传感器第九章自动检测的共性技术及新发展.ppt
《传感器第九章自动检测的共性技术及新发展.ppt》由会员分享,可在线阅读,更多相关《传感器第九章自动检测的共性技术及新发展.ppt(185页珍藏版)》请在三一办公上搜索。
1、,第9章 自动检测的共性技术及新发展,9.1 误差修正技术9.2 MEMS技术与微型传感器9.3 虚拟仪器9.4 无线传感器网络9.5 多传感器数据融合9.6 软测量技术 思考题与习题,9.1 误差修正技术,9.1.1 系统误差的数字修正方法9.1.2 随机误差的数字滤波方法9.1.3 动态补偿方法,误差来源有以下几方面:,检测系统本身的误差(a)工作原理上,如传感器或电路的非线性的输入、输出关系;(b)机械结构上,如阻尼比太小等;(c)制造工艺上,如加工精度不高,贴片不准,装配偏差等;(d)功能材料上,如热胀冷缩,迟滞,非线性等。外界环境影响例如,温度,压力和湿度等的影响。人为因素操作人员在
2、使用仪表之前,没有调零、校正;读数误差等。,误差分类:,从时间角度,把误差分为静态误差和动态误差。静态误差包括通常所说的系统误差和随机误差。其中,系统误差是指在相同条件下,多次测量同一量时,其大小和符号保持不变或按一定规律变化的误差。动态误差是指检测系统输入与输出信号之间的差异。由于产生动态误差的原因不同,动态误差又可分为第一类和第二类。第一类动态误差:因检测系统中各环节存在惯性、阻尼及非线性等原因,动态测试时造成的误差。第二类误差:因各种随时间改变的干扰信号所引起的动态误差。针对不同的误差,有不同的修正方法;就是对同一误差,也有多种修正方法。,9.1.1 系统误差的数字修正方法,1.利用校正
3、曲线修正系统误差 2用神经网络修正系统误差3非线性特性的校正方法,1.利用校正曲线修正系统误差,通过实验校准(或称标定)来获得系统的校准曲线(输入、输出关系曲线)。校准:在标准状况下,利用一定等级的标准设备,为系统提供标准的输入量,测试系统的输出。在整个量程范围内,选多点测试;在每个点上,测试多次,由此得出系统的输入、输出数据,列成表格或绘出曲线。将曲线上各校准点的数据存入存储器的校准表格中,在实际测量时,测一个值,就到微处理器去访问这个地址,读出其内容,即为被测量经修正过的值。,内插方法,对于值介于两个校准点与之间时,可以按最邻近的一个值或去查找对应的值,作为最后的结果。这个结果带有误差。此
4、时,可以利用(分段直线拟合)来提高准确度。校准点之间的内插,最简单的是线性内插。当取,9.1.1 系统误差的数字修正方法,1.利用校正曲线修正系统误差 2用神经网络修正系统误差3非线性特性的校正方法,2用神经网络修正系统误差,传感器模型,环 境 参 数,误差修正模型的输出,即误差修正模型的输出z与被测非电量x成线性关系,且与各环境参数无关。只要使误差修正模型,即可实现传感器静态误差的综合修正。,(912),通常传感器模型及其反函数是复杂的,难以用数学式子描述。但是,可以通过实验测得传感器的实验数据集:,根据前向神经网络具有很强的输入、输出非线性映射能力的特点,以实验数据集的和为输入样本,及对应
5、的为输出样本,对神经网络进行训练,使神经网络逐步调节各个权值自动实现,归一化处理,因神经网络学习时,加在输入端的数据太大,会使神经元节点迅速进入饱和,导致网络出现麻痹现象。此外,由于在神经网络中采用S型函数,输出范围为(0,1),且很难达到0或1。故在学习之前,应对数据进行归一化处理。,(913)(914),式中,Di、Do分别是欲作为神经网络输入、输出样本的原始数据,建立神经网络误差修正模型的步骤:,取传感器原始实验数据。由式(9.1.3)变换原始数据和,式(9.1.4)变换原始数据,得训练神经网络的输入、输出样本对。确定神经网络输入、输出端数量、各层节点数、和的值。网络输入端数量与输入层节
