基于RBF的气压传感器非线性校正算法

高空气象探测技术的发展与探测仪器的进步密不可分。气压传感器作为探空仪搭载的核心器件，在高海拔极端环境下受到制作工艺及温度波动等因素的影响，会出现测量数据精度受损的现象。针对上述问题，通过分析气压传感器的标准气压值和误差之间的关系，推导了误差波动描述算式，把气压传感器标校任务转化为非线性回归方程系数的拟合任务，并设计一种用于误差系数拟合的RBF模型。将拟合后的系数结合误差波动算式来计算最终的标校气压值，以达到提高气压传感器标校精度的目的。实验结果表明：RBF神经网络拟合系数获取的标校值与传统的BP神经网络相比，可使测量误差的偏差度≤0.1%,有效提高了高空气象探测中的气压传感器的测量精度。