热电堆自动测温系统前端温度校准方法探究

戚励文，任育峰，何 吉，戈亦余

（中科芯集成电路有限公司，江苏 无锡）

引言

红外测温系统属于非接触式测温，响应时间短、测量范围广、不会对温度场分布造成影响，通常用于人体温度测量[1]。随着微电子机械系统（MEMS）技术快速发展，基于MEMS 芯片的热电堆红外传感器在更多领域如电力、智能家居、交通、机械、化工等领域得到广泛应用[2]。

王楷群等从5 个方面表述了对热电堆红外探测器性能的影响[3]。赵斌等使用神经网络算法完成17.4 ℃室温下测量距离影响因素的温度补偿[4]。隋修宝等分析了内部环境温度在-10 ℃～40 ℃的缓慢漂移以及振荡使关键偏置电压产生毫伏级漂移特性[5]。王志国等也通过自研的红外热像仪为硬件进行测温定标实验，对目标发射率和大气透过率等影响因素对测温定标的影响进行了分析[6]。本研究主要研究期间工作的环境温度在10～80 ℃之间较快变化条件下，传感器模块测量在30～120℃基准温度的校准方法。

1 原理与设计

热电堆传感器基本工作原理是塞贝克效应，特定材料吸收物体红外辐射，由于不同材料的塞贝克系数不同，通过材料冷热端产生的电势差可以计算得到对应温度值。红外测温容易受到被测物体表面发射率、吸收率、大气透射率、环境温度、大气温度、测量距离等因素的影响；另外还有器件自身的因素，如内部结构、性能老化，传感器内部器件转移效率不一致，掩膜误差缺陷、信号电荷放大运输不一致,传感器内部元器件对环境变化敏感度不同，都会存在温漂现象。为了确保传感器在各类应用场景测温准确性，根据不同的应用场景，应尽可能设计针对该场景的标定和校准，以保证产品测量的稳定。

2 实验

2.1 实验方案

根据使用场景设计实验方案，见图1，确定黑体校准源为目标温度，如果黑体放置在高低温试验箱内部，箱内温度变化会对黑体基准温度造成影响，故将其放置在25 ℃/湿度30%～40%的实验室内（温箱外）进行实验，使用设备包括高低温箱、探头、黑体校准源、红外测温枪等测温工具。将设备按照图示搭建，注意将探头和硅片就近固定好，将信号处理模块板完全置于箱体内部，保证探头NTC 测试点暴露于测试环境并能及时反映工作环境变化时的工作状态。温箱按照10～80℃逐步升温，并保证每个温度点稳定时间超过15 min。校准源温度设置30～120 ℃（10 ℃/组）。探头距校准源表面约15 cm。

图1 实验方案示意

实验采集的数据类型见表1。

表1 实验数据

表格第1 列是被测物的测量码值，第2 列为环境码值。后对其进行异常值、去重、缺失值处理等操作，得到约4 万条可用数据。

2.2 数据分析和公式拟合

本方案中原始数据表示为测得的目标温度码值和NTC 器件采集的器件环境温度码值，图2 为目标值为30 ℃和40 ℃条件下，实际测试得到的目标码值和环境温度码值的趋势图。

图2 测量目标和环境温度关系

图2 中曲线①和②分别是目标温度在33 ℃和123 ℃时，实验测得的目标码值曲线，③和④为两个目标温度测量过程中的环境温度码值变化曲线。可看出热电堆传感器的测量稳定性较好，在相同温度变化条件下，测得的码值具有相对固定的码值差异范围。

我们的目的是通过模型拟合得到目标温度和测量值和温度值的相互关系，并对测量值进行温度补偿。温度补偿的方法通常有：查表法、线性插值法、计算法、最小二乘多项式拟合和神经网络算法。其中查表法是将测量值和采集码值进行对应，需要建立庞大存储容量的关系表格，环境温度越高，关系表格越复杂，数据量也会越大。线性插值法类似于查表法，不同的是线性插值法将采集数据分段线性化，通过分段的直线对应码值，再用插值计算获得对应测量值，线性插值法与查表法一样需要较大的数据量。计算法需要给器件建立确定的关系式，该式表达的是传感器特性，计算法需要较高运算速率，且对传感器一致性要求较高。最小二乘法通过最小化误差的平方和寻找数据的最优的函数匹配，这需要构造一个多元线性方程组，解出方程的唯一解带入多项式，可以拟合出一个多项式。神经网络算法是更为理想的数据拟合法，他为非线性且不确定的数学建模提供新思路，但其同样对运算速率有较高要求[7-8]。本方案要在32 位单片机上完成该任务，可以采用最小二乘多项式拟合，该方法拟合出的多项式容易用代码实现，经过补偿也可达到较高精度。

将不同环境温度点的数据从低到高排列，这样在数据拟合时环境温度变化过程对实际采样的影响因素也能同步考虑进去，处理后数据采用最小二乘法进行多项式拟合，效果见图3。

图3 拟合效果

图3 中曲线②为测试选取的10 个温度点拟合得到的预测值，曲线①的线段表示目标温度。该结果曲线仅在某些温度点的表现靠近目标温度值，有部分数据项的值都很大，并且在数据的不同区间表现得差异不同，最终温度点曲线表现不够平滑，根据以上数据表现特点，尝试将原始数据取对数后再进行分析。取对数之后不会改变数据的性质和相关关系，但压缩了变量的尺度，可以使数据更加平稳，也削弱了模型的共线性、异方差性等。表2 展示了本次模型的分析结果，包括模型的标准化系数、t 值、VIF 值、R2、调整R2等，用于模型的检验，并分析模型的公式，图4 为本次拟合效果。

图4 拟合效果

表2 输出结果：最小二乘线性回归分析结果

从F 检验结果分析可以得出，显著性P 值为0.000***，***代表1%的显著性水平，拒绝回归系数为0 的原假设，因此模型基本满足要求。对于变量共线性表现，VIF 全部小于10，因此模型没有多重共线性问题,模型构建良好模型的公式如下:

式中：Y 为预测值；X测量为目标温度测量码值；X环境为热电堆工作环境温度码值。

2.3 数据验证

根据公式（1），对30～130 ℃温度范围随机采集样本进行验证，随机数据验证见表3。

表3 随机数据验证

表3 罗列了随机抽取的黑体基准温度在30～120 ℃的10 组数据，校验得到预测值和误差均符合预期。

3 结论

热电堆红外测温系统前端温度校准是设备出厂的必须工序，温度校准通常考虑环境温度、发射率、测试距离等影响因素，可根据使用场景进行针对性校准。本研究针对使用场景设计实验方案，研究环境温度在10～80 ℃范围持续变化的情况下，目标温度范围在30～120 ℃的温漂校准，实现将精度控制在±3℃以内的目标。本研究采用了最小二乘多项式方法，对原始数据的处理，利用算法模型进行了公式拟合，最终得到校准公式。后将根据设备使用情况，在实际应用场景中进行测试验证和参数调整。