基于改进遗传神经网络的微硅加速度传感器动态补偿研究

比较遗传算法与神经网络的特点, 并对将遗传算法用于函数连接型神经网络(FLNN)的优点进行了研究.对遗传算法的编码方法、交换和变异操作做了改进,提出了一种融合改进遗传算法的FLNN用于微硅加速度传感器动态性能补偿的新方法.该方法不依赖于传感器的动态模型, 可根据传感器的动态响应数据, 建立补偿模型,采用改进遗传神经网络搜索和优化补偿模型参数,既保留了遗传算法的全局搜索能力,又具有神经网络的鲁棒性和自学习能力.介绍补偿原理及算法, 给出动态补偿网络的数学模型.结果表明, 该补偿方法能克服FLNN收敛速度慢、容易陷入局部极小的缺陷,具有网络训练速度快、实时性好、良好的全局搜索能力、精度高、鲁棒性好及动态补偿器实现简单等优点.     

基于FLNN的多粘菌素发酵过程建模

为解决由于缺乏传感器使众多状态参数难以在线测量的问题，建立了多粘菌素的发酵过程模型，对许多重要的状态参数进行了预估．通过在FLNN内部增加一个带有局部激活反馈和一个局部输出反馈的自回归滑动平均滤波器使其成为动态的FLNN网络，并把它运用于多粘菌素发酵过程的建模中，结合遗传算法实现对其发酵过程的茵体浓度、总糖浓度和相对效价进行预估，为实际生产和优化控制提供了有利条件．仿真结果表明，基于改进的FLNN建立的多粘菌素发酵过程模型预估效果良好．     

基于Elman网络补偿模型的Smith预测控制

研究基于Elman网络补偿模型的Smith预测控制问题.采用互补建模方法对被控对象进行建模,其中机理模型反映被控对象的主要工作规律和运行趋势,但不可避免地存在一定的模型误差;通过Elman网络拟合机理模型的模拟误差,并对其进行补偿.实验结果表明,基于Elman网络补偿模型的Smith预测控制充分利用了神经网络的非线性拟合能力,只要对纯滞后环节精确建模,就可以完全抵消该环节对控制品质及系统稳定性的不利影响.该方法使得Smith预测控制可以用于模型不易精确确定的系统.     

基于BP算法的光纤传感器非线性位移补偿研究

针对光纤位移传感器应用中存在的非线性问题,提出了以神经网络为补偿环节,结合传感器构成的一种非线性补偿模型.基本思想是采用BP算法,以传感器的输出作为神经网络的输入样本.传感器的输入位移为神经网络的期望输出,通过调整神经网络权值使神经网络的输出与期望值近似,实现位移测量的非线性补偿.实例仿真结果表明该方法有效提高了精度,是一种有效的传感器非线性补偿方法.     

基于RBF神经网络模型和SVM模型的压力传感器

压阻式压力传感器由于受环境温度影响会产生较大的温度漂移,测量精度明显降低,不利于其他依赖于压力数据的测控环节的工作。简要分析了当前常用的压力传感器温度补偿方法,然后采用RBF神经网络模型和支持向量机模型对压力传感器因温度变化所产生的非线性进行补偿。结果显示:传感器的温度漂移分别降低到0.6%F.S和0.5%F.S.,大大提高了压力传感器的性能和测量精度。最后,通过补偿结果的对比分析,讨论了两种算法的优劣性。     

柔性关节机械臂自适应神经网络动态面控制

针对柔性关节机械臂动力学模型具有非线性、不确定性和未知的外界扰动等问题,提出了基于自回归小波神经网络的自适应动态面控制方法.采用对于非线性系统具有良好学习和快速收敛能力的自回归小波神经网络,在线观测和补偿动力学模型的不确定项.并应用动态面方法设计控制器实现了关节轨迹跟踪控制.仿真和实验结果显示:当存在模型参数不准确及未建模的外部扰动力矩时,控制算法表现出良好的自适应能力,与传统动态面法和PD(比例微分)控制相比较,显著提高了柔性关节的位置跟踪精度.     