6、点数量相同,等于环境参数个数加1。输出端数量与输出层节点数均为1。隐层节点数根据被测非电量、环境参数及传感器输出之间的关系的复杂程度而定,关系复杂取多些,反之取少些。和一般取01。训练神经网络得到误差修正模型。,9.1.1 系统误差的数字修正方法,1.利用校正曲线修正系统误差 2用神经网络修正系统误差3非线性特性的校正方法,3非线性特性的校正方法,传感器和自动检测系统的非线性误差(或称线性度)是一种系统误差,是用其输入、输出特性曲线与拟合直线之间最大偏差与其满量程输出之比来定义的。拟合直线:依据若干实验数据,利用一定的数学方法得到的直线。当采用的数学方法不同时,拟合直线不同,以此为基准得出的线
7、性度也不同。输入、输出关系呈线性的优点:可用线性叠加原理,分析、计算方便;输出信号的处理方便,只要知道输出量的起始值和满量程值,就可确定其余的输出值,刻度盘可按线性刻度;在工业过程控制中常用的电动单元组合仪表,由于单元之间用标准信号联系,要求仪表具有线性特性。,非线性校正方法,非线性校正方法很多,例如:利用校准曲线用查表法作修正;利用分段折线法进行校正;用整段高次多项式近似。神经网络的方法。,(1)整段校正法,整段校正法也称整段多项式近似法,其核心问题是多项式的生成,即直接利用非线性方程进行校正。由标定传感器所得到的实测数据来推出反映输入、输出关系的多项式,并要求这个多项式的次数尽量低、与实际
8、特性的误差尽量小。这实质上是个曲线拟合问题。,最小二乘意义下的多项式拟合,对于对实验数据,使得,构造多项式,根据最小二乘原理,要使为最小,按通常求极值的方法,取对的偏导数,并令其为零,得到正则方程组,解出ai在实际修正中,预先把方程的系数存在存储器中。单片机进行校正时,将测量值与存储器中的系数进行运算,就可获得实际被测量。,(2)神经网络校正法,传感器的静态输入、输出特性可用一个多项式表示,可简化为,实际应用中往往需要根据所得的输出量y,求出输入非电量xi。而由y表示的xi表达式为,通过静态标定,事先得到一组传感器的输入、输出数据,然后用函数联接型神经网络,通过迭代得到ki这些系数。,利用输入
9、数据集()和输出yi,经神经网络的学习算法不断调整权值Wn(n=0,1,2,3)。,估计输出为,误差为,权值调整为,第i个输入数据的期望输出、估计输出,Wn(k)网络在第k步的第n个联接权,ai学习因子,经过学习,当权值趋于稳定时,所得的Wn(n=0,1,2,3)就是系数k0、k1、k2、k3。,9.1 误差修正技术,9.1.1 系统误差的数字修正方法9.1.2 随机误差的数字滤波方法9.1.3 动态补偿方法,9.1.2 随机误差的数字滤波方法,数字滤波:通过特定的计算程序处理,降低干扰信号在有用信号中的比例,故实质上是一种程序滤波。数字滤波可以对各种干扰信号,甚至极低频率的信号滤波。数字滤波
10、由于稳定性高,滤波器参数修改方便,因此得到广泛应用。,数字滤波器优点:,(1)不需要增加任何硬设备,只要程序在进入数据处理和控制算法之前,附加一段数字滤波程序即可。(2)不存在阻抗匹配问题。(3)可以对频率很低,例如0.01Hz的信号滤波,而模拟RC滤波器由于受电容容量的影响,频率不能太低。(4)对于多路信号输入通道,可以共用一个滤波器,从而降低仪表的硬件成本。(5)只要适当改变滤波器程序或参数,就可方便地改变滤波特性,这对于低频脉冲干扰和随机噪声的克服特别有效。,数字滤波方法,1 限幅滤波 2 平滑滤波 3 算术平均滤波法 4 递推平均滤波法 5 加权移动平均滤波法 6 一阶惯性滤波 7 复
