第3章温度补偿算法

3. 温度补偿算法：线性补偿模型、多项式拟合补偿、基于查找表的补偿方法

温度补偿，说白了就是跟温度这个“捣蛋鬼”对着干。你想想看，光学测量系统里，温度一变，光路长度、折射率、探测器响应全跟着跑偏。我刚开始做精密测量那会儿，就吃过这个亏——夏天标定好的系统，到了冬天直接偏出去好几个微米。

那怎么把温度的影响掰回来？常用的路子就三条：线性补偿、多项式拟合、查找表。咱们一个一个说。

这是最朴素、也最常用的方法。前提是：温度变化范围不大，而且系统响应跟温度近似成线性关系。

公式很简单：

ΔL = k × (T - T₀) + b

其中：

我在项目中遇到过一台激光干涉仪，它的温度系数标称是 0.5 ppm/℃。听起来不大？但如果你测 1 米长的工件，温度变化 10℃，误差就是 5 微米。对于精密加工来说，这已经不可接受了。

关键点：线性补偿的精度取决于 k 值的准确性。k 值一般通过两点标定或最小二乘拟合得到。我个人习惯是在高低温箱里做 5 个温度点的标定，然后取线性段。

小技巧：如果系统有多个温度敏感环节（比如光栅尺、结构件、电路），可以分别测出各自的 k 值，然后叠加补偿。我曾经用这个方法把一台测长机的温度漂移从 8 μm 压到了 0.5 μm。

线性模型搞不定的时候，就该多项式上场了。比如温度范围很宽（-20℃ 到 60℃），或者材料本身有非线性热膨胀特性，这时候用二次甚至三次多项式会更准。

通用形式：

ΔL = a₀ + a₁·ΔT + a₂·ΔT² + a₃·ΔT³ + ...

其中 ΔT = T - T₀。

阶数怎么选？我一般遵循“够用就好”的原则：

注意：多项式阶数不是越高越好。阶数太高容易过拟合——标定点上误差很小，但两个标定点之间反而振荡得很厉害。我曾经见过有人用十次多项式拟合，结果中间段误差比线性还大。嗯，这就是典型的“用力过猛”。

拟合方法一般用最小二乘法。我习惯在 MATLAB 或 Python 里先用 polyfit 跑一遍，看看残差分布。如果残差有明显的规律性（比如呈“S”形），说明模型没选对，需要加项或者换模型。

有些系统太复杂，用公式根本描述不清楚。比如：

这时候，查找表（LUT）就是最直接的办法。说白了就是：我事先测好每个温度点下的误差，存成一张表。实际测量时，根据当前温度查表，找到对应的修正值。

表格结构大概长这样：

实际使用时，如果温度落在两个标定点之间，就用线性插值。我建议插值步长不要超过 1℃，否则精度会掉得很快。

经验之谈：查找表法最大的坑是“标定工作量”。如果你要覆盖 0~50℃、每 0.5℃ 一个点，那就是 100 个标定点。每个点要等温度稳定了再测，一套下来至少一两天。我曾经为了一个高精度项目，连续在恒温箱里蹲了三天，就为了把这张表做准。

我把这三种方法的特点整理了一下，方便你选型时参考：

方法	精度	标定工作量	适用场景
线性补偿	中等	低（2~5个点）	温度范围窄、系统线性好
多项式拟合	较高	中（10~20个点）	温度范围宽、非线性明显
查找表	最高	高（50~200个点）	复杂系统、精度要求极高

我个人习惯是：先试线性，不行再上多项式，最后才考虑查找表。因为查找表虽然准，但维护起来也麻烦——换一个传感器，整张表就得重做。

下面这张图是我自己画的一个决策流程，帮你快速判断该用哪种方法：

这张图的核心逻辑就是：能用简单的就别用复杂的。线性补偿最快，多项式拟合最灵活，查找表最准但最费功夫。选哪个，取决于你的精度要求和标定预算。

最后说一句：不管用哪种方法，温度传感器的安装位置都很关键。我见过太多人把传感器贴在机壳外面，结果测出来的温度和光路实际温度差了 2~3℃。嗯，这种错误我也犯过，后来学乖了——传感器一定要贴在最靠近光路的结构件上，而且要做好热接触。

公众号：蓝海资料掘金营，微信 deep3321