基于INLR-PPLS的非线性多传感耦合信息建模新方法

针对线性PLSR在多传感信息回归建模中存在不足,提出了一种基于INLR-PPLS的非线性多传感耦合信息建模新方法。首先用线性PLSR对传感信息进行预处理，达到降维的效果，然后基于INLR外模型非线性样本矩阵变换、基于PPLS内模型非线性映射、多传感非线性回归模型反求，实现对非线性多传感耦合信息的建模。应用于液态乙醇浓度测控系统的实验表明，该方法较线性PLSR预测准确度提高21%。     

数字式温度传感器MAX6575的非线性补偿设计

在分析了数字单总线温度传感器MAX6575的特点、时序和工作原理的基础上，设计了基于单片机MCS-51的温度检测电路。利用所设计的电路得出了传感器MAX6575的温度与误差曲线，针对该曲线，根据传感器非线性拟合方法中端点连线平移法，绘制了拟合直线，列出了非线性补偿方程，并编制软件对温度传感器MAX6575的非线性进行补偿，精度高于0.4℃，满足温度测控系统的要求。     

基于压力信号采集的输气管道混合模型的建立

为监测输气管道的运行状态,提出一种基于机理模型和神经网络模型的混合建模方法. 机理主模型是基于气体在管道中流动的连续性方程、运动方程和气体状态方程而建立的;神经网络模型用来补偿机理模型建模过程中的简化处理及因忽略某些动态参数变化带来的误差,提高了混合模型建模精度,为下一步进行气体管道的泄漏检测和定位奠定基础. 为避免流量计检测精度较低的缺点,实验中用高精度压力传感器取代流量计,统一采集压力信号,提高检测精度. 基于实验采集压力数据,将机理模型和混合模型输出的精度进行比较. 结果表明混合模型的精度得到了较大提高.      

基于动态BP网络误差修正的广义预测控制

针对建模误差对非线性系统预测控制鲁棒性的影响，提出了一种基于动态Bp网络的广义预测控制算法。该算法运用动态Bp网络对模型预测误差进行在线补偿，以提高预测精度。仿真结果证明了本文提出的广义预测控制算法对于非线性系统是有效的。     

基于模糊建模的混炼胶粘度测量

提出了一种在线测量混炼胶粘度的新方法．该方法以模糊建模技术为基础,综合考虑混炼过程各因素对胶料粘度的影响,建立起胶料粘度的在线测量模型．在模糊建模中,采用T-S模型描述胶料粘度变化的非线性过程,提出了一种基于相似性判别的模糊聚类算法以自动确定合适的聚类组数目,并用实数编码的遗传算法优化全局参数,从而获得了规则简化的、具有较高精度的模糊模型．根据此方法,设计了测量装置,并进行了现场试验．试验结果表明模糊模型输出与实验室测量值基本一致,平均误差较低且最大误差未超过1门尼．该方法较大地提高了橡胶混炼的生产效率,为粘度最优控制奠定了基础．     

基于模糊神经网络的球团密度在线测量

提出了一种在线测量球团密度的新方法．该方法以模糊神经网络技术为基础,综合考虑制团过程各因素对球团密度的影响,建立起球团密度的软测量模型．在软测量模型中,采用模糊神经网络模型描述球团密度变化的非线性过程,并提出了一种改进的模型辨识算法,利用减法聚类法确定合适的聚类组数目,并用实数编码的遗传算法优化全局参数,从而获得了结构简单、具有较高精度的模糊神经网络软测量模型．根据此方法,设计了测量装置,并进行了现场试验,试验结果表明软测量模型输出与实验室测量值基本一致,平均误差较低且最大误差未超过0．05g／cm^3．     

A Novel Soft Sensor Modeling Approach Based on Least Squares Support Vector Machines

Artificial Neural Networks (ANNs) such as radial basis function neural networks (RBFNNs) have been successfuUy used in soft sensor modeling. However, the generalization ability of conventional ANNs is not very well. For this reason, we present a novel soft sensor modeling approach based on Support Vector Machines (SVMs). Since standard SVMs have the limitation of speed and size in training large data set, we hereby propose Least Squares Support Vector Machines (IS_ SVMs) and apply it to soft sensor modeling. Systematic analysis is performed and the result indicates that the proposed method provides satisfactory performance with excellent approximation and generalization property. Monte Carlo simulations show that our soft sensor modeling approach achieves performance superior to the conventional method based on RBFNNs.     

