]。趙斌等使用神經網絡算法完成17.4 ℃室溫下測量距離影響因素的溫度補償[4]。隋修寶等分析了內部環境溫度在-10 ℃～40 ℃的緩慢漂移以及振蕩使關鍵偏置電壓產生毫伏級漂移特性[5]。王志國等也通過自研的紅外熱像儀為硬件進行測溫定標實驗，對目標發射率和大氣透過率等影響因素對測溫定標的影響進行了分析[6]。本研究主要研究期間工作的環境溫度在10～80 ℃之間較快變化條件下，傳感器模塊測量在30～120℃基準溫度的校準方法。

1 原理與設計

熱電堆傳感器基本工作原理是塞貝克效應，特定材料吸收物體紅外輻射，由于不同材料的塞貝克系數不同，通過材料冷熱端產生的電勢差可以計算得到對應溫度值。紅外測溫容易受到被測物體表面發射率、吸收率、大氣透射率、環境溫度、大氣溫度、測量距離等因素的影響；另外還有器件自身的因素，如內部結構、性能老化，傳感器內部器件轉移效率不一致，掩膜誤差缺陷、信號電荷放大運輸不一致,傳感器內部元器件對環境變化敏感度不同，都會存在溫漂現象。為了確保傳感器在各類應用場景測溫準確性，根據不同的應用場景，應盡可能設計針對該場景的標定和校準，以保證產品測量的穩定。

2 實驗

2.1 實驗方案

根據使用場景設計實驗方案，見圖1，確定黑體校準源為目標溫度，如果黑體放置在高低溫試驗箱內部，箱內溫度變化會對黑體基準溫度造成影響，故將其放置在25 ℃/濕度30%～40%的實驗室內（溫箱外）進行實驗，使用設備包括高低溫箱、探頭、黑體校準源、紅外測溫槍等測溫工具。將設備按照圖示搭建，注意將探頭和硅片就近固定好，將信號處理模塊板完全置于箱體內部，保證探頭NTC 測試點暴露于測試環境并能及時反映工作環境變化時的工作狀態。溫箱按照10～80℃逐步升溫，并保證每個溫度點穩定時間超過15 min。校準源溫度設置30～120 ℃（10 ℃/組）。探頭距校準源表面約15 cm。

圖1 實驗方案示意

實驗采集的數據類型見表1。

表1 實驗數據

表格第1 列是被測物的測量碼值，第2 列為環境碼值。后對其進行異常值、去重、缺失值處理等操作，得到約4 萬條可用數據。

2.2 數據分析和公式擬合

本方案中原始數據表示為測得的目標溫度碼值和NTC 器件采集的器件環境溫度碼值，圖2 為目標值為30 ℃和40 ℃條件下，實際測試得到的目標碼值和環境溫度碼值的趨勢圖。

圖2 測量目標和環境溫度關系

圖2 中曲線①和②分別是目標溫度在33 ℃和123 ℃時，實驗測得的目標碼值曲線，③和④為兩個目標溫度測量過程中的環境溫度碼值變化曲線。可看出熱電堆傳感器的測量穩定性較好，在相同溫度變化條件下，測得的碼值具有相對固定的碼值差異范圍。

我們的目的是通過模型擬合得到目標溫度和測量值和溫度值的相互關系，并對測量值進行溫度補償。溫度補償的方法通常有：查表法、線性插值法、計算法、最小二乘多項式擬合和神經網絡算法。其中查表法是將測量值和采集碼值進行對應，需要建立龐大存儲容量的關系表格，環境溫度越高，關系表格越復雜，數據量也會越大。線性插值法類似于查表法，不同的是線性插值法將采集數據分段線性化，通過分段的直線對應碼值，再用插值計算獲得對應測量值，線性插值法與查表法一樣需要較大的數據量。計算法需要給器件建立確定的關系式，該式表達的是傳感器特性，計算法需要較高運算速率，且對傳感器一致性要求較高。最小二乘法通過最小化誤差的平方和尋找數據的最優的函數匹配，這需要構造一個多元線性方程組，解出方程的唯一解帶入多項式，可以擬合出一個多項式。神經網絡算法是更為理想的數據擬合法，他為非線性且不確定的數學建模提供新思路，但其同樣對運算速率有較高要求[7-8]。本方案要在32 位單片機上完成該任務，可以采用最小二乘多項式擬合，該方法擬合出的多項式容易用代碼實現，經過補償也可達到較高精度。

將不同環境溫度點的數據從低到高排列，這樣在數據擬合時環境溫度變化過程對實際采樣的影響因素也能同步考慮進去，處理后數據采用最小二乘法進行多項式擬合，效果見圖3。

圖3 擬合效果

圖3 中曲線②為測試選取的10 個溫度點擬合得到的預測值，曲線①的線段表示目標溫度。該結果曲線僅在某些溫度點的表現靠近目標溫度值，有部分數據項的值都很大，并且在數據的不同區間表現得差異不同，最終溫度點曲線表現不夠平滑，根據以上數據表現特點，嘗試將原始數據取對數后再進行分析。取對數之后不會改變數據的性質和相關關系，但壓縮了變量的尺度，可以使數據更加平穩，也削弱了模型的共線性、異方差性等。表2 展示了本次模型的分析結果，包括模型的標準化系數、t 值、VIF 值、R2、調整R2等，用于模型的檢驗，并分析模型的公式，圖4 為本次擬合效果。

圖4 擬合效果

表2 輸出結果：最小二乘線性回歸分析結果

從F 檢驗結果分析可以得出，顯著性P 值為0.000***，***代表1%的顯著性水平，拒絕回歸系數為0 的原假設，因此模型基本滿足要求。對于變量共線性表現，VIF 全部小于10，因此模型沒有多重共線性問題,模型構建良好模型的公式如下:

式中：Y 為預測值；X測量為目標溫度測量碼值；X環境為熱電堆工作環境溫度碼值。

2.3 數據驗證

根據公式（1），對30～130 ℃溫度范圍隨機采集樣本進行驗證，隨機數據驗證見表3。

表3 隨機數據驗證

表3 羅列了隨機抽取的黑體基準溫度在30～120 ℃的10 組數據，校驗得到預測值和誤差均符合預期。

3 結論

熱電堆紅外測溫系統前端溫度校準是設備出廠的必須工序，溫度校準通常考慮環境溫度、發射率、測試距離等影響因素，可根據使用場景進行針對性校準。本研究針對使用場景設計實驗方案，研究環境溫度在10～80 ℃范圍持續變化的情況下，目標溫度范圍在30～120 ℃的溫漂校準，實現將精度控制在±3℃以內的目標。本研究采用了最小二乘多項式方法，對原始數據的處理，利用算法模型進行了公式擬合，最終得到校準公式。后將根據設備使用情況，在實際應用場景中進行測試驗證和參數調整。