11、合滤波,1限幅滤波,当采样信号由于随机干扰而引起严重失真时,可采用限幅滤波。根据经验,确定出两次采样信号可能出现的最大偏差。限幅滤波:把两次相邻的采样值相减,求出其增量(以绝对值表示),然后与两次采样允许的最大差值进行比较。如果小于或等于,则取本次采样值;如果大于,则仍取上次采样值作为采样值。应用:变化比较缓慢的参数测量,如温度、物位等。也可以在大电流、大电感负载切断时,即干扰的特点为时间短,但幅值却很大的情况下使用。,中位值滤波,中位值滤波是对某一被测量连续采样N次(一般N取为奇数),然后把N次采样值按大小排列,取中间值为本次采样值。中位值滤波能有效地克服偶然因素引起的波动。对于温度、液位等
12、缓慢变化的被测量,采用此法能收到良好的滤波效果,但对于流量、压力等变化较快的被测量一般不宜采用中位值滤波。,2平滑滤波,叠加在有用数据上的随机噪声在很多情况下可以近似地认为是白噪声。白噪声具有一个很重要的统计特性,即它的统计平均值为零。因此可以求平均值的办法来消除随机误差,这就是所谓平滑滤波。平滑滤波有以下几种。,3算术平均滤波法,算术平均滤波法适用于对一般的具有随机干扰的信号进行滤波。这种信号的特点是信号本身在某一数值范围附近上下波动,如测量流量、液位时经常遇到这种情况。算术平均滤波是要按输入的N个采样数据xi,寻找这样一个y,使y与各采样值之间的偏差的平方和最小,即使,由一元函数求极值的原
13、理,可得,算术平均滤波的算式,设第i次测量的测量值包含信号成分Si和噪声成分ni,则进行N次测量的信号成分之和为,噪声的强度是用均方根来衡量的,当噪声为随机信号时,进行次测量的噪声强度之和为,式中,S、n分别为进行N次测量后信号和噪声的平均幅度。,对N次测量进行算术平均后的信噪比为,式中,S/n是求算术平均值前的信噪比,因此采用算术平均值后,信噪比提高了 倍。,(9.1.17),由式可知,算术平均值法对信号的平滑滤波程度完全取决于N。当N较大时:平滑度高,但灵敏度低,外界信号的变化对测量计算结果的影响小;当N较小时:平滑度低,但灵敏度高。应按具体情况选取N。如对一般流量测量,可取N=812;对
14、压力等测量,可取N=4。,4递推平均滤波法,算术平均滤波方法每计算一次数据,需测量N次,对于测量速度较慢或要求数据计算速率较高的实时系统,则无法使用。递推平均滤波法:在存储器中,开辟一个区域作为暂存队列使用,队列的长度固定为N,每进行一次新的测量,把测量结果放入队尾,而扔掉原来队首的那个数据,这样在队列中始终有个“最新”的数据。,递推平均项数的选取是比较重要的环节,N选得过大,平均效果好,但是,对参数变化的反应不灵敏;N选得过小,滤波效果不显著。关于N的选择与算术平均滤波法相同。,5加权移动平均滤波法,递推平均滤波法最大的问题是随着随机误差的消除,有用信号的灵敏度也降低了。因为我们假设对于N次
15、内的所有采样值,在结果中所占比重是均等的。用这样的滤波算法,对于时变信号会引入滞后。N越大,滞后越严重。为了增加新的采样数据在滑动平均中的比重,以提高系统对当前采样值中所受干扰的灵敏度,可以对不同时刻的采样值加以不同的权,通常越接近现时刻的数据,权取得越大。然后再相加求平均,这种方法就是加权移动平均法。,N项加权移动平均滤波算法为,为常数,且满足以下条件:,常系数的选取有多种方法,其中最常用的是加权系数法。,式中,y为第N次采样值经滤波后的输出;x N-i为未经滤波的第N-i次采样值;,加权系数法,设为被测对象的纯滞后时间,且因为越大,越小,则给予新的采样值的权系数就越大,而给先前采样值的权系
