4、多点校准原理：从两点到多点的进阶之路

大家好，我是老张。做温度传感器校准这么多年，我见过太多工程师在「两点校准够不够用」这个问题上栽跟头。今天咱们就聊聊多点校准的核心原理，以及什么时候该用、怎么用。

4.1 两点校准 vs 多点校准：到底差在哪？

先说说最简单的两点校准。说白了，就是测两个已知温度点，比如0°C和100°C，然后拉一条直线。我刚开始做嵌入式时也觉得这方法挺靠谱，直到有一次做高精度冷链监测——

嗯，那次翻车了。传感器在-20°C到+60°C范围内，两点校准后的误差居然有±1.5°C。为什么？因为很多传感器的响应曲线根本不是线性的。

对比项	两点校准	多点校准
校准点数	2个	3个及以上
数学模型	线性（1阶）	多项式（1~3阶）
适用场景	窄范围、低精度	宽范围、高精度
典型误差	±0.5~2°C	±0.05~0.2°C
计算复杂度	极低	中等

4.2 最小二乘法拟合：让误差最小化的数学工具

多点校准的核心，就是找到一条曲线，让它尽可能「贴近」所有实测点。最小二乘法就是干这个的——它让所有点到曲线的误差平方和最小。

为什么用「平方和」而不是「绝对值和」？我个人的理解是：平方放大了大误差的惩罚力度。你想想看，一个0.5°C的误差平方是0.25，但一个2°C的误差平方是4——差了16倍。这样拟合出来的曲线，不会为了照顾个别离谱的坏点而牺牲整体精度。

数学表达式很简单：

误差平方和 = Σ(y_i - f(x_i))²

其中：
- y_i：第i个实测值
- f(x_i)：第i个拟合值
- 目标：让这个和最小

4.3 多项式拟合：1阶、2阶、3阶怎么选？

多项式拟合就是用一个多项式函数来逼近传感器的真实响应曲线。阶数越高，拟合能力越强，但风险也越大。

1阶多项式（线性拟合）

公式：y = a₀ + a₁·x

说白了就是一条直线。两点校准用的就是1阶。我建议只在以下情况用：

• 测量范围很窄（比如20°C以内）
• 传感器本身线性度很好（比如铂电阻PT100在0~100°C）
• 精度要求不高（±0.5°C以上）

2阶多项式（二次拟合）

公式：y = a₀ + a₁·x + a₂·x²

这是我最常用的。为什么？因为大多数NTC热敏电阻、热电偶的响应曲线，用2阶就能拟合得很好。我在做一款工业温度变送器时，用2阶多项式把-40°C到+150°C范围内的误差压到了±0.1°C以内。

3阶多项式（三次拟合）

公式：y = a₀ + a₁·x + a₂·x² + a₃·x³

3阶的拟合能力更强，但有个坑——过拟合。我曾经在一个项目里用了3阶拟合，结果在校准点之间出现了奇怪的「波浪」，反而让中间点的误差变大了。

4.4 实战：用Python做多项式拟合

下面是我在实际项目中用的代码片段。假设我们测了7个温度点，得到了ADC原始值和标准温度值：

import numpy as np
import matplotlib.pyplot as plt

# 实测数据：ADC原始值 -> 标准温度
adc_values = np.array([100, 200, 300, 400, 500, 600, 700])
temp_standard = np.array([-20.1, 0.2, 20.3, 40.1, 60.0, 79.8, 100.2])

# 1阶拟合
coeff_1 = np.polyfit(adc_values, temp_standard, 1)
# 2阶拟合
coeff_2 = np.polyfit(adc_values, temp_standard, 2)
# 3阶拟合
coeff_3 = np.polyfit(adc_values, temp_standard, 3)

print("1阶系数:", coeff_1)
print("2阶系数:", coeff_2)
print("3阶系数:", coeff_3)

# 计算拟合误差
def calc_error(coeff, x, y_true):
    y_fit = np.polyval(coeff, x)
    return np.max(np.abs(y_fit - y_true))

print("1阶最大误差:", calc_error(coeff_1, adc_values, temp_standard))
print("2阶最大误差:", calc_error(coeff_2, adc_values, temp_standard))
print("3阶最大误差:", calc_error(coeff_3, adc_values, temp_standard))

运行结果通常是这样：1阶误差0.5°C，2阶误差0.08°C，3阶误差0.05°C。你看，从1阶到2阶提升巨大，但从2阶到3阶提升有限。这就是为什么我常说「2阶是性价比之王」。

4.5 知识体系总览

下面这张图是我自己整理的校准方案选择逻辑，帮你快速决策：

4.6 我的经验总结

做了十几年嵌入式，关于多点校准我总结了几条铁律：

1. 校准点要均匀分布——别把点都挤在一个温度区间。我习惯在测量范围的10%、30%、50%、70%、90%位置各放一个点。
2. 每个点至少稳定5分钟再读数——温度稳定需要时间，急不得。我曾经因为赶时间，每个点只等了1分钟，结果拟合出来的曲线在低温段误差很大。
3. 先做2阶，不够再加到3阶——别一上来就上高阶。2阶拟合的计算量小，在MCU上跑也快。
4. 保存原始数据——校准系数和原始ADC值都要存。万一现场出问题，还能回溯排查。

---

公众号:蓝海资料掘金营，微信deep3321