1 引言

　　热电偶因其结构简单、易于制造和测温范围宽等优点而被广泛用于温度测量领域，但是热电偶非线性校正问题(也称线性化处理)，严重影响了温度测量精度。国际、国内计算标准都给出了热电势 -温度 关系表,即热电偶分度表。其换算关系可以采用查表法，但这种方法在应用过程中显得很不方便，一种较好的办法可以利用神经网络技术建立起相应的数学模型，改善了热电偶的线性度。而神经网络具有强大的记忆容量、高速并行计算能力和非线性变换特性，能够随时进行再学习，可用来有效地校正系统的非线性。

2 热电偶非线性

　　热电偶的类型、规格、结构品种繁多，几乎都存在严重的非线性问题，其输出信号与测量温度之间呈非线性关系。从而给测量结果带来误差。本文采用神经网络技术，对镍铬-镍硅热电偶(K型)进行了非线性校正。K型热电偶结构图如图1所示。

                                   图1 热电偶结构图

　　由热电偶测量被测温度t，输出相应的热电势E(t, 0)。对K型热电偶，当测温范围为0～200℃时，依据分度表中的热电势和温度值，利用最小二乘法原理可以拟合出如下的E-t关系式：

                      （1）

　　式中，E是热电偶冷端温度为0C时的热电势，其中，
， ， 。式（1）表明E - t关系是非线性的。

3 基于BP网络进行热电偶的非线性校正

3.1 BP神经网络结构简介

　　BP神经网络一般采用三层（输入层、隐层、输出层）网络结构，如图2所示。网络中隐层节点和输出节点（神经元）的输入为前一层网络输出的加权和。

图2 BP网络结构

3.2 制备学习、检验样本

　　1）热电偶的标定：采用国际实用温标ITS-90及国标GB/T 2614-1990热电偶分度表中的给定数据，选取温度范围0~200C和其对应的热电势值作标定数据。