基于LS-SVM-FLANN的虚拟仪器系统非线性动态补偿

针对虚拟仪器系统存在的非线性动态测量误差,提出了一种新的补偿方法.该方法依据虚拟仪器系统的静态和动态标定数据,采用最小二乘支持向量机(LS-SVM)构造的函数链接型神经网络(FLANN)辨识得到静态补偿环节及动态补偿环节模型,再将其串接到原虚拟仪器系统的后面来修正其非线性特性,改善其动态特性,从而获得系统理想的输入输出特性.实验结果表明该方法用于虚拟仪器系统动态非线性误差补偿的有效性及优越性.     

基于神经网络的加速度传感器动态模型参数辨识

提出了利用函数连接型人工神经网络(FLANN)实现加速度传感器动态模型参数辨识的方法,该方法以加速度传感器动态标定实验数据为基础,通过FLANN训练来确定加速度传感器传递函数参数,文中介绍了辨识原理以及算法,给出了利用FLANN辨识的加速度传感器动态数学模型.结果表明,这种辨识方法具有精度高、鲁棒性好等优点.     

基于二重三次曲线拟合的传感器二维插值

在传感器系统设计中,为了实现非线性校正和温度补偿而采取二维光滑插值是困难的.从模拟计算的结果与标定数据看,在某些情况下采取二重曲线拟合实现二维插值是具有可行性的.     

滑动轴承润滑油膜厚度光纤动态精密检测模型

为了实现滑动轴承关键参数润滑油膜厚度的精密动态检测,构建了基于双路光纤的油膜厚度动态精密检测模型,以对光纤传感器的非线性特性进行补偿并对油膜厚度动态信号中的噪声进行滤除。该模型系统集成强度调制式光纤检测技术、光强补偿技术、非线性校正与滤噪技术,由光纤传感器调制函数、调理电路、上位机处理3个模块组成,其原理与优势在于:基于光强调制原理实现了油膜厚度对接收光功率信号的调制;采用光强补偿技术有效消除了光功率波动及反射率变化对检测结果的影响;利用非线性校正与滤噪技术实现了光电信号与油膜厚度信号的精确映射。静态标定实验和滑动轴承油膜厚度动态检测实验结果证明了该模型的正确性。     

热敏电阻测量误差的非线性逆滤波器补偿

热敏电阻传感器存在着严重的非线性静态特性和响应滞后的动态特性，当被测量的温度变化率高于传感器的响应速度时，测量结果与真值之间存在较大的误差．为了补偿这个测量误差，文中采用一个由无限响应的IIR滤波器和静态非线性环节构成的非线性滤波器去减小误差．IIR滤波器的系数通过实验数据得到，它是传感器的动态逆模型；非线性静态环节由查表和插值算法实现．该方法能改善热敏电阻的动态特性，具有不依赖传感器模型的特点．实验结果表明，该方法是有效的．     

基于反馈调节器的应变式位移传感器非线性校正

因受自身材质、工艺等条件的限制以及温度等外界环境影响,应变式位移传感器的输入-输出特性存在非线性误差.采用最小二乘法建立传感器正模型、逆模型及传统方法补偿后的传感器输出误差模型.在此基础上根据反馈控制理论引入反馈调节器,利用传感器正模型与输出误差模型对系统非线性特性做进一步补偿,实现对传统非线性校正方法的改进.同时,通过调节反馈系数改变反馈调节器的作用强度,可抑制系统零点漂移.研究结果表明,经含有反馈调节器的非线性校正环节作用后,系统的非线性特性及零点漂移得以改善     

基于二步法的多芯电缆非侵入式电流测量校正方法

为了解决多芯电缆的非侵入式电流测量由于被测对象信号微弱、系统灵敏度高、易受环境因素干扰,造成测量误差较大的问题,采用磁阻传感器的非侵入式电流测量系统为研究对象,在分析系统测量方法及硬铁、软铁和比例因子等误差构成的基础上,提出一种基于二步法的误差校正方法,该方法通过对传感器输出信号进行非线性变换,构造了与误差相对应的矩阵方程,并在对方程求解后进行非线性回归计算,从而实现对多芯电缆的电流测量值的动态误差修正.实验结果表明,该方法可以同时校正非侵入式电流测量系统的线性误差与部分非线性误差.     

