3. 温度传感器基础：常见温度传感器类型、工作原理与数据特性

在嵌入式异常检测项目中，温度是最常见、最易获取且物理意义明确的监测量之一。无论是工业电机绕组、电池包热管理，还是环境温湿度监控，温度传感器的选型与数据质量直接决定了后续TFLite Micro模型能否有效识别异常。本章将系统梳理热电偶、热敏电阻与数字温度传感器三大类器件的工作原理、输出特性与工程选型要点，并重点分析它们的数据特性——这是后续构建特征工程与训练数据集的基础。

上图展示了三类温度传感器从物理量到数字量的完整数据链路。可以看到，热电偶和热敏电阻需要额外的信号调理电路，而数字传感器则直接输出可被MCU读取的数字值。在TFLite Micro项目中，选择哪类传感器不仅影响硬件成本，更决定了数据预处理流程的复杂度。下面逐一深入分析。

3.1 热电偶：高温测量的工业标准

核心原理：热电偶基于塞贝克效应（Seebeck Effect），即两种不同金属导体构成闭合回路时，若两个接点温度不同，回路中会产生热电动势。该电动势与两端温差近似成正比，比例系数称为塞贝克系数（Seebeck Coefficient），单位通常为μV/℃。常见类型包括K型（镍铬-镍硅，约41μV/℃）、J型（铁-康铜，约52μV/℃）和T型（铜-康铜，约43μV/℃）。

工程特性与数据特点：热电偶的输出电压极微弱（通常在毫伏甚至微伏级别），必须经过高精度仪表放大器放大后才能送入ADC。其数据特性表现为：

• 非线性明显：虽然近似线性，但在宽温域下存在非线性偏差，需使用NIST多项式或查表法进行线性化校正。
• 冷端补偿需求：热电偶测量的是测量端与冷端（参考端）的温差，冷端温度必须通过热敏电阻或数字温度传感器实时测量并补偿。
• 噪声敏感：由于信号微弱，容易受到电磁干扰（EMI）和50Hz工频干扰，数据中常出现高频噪声。
• 响应时间较长：受探头热质量影响，时间常数通常在0.5秒到数秒之间，不适合快速温度变化检测。

3.2 热敏电阻：高灵敏度与低成本的选择

核心原理：热敏电阻的阻值随温度变化而变化。负温度系数（NTC）热敏电阻的阻值随温度升高而指数下降，正温度系数（PTC）则相反。NTC的阻值-温度关系常用Steinhart-Hart方程描述：

1/T = A + B·ln(R) + C·(ln(R))³

其中T为开尔文温度，R为当前阻值，A、B、C为器件标定系数。实际工程中，也可使用简化的B值公式：

R = R₀ · exp(B · (1/T - 1/T₀))

数据特性分析：热敏电阻的灵敏度远高于热电偶，在25℃附近，NTC的阻值变化率可达-4%/℃至-5%/℃，这意味着0.1℃的温度变化就能引起明显的电阻变化。但其数据特性也有明显短板：

• 强非线性：阻值与温度呈指数关系，在低温段灵敏度低，高温段灵敏度高，需要软件查表或多项式拟合。
• 自热效应：测量电流流过电阻会产生焦耳热，导致读数偏高。通常要求测量电流小于100μA，且数据采集后需等待热平衡。
• 老化漂移：长期工作在高温或高湿环境下，阻值会缓慢漂移，导致测量偏差逐渐增大——这正是异常检测需要关注的"慢漂移"特征。
• 分压电路设计：通常采用电阻分压方式将阻值变化转换为电压变化，分压电阻的选值需在测量量程内保证ADC输入电压处于最佳范围。

3.3 数字温度传感器：嵌入式项目的首选

核心原理：数字温度传感器将感温元件（通常是硅带隙或热敏二极管）、ADC、数字接口（I²C、SPI或1-Wire）集成在单一芯片中。以DS18B20为例，其内部通过振荡器频率随温度变化的特性进行温度测量，12位分辨率下可输出0.0625℃的温度增量。数据通过1-Wire总线以数字形式传输，MCU无需额外信号调理电路。

