随着经济社会和科学技术的发展,在科学研究、航空航天、工业控制等领域越来越多地要求动态测量,要求定量、深入地获取瞬态过程中各种参数和物理量的变化规律。传感器作为动态测试系统的前端,其动态特性决定了整个测试系统的动态性能。本文主要研究传感器的动态特性建模方法和模型不确定度,内容如下:(1)针对传感器线性模型,介绍了QR分解法,用来判定传感器动态模型的阶次。分析了最小二乘法的改进算法、递推极大似然法、粒子群优化算法的原理,进行了传感器线性系统仿真,在不同噪声模型及信噪比下,运用递推辅助变量法建模时,模型输出与系统真实输出的拟合误差均小于3%,优于其他线性建模方法。介绍了Hammerstein非线性系统辨识算法和BP神经网络算法,并进行了非线性系统仿真。(2)进行线性系统仿真,在没有噪声干扰时,运用递推最小二乘法进行参数辨识,得到了系统模型参数真值。提出了运用自助抽样法评定传感器线性模型的不确定度,并通过传感器线性模型不确定度的仿真,比较了贝塞尔法、蒙特卡罗法、自助抽样法在线性系统模型不确定度评定中的差异。(3)运用不同的线性建模方法对某一国产压电式压力传感器进行了动态建模,运用递推辅助变量法对该国产压电式压力传感器、Endevoc 8530C压阻式压力传感器进行了动态补偿,评定了压力传感器动态特性模型的不确定度。对一直径为1mm的K型热电偶进行了Hammerstein模型和BP神经网络模型辨识,并运用BP神经网络算法对该热电偶进行了动态补偿。通过对传感器动态特性建模方法及模型不确定度的研究,可以得出:递推辅助变量法在传感器的线性建模中适应性较强、建模精度较高,BP神经网络算法在传感器的非线性建模及动态误差修正中具有良好的效果,自助抽样法用于传感器线性模型不确定度评定是有效的。