16、数就越小,从而提高了新的采样值在平均过程中的比重。所以,加权移动平均滤波适用于有较大纯滞后时间常数的被测对象和采样周期较短的测量系统,而对于纯滞后时间常数较小,采样周期较长,变化缓慢的信号,则不能迅速反映系统当前所受干扰的严重程度,滤波效果较差。,6一阶惯性滤波,在检测系统的电路中常常伴随有电源干扰及工业干扰,这些干扰特点是频率很低(例如频率为0.01Hz),对这样低频的干扰信号,采用RC滤波显然是不适宜的,因为C太大,很难做到。但是,用数字滤波很容易解决。假设一阶RC滤波器的输入电压为x(t),输出为y(t),则,(9124),设采样时间间隔足够小,将式(9124)离散为,式中,=RC为时间
17、常数。即,通过实际运行来确定时间常数,不断地计算出值,当低频周期性噪声减至最弱时,即为该滤波器的值。一阶惯性滤波的缺点:造成信号的相位滞后,滞后相位的大小与Q值有关。如果相位滞后太大,还必须采取其它补救措施。,7复合滤波,在实际应用中,所受到的随机扰动往往不是单一的,有时即要消除脉冲扰动的影响,又要作数据平滑。因此,在实际中往往把前面介绍的两种或两种以上的滤波方法结合在一起使用,形成所谓的复合滤波,例如,防脉冲扰动平均值滤波算法就是一种实例。算法的特点:先用中位值滤波算法滤掉采样值中的脉冲干扰,然后把剩下的各采样值进行滑动平均滤波。,基本算法,如果,其中 x1,xN和分别是所有采样值中的最小值
18、和最大值,则,优点:这种滤波方法兼容了滑动平均滤波算法和中位值滤波算法的,无论是对缓慢变化的过程变量,还是快速变化的过程变量,都能起到较好的滤波效果。在一个检测系统中究竟应选用哪种滤波算法,取决于使用场合及过程中所含随机干扰的情况。,9.1 误差修正技术,9.1.1 系统误差的数字修正方法9.1.2 随机误差的数字滤波方法9.1.3 动态补偿方法,9.1.3 动态补偿方法,随着科技生产的发展,对自动检测和仪器仪表提出了更高要求,要求测量一些瞬变的非电量。同时,传感器广泛应用于生产过程的检测,作为控制系统中提供信息的单元,要能迅速反映被控参量的变化,否则,整个控制系统就无法正常工作。在许多生产工
19、艺中,反应速度加快了,设备结构尺寸减小了,即控制对象的时间常数日益减小,这就需要选择快速的检测元件。传感器的阻尼比太小,阶跃响应振荡剧烈,达到稳态的时间长。传感器的工作频带窄,对被测信号中的高频分量没有反应,以致动态响应速度慢。,提高传感器动态响应的快速性,1、在传感器本身想办法,改变传感器的结构、参数和设计。2、在传感器输出信号的后续处理方面想办法,设计用于动态补偿的模拟或数字滤波器(通常称为动态补偿器),对传感器的信号进行校正,改善其动态性能。进行传感器动态补偿器设计的方法:零极点配置法、系统辨识法神经网络方法等。,1零极点配置法,传感器的动态特性与其传递函数的极点位置密切相关。例如,对于
20、一个属于二阶系统的传感器,其传递函数为,当动态响应不满足要求时,可在传感器后串接一个补偿器。,式中。选择和 n来调整新加入的极点位置,而原来的极点将被消去,使传感器的动态特性得以改善。,(1)一阶模型的补偿器,AD590集成温度传感器可以等效为一阶系统,传感器的时间常数较大,响应速度在某些场合不能满足要求。设计动态补偿器为,T由实验测定,经过动态补偿后,等效系统(传感器和补偿器的组合)为,因为TT,所以等效系统的响应速度比原传感器的快。,(2)二阶模型的补偿器,设传感器为二阶系统,其传递函数为,有两种方法构造补偿器:第一种是将传感器的零极点全部消去,换上合适的极点。第二种方法是替换传感器的极点