数据特性与工程优势：

• 直接数字输出：省去模拟前端设计，降低硬件复杂度和PCB面积。
• 可配置分辨率：9~12位可选，分辨率越高转换时间越长（12位约750ms），需在采样率和功耗间权衡。
• 多点组网：1-Wire总线支持多个传感器并联，每个传感器有唯一64位ROM序列号，便于多点温度监测。
• 数据稳定性好：片上ADC和数字滤波使输出噪声远低于模拟方案，适合直接作为TFLite Micro模型的输入特征。
• 局限性：量程较窄（-55~125℃），不适合高温场景；1-Wire时序要求严格，需注意总线寄生电容和上拉电阻取值。

3.4 实战案例：电池包温度监测中的传感器选型与数据预处理

背景与约束：某储能系统需要监测锂电池组表面温度，要求量程-20℃~80℃，精度±1℃，采样率1Hz，MCU为STM32F4系列（Cortex-M4，无FPU），需部署TFLite Micro异常检测模型。硬件成本敏感，且PCB空间有限。

初始方案对比：

1. 方案A（热电偶）：K型热电偶+AD8495放大+冷端补偿。成本约15元/通道，但需要额外校准和滤波，且EMI环境下数据波动大。
2. 方案B（NTC）：10kΩ NTC+分压电阻+MCU内部ADC。成本约2元/通道，但需查表计算，且自热效应在高温段引入约0.3℃偏差。
3. 方案C（DS18B20）：数字输出，成本约5元/通道，12位分辨率，精度±0.5℃，直接满足需求。

决策过程：考虑到MCU无FPU，浮点运算能力弱，方案B的Steinhart-Hart方程涉及对数运算，在Cortex-M4上需用查表+线性插值替代，增加代码复杂度。方案A的冷端补偿需要额外温度参考点，且模拟信号链路的噪声会直接影响异常检测的误报率。最终选择方案C。

数据预处理流程：

// 伪代码：DS18B20数据采集与预处理
float read_temp_celsius() {
    uint16_t raw = ds18b20_read_raw();  // 12位原始值
    float temp = raw * 0.0625;           // 转换为摄氏度
    // 1. 异常值剔除：温度跳变超过5℃/s视为通信错误
    if (fabs(temp - last_temp) > 5.0f) {
        return last_temp;  // 保持上一有效值
    }
    // 2. 滑动平均滤波（窗口5点）
    buffer[buf_idx] = temp;
    buf_idx = (buf_idx + 1) % 5;
    float sum = 0;
    for (int i = 0; i < 5; i++) sum += buffer[i];
    last_temp = sum / 5.0f;
    return last_temp;
}

结果与复盘：部署后连续运行30天，模型检测到2次真实异常（电池过热预警），误报3次。分析误报原因发现：其中2次发生在DS18B20总线接触不良时，产生瞬时跳变；1次是环境温度骤变（空调开启）导致的正常温度快速上升。后续改进：增加总线错误重试机制，并将环境温度变化率作为辅助特征输入模型。

3.5 常见误区与总结

误区一：追求高精度传感器而忽略系统误差。即使使用±0.1℃的精密传感器，若PCB布局导致热传导不均或ADC参考电压漂移，实际系统精度可能仍只有±1℃。应关注整个测量链路的误差预算。

误区二：采样率越高越好。温度信号是典型的低频信号，过高的采样率只会增加功耗和计算负担，且引入更多高频噪声。对于大多数热过程，1~10Hz采样率已足够。

误区三：忽略时间常数的影响。传感器探头封装不同，时间常数差异很大（玻璃封装NTC约5秒，贴片式约1秒）。若异常检测需要捕捉快速温升（如电机堵转），必须选择小时间常数传感器，并在特征工程中考虑温度变化率（dT/dt）。

误区四：直接使用原始ADC值作为模型输入。不同传感器、不同分压电阻的ADC原始值范围差异大，应统一转换为物理温度值，并进行归一化（如z-score标准化）后再送入TFLite Micro模型。

总结：温度传感器的选择本质上是量程、精度、成本、响应速度和接口复杂度之间的权衡。对于TFLite Micro异常检测项目，数字温度传感器（如DS18B20、TMP117）通常是最稳妥的起点——它们简化了硬件设计，让开发者能将更多精力放在数据质量控制和模型训练上。无论选择哪种传感器，理解其数据特性（非线性、噪声、漂移、时间常数）是构建可靠异常检测系统的前提。下一阶段，我们将基于这些传感器数据，讨论如何设计特征提取与异常检测模型。