非線性是表征傳感器輸人端或輸出端的校準曲線與相應擬合直線兩者之間的吻合程度或偏離程度指標，智能溫度傳感器能夠通過軟件進行處理，矯正輸人端或輸出端的飛行箱系統誤差，達到提升測量度的目的。多數電子器件中使用半導體制造工藝，希望使信號的輸出端與輸人端的信號曲線趨近于線性關系，但實際情況卻多不理想非線性關系。而在智能溫度傳感器系統當中，其前端傳感器的輸人端或輸出端的非線性曲線多么復雜，系統都能夠通過反非線性特性進行刻度的特性轉換，使得轉換后的輸人與輸出關系，呈現出理想的線性關系。然而，實現智能溫度傳感器的非線性自校正，可以通過多種方式來實現，其中的辦法有:查表法、曲線擬合法、函數鏈神經網絡法。

1.查表法

查表法屬于線性插值法，其主要運用原理，是用若干折線逼近非線性特性曲線，折線的數量越多，輸出值就會更接近真實值，但相應程序的代碼編寫一也復雜性。線性插值法的運用，只在非線性特性曲線上取兩個折點的相關信息，度很低，因此，可以通過二次插值法對度進行改進。在選定的內，將傳感器信號進行擬合，形成拋物線形式，運用二次插值法使得插值點值與其前后三個數值具有相關關系。當拋物線與線性插值相比，接近于實際曲線時，就在程度上提高了度，與線性插值法相比，誤差更小，并能減小智能溫度傳感器系統的存儲空間。

2.曲線擬合法

智能溫度傳感器在實際應用中，一般采用曲線擬合法對傳感器的非線性曲線進行擬合，其方程式系數采用二乘法進行取值。曲線擬合法的運用，首先通過靜態實驗標定好傳感器及相應調理電路，從而校準曲線;然后依據反非線性特性，建設曲線的擬合方程;采用二乘法，得出待定系數，從而控制誤差值。

3.函數鏈神經網絡法

神經網絡自身具有自適應、自組織和自學習能力，同時能夠對大范圍進行并行處理，因此被廣泛應用與眾多在智能溫度傳感器這一中，神經網絡的應用關鍵，是輸人端或輸出端的非線性映射形式的建立。當智能溫度傳感器系統的非線性映射能力越強，網絡性能就會越好。利用函數鏈神經網絡法，應用到智能溫度傳感器當中，權值會受到一種學習因子η的影響，η的取值越大，智能溫度傳感器的收斂速度就會越快，但其相應穩定向一也會降低;當取值偏小時，穩定性能能夠，但其收斂速度卻會隨之降低，因此在具體應用當中，應該主要依據實際應用情況加以具體分析。