冷凝器污脏测量仪的研究

提出了一种在线测量冷凝器污脏程度的新方法．该方法选取冷凝器压力作为研究对象,以模糊建模技术为基础有效地实现了冷凝器污脏、工况参数变化对冷凝器压力影响的分离,可较准确地在线监测冷凝器污脏．根据此方法,研制了以DSP为核心的测量仪,并在不同工况下进行了现场试验、试验结果表明：与热阻法及传热系数法相比,该测量仪能够取得更好的测量效果．     

室内照明调光控制系统中墙面传感器布置方法

为解决室内照明调光控制系统中,放置在工作面上的照度传感器易受办公物品、人体活动等遮挡,从而不能使系统准确调光的问题,基于墙面与工作面照度的比例关系模型,提出了室内照度变化传递比的概念以及由墙面设置照度传感器替代工作面照度传感器的方法.该方法的关键是确定当光通量变化时,墙面垂直照度与工作面水平照度间的照度变化传递比.笔者通过仿真和实验手段研究了传感器在墙面上布置时,传感器与被调光源的方位关系对照度变化传递比的影响,得出了适用于办公和阅览场所调光系统照度传递比的两个约束条件.满足该约束条件即可获得室内墙面传感器的有效放置位置及所需数量.通过墙面照度传感器设置方法在教室照明调光控制系统中的应用,证明了该方法的有效性.     

无线传感器网络通信链路评估问题

研究了现有典型的无线传感器网络链路质量评估量度,针对单次RSSI,LQI的链路评估不准确问题,提出了均值RSSI,均值LQI链路评估方法;以MicaZ为实验平台,对无线传感器网络的通信链路进行了实验研究.在对大量采样值进行统计分析的基础上,提出了一个基于高斯分布的链路评估模型,并对模型进行了验证.该建模方法具有一般性,所建立的高斯链路评估模型既可为无线传感器网络的实际应用提供依据,又可为上层协议的仿真研究提供有价值的参考.     

Process modeling and optimizing control based on sparse nonuniformly sampled data

<正> In this paper,a process modeling and related optimizing control for nonuniformly sampled ( NUS)systems are addressed.By using a proposed nonuniform integration filter and subspace method estimation,an identification method of NUS systems is developed,based on which either an output soft sensor or ahidden state estimator is developed.The optimizing control is implemented by replacing the sparsely-measured/immeasurable variable with the estimated one.Examples of optimizing control problem are given.The proposed optimizing control strategy in the simulation examples is verified to be very effective.     

新型准零刚度振动位移传感系统研究

为解决工程实践中绝对振动位移难以直接测量的问题,提出了一种采用准零刚度技术的新型传感系统。分析了欧拉压杆和传感系统的静力学特性,得到了传感系统具有准零刚度特性的条件;建立了传感系统的动力学模型并对其求解,讨论了传感系统的等效阻尼、欧拉压杆负刚度与弹簧的刚度比和被测信号幅值对测量精度的影响;研究了传感系统在不同激励信号下的动态测量效果。研究结果表明,传感系统可以直接对微幅振动位移进行准确、实时的测量。该新型准零刚度振动位移传感系统可以为全状态反馈振动控制等问题提供一种可行或者更优的测量方案。     

基于传感器最优配置的故障检测观测器设计

提出一种基于传感器最优配置的故障检测观测器设计方法．针对线性时不变动态系统，给出了故障检测观测器设计问题以及基于传感器最优配置的故障检测观测器设计问题的描述．通过最优地选择测量变量，使满足系统测量成本最低的情况下，达到对故障具有尽可能大的灵敏度，而同时对未知输入信号的影响具有尽可能强的鲁棒性目标．仿真算例说明了设计方法及算法的有效性．     

触觉传感阵列信号的信息融合处理

在智能机器人服装中,压力传感器阵列输出性能易受环境温度、电压扰动等非目标参量因素的影响,其间存在的交叉干扰常导致测量精度显著降低。针对上述问题,提出了一种新的用于测量分布压力的压电传感阵列及其信号处理的方法。设计了传感信号的处理流程;析取并有效地处理了置信距离矩阵和关系矩阵融合中的有用数据;提出了用概率最大值法和极大似然法对多传感器信息作有效融合处理的方法。实验结果表明,该方法可消除温度对压力传感器的影响,减小了单个传感器不确定性的误差影响,提高了压力分布测量数据的稳定性和测量精度,可显著改进压力图像重构精度。