零点温度漂移补偿方法分为硬件补偿方法与软件补偿方法。由于零点温漂是由传感器桥臂应变计的温度系数不一致导致的,所以经典的硬件补偿方法在电阻温度系数小的桥臂上串联温度系数大的热敏电阻，从而使传感器桥臂的总温度系数一致。除此之外，还有桥臂并联自平衡电桥[18]、电桥输出端加由二极管与可变电阻组成的热敏基元[19]、在传感器压力非敏感区添加补偿电桥[20]等硬件补偿方法。硬件补偿方法调试繁琐、变通性差、成本高，软件补偿方法成本低，调试简单灵活，主要使用模型系数估计法或模式学习法获得零点温漂模型，在线测量时通过调用模型获得零点温漂补偿量,利用加载称重数据减去补偿量获得最终的补偿输出。模型系数估计法首先构建环境温度t与零点输出uzo的函数模型，再通.过最小二乘法获得模型参数，通常将uzo- t补偿函数设计为线性函数或二次函数;模式学习法构建输入为t，目标输出为uzo的神经网络，基于大量的训练数据获得神经网络权值参数，神经网络可采用bp神经网络[21]、rbf神经网络[2]、模糊神经网络[21等。