21、,不动零点。,第一种补偿器,等效系统为,对上式进行变换,根据需要,确定和 n,代入上式,即可求出补偿器的模型,第二种补偿器,替换传感器的极点,不动零点。,确定和 n,代入上式,即可求出补偿器的模型,两种方法比较:,两种方法的效果相当。第一种方法得出的补偿器是三阶非齐次模型;第二种是二阶齐次模型,较易实现,更为可靠。用零极点配置法设计补偿器,要依据传感器的模型,所以,对传感器建模精度有一定要求,但是,并不严格。由于人为控制极点,补偿效果非常明显。对于高阶系统,可以采用降阶的方法去近似处理;可以用低阶补偿器去校正。,2.系统辨识设计方法,(1)理想的动态响应(2)设计步骤,(1)理想的动态响应,设
22、等效系统为一阶系统,调整时间常数T,使阶跃响应的上升时间满足要求,就得到了等效系统的理想动态响应。,K传感器的静态灵敏度。,设等效系统为二阶系统,选取不同的 n,展宽等效系统的工作频带。,=0.707,(2)设计步骤,把传感器的阶跃响应作为补偿器的输入,把等效系统的理想阶跃响应作为补偿器的输出,用最小二乘辨识方法建立补偿器的模型。如果对传感器做阶跃响应法标定不方便,没有传感器的阶跃响应数据,可以依据其它标定方法的数据,建立传感器的模型,再计算出传感器的阶跃响应。无论等效系统构造成一阶或二阶,均可用系统辨识方法求出动态补偿器的模型。通过比较发现,用二阶等效系统构造理想动态响应,得出的补偿器,效果
23、更好些。当传感器可做阶跃标定时,无需知道其模型,就可构造出补偿器模型。当传感器为一、二阶系统时,用系统辨识方法设计补偿器,效果较佳。当传感器是高阶系统时,可用降阶的方法处理。,End the 9.1,9.2 MEMS技术与微型传感器,9.2.1 MEMS技术9.2.2 微型传感器,MEMS技术是多学科交叉的新兴领域,涉及精密机械、微电子材料科学、微细加工、系统与控制等技术学科和物理、化学、力学、生物学等基础学科。包含微传感器、微执行器及信号处理、控制电路等,利用三维加工技术制造微米或纳米尺度的零件、部件或集光机于一体,完成一定功能的复杂微细系统,是实现“片上系统”的发展方向。,9.2.1 ME
24、MS技术,MEMS(Micro Electro-Mechanical System)通常称微机电系统。MEMS系统主要包括微型传感器、微执行器和相应的处理电路三部分。,1.微电子机械系统,MEMS系统与外界相互作用示意图,微型化。传统的机械加工技术是在厘米量级,但是MEMS技术主要为微米量级加工,这就使得利用MEMS技术制作的器件在体积、重量、功耗方面大大减小,可携带性大大提高。集成化。微型化的器件更加利于集成,从而组成各种功能阵列,甚至可以形成更加复杂的微系统。硅基材料。MEMS的器件主要是以硅作为加工材料,这就使制作器件的成本大幅度下降,大批量低成本的生产成为可能,而且硅的强度、硬度与铁相
25、当,密度近似铝,热传导率接近钼和钨。制作工艺与IC产品的主流工艺相似。MEMS中的机械不限于力学中的机械,它代表一切具有能量转化、传输等功能的效应,包括力、热、光、磁、化学、生物等效应。MEMS的目标是“微机械”与IC结合的微系统,并向智能化方向发展。,2.MEMS技术的特点,尺寸效应是MEMS中许多物理现象不同于宏观现象的一个重要的原因,其主要特征表现在:微构件材料的物理特性的变化。力的尺寸效应和微结构的表面效应。在微小尺寸领域,与特征尺寸的高次方成比例的惯性力、电磁力等的作用相对减弱,而在传统理论中常常被忽略了的、与尺寸的低次方成比例的粘性力、弹性力、表面张力、静电力等的作用相对增强。微摩
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 传感器 第九 自动检测 共性 技术 新发展
链接地址:https://www.31ppt.com/p-6081432.html