非线性动态传感器系统 Hammerstein神经网络补偿法

针对传感器动态特性中存在非线性的问题,提出一种基于Hammerstein传感器模型的非线性动态神经网络补偿法。先将补偿模型分解为与Hammerstein模型对应的线性动态与非线性静态2个环节;再设计一种新型的神经网络结构,使网络权系数对应于相应的Hammerstein补偿模型参数,并推导反向传播的网络权系数调整方法;最后通过网络迭代训练,求得补偿模型的线性动态与非线性静态两个环节。仿真与实际实验结果均表明该传感器非线性动态补偿方法使传感器具有理想的输入输出特性。     

腕力传感器动态非线性的研究

传感器的动态特性中存在非线性因素,这影响了传感器动态性能的改善。文章采用Hammerstein模型来描述其动态非线性,推导动态非线性的辨识算法,对传感器建模。在此基础上又提出了动态非线性补偿的方法,改进传感器的动态特性。仿真结果证明了辨识算法和补偿方法的正确性,其有效性在腕力传感器的实际应用中得到验证。     

压电传感器动态特性数字化补偿方法研究

从压电式传感器物理原理出发,导出了压电式传感器动态特性的物理数学方程;提出了压电式传感器动态特性补偿原理,并给出了具体的数字化动态补偿实现方法．该方法成功应用于一种新型钵状差动式压电加速度传感器,获得了很好的动态特性补偿效果．     

射频法重油含水量快速检测系统

水的介电常数远大于重油的介电常数,因而两者所呈现的射频阻抗特性不同．本文介绍了基于射频阻抗理论对重油的含水量进行快速检测和温度补偿的方法．采用使最大偏差为最小的直线拟合法来实现传感器特性曲线拟合,使一组试验点对该直线的最大偏差为最小,并给出了实验结果．图４,表１,参４．     

石英谐振式力传感器的温度特性及其自补偿

石英谐振式力传感器的温度特性是实际应用中一个需重点考虑的性能参数。本文通过分析石英晶体谐振器在基频谐振与三次谐波振动下所表现出的不同频率——温度特性，对石英谐振式力传感器的相应温度特性进行了分析研究，并提出了传感器温度特性的自补偿方法。实验结果表明，同时测量同一传感器在不同振动模式下的频率，可在一定精度上实现传感器工作温度的自测，从而可在不另增加测温元件的条件下实现传感器温度特性的补偿。     

基于MSP430单片机的数字式水表设计

为了提高测量精度,利用TI公司MSP430系列单片机的特点开发出利用维权磁敏传感器的数字式叶轮水表。给出了传感器的信号处理电路及软件处理程序流程。介绍了MSP430单片机的特点并详细讨论了其中断处理特点。并利用线性分段插值的方法对水表的非线性仪表系数进行误差修正。实验数据证明利用该方法设计的水表在全量程内都可保持较高的精度。     

基于幂均融合算子的模糊传感器数据融合

提出了一种新的融合模糊传感器数据的方法。首先把模糊传感器输出的隶属函数作为对模糊命题的支持程度，之后引入了一个相似性测度对各个传感器输出的相似性进行度量，定义了一个相对一致度系数表示各个传感器被其他传感器所支持的程度，最后基于幂均算子实现了模糊传感器的数据融合。与已有的方法相比，该方法综合考虑了各个传感器的输出信息，降低了融合过程中的信息损失。通过一个目标识别的算例验证了该方法的有效性。     

遗传神经网络在GMI传感器设计中的应用

 巨磁阻抗（GMI）微磁传感器具有灵敏度高、响应速度快等突出优点,但其输出信号呈高度非线性特性。利用交流偏置方法产生非对称巨磁阻抗效应（AGMI）,对磁场传感器的线性度有一定改善,但仍存在线性范围小、线性误差较大的缺点。BP神经网络具有良好的自学习、自适应和非线性映射能力,但通常训练速度较慢、易陷入局部极小值;遗传算法有很强的全局寻优能力,但其局部搜索能力不足。为充分发挥二者优点,本研究提出一种基于遗传神经网络的传感器非线性误差校正方法,并针对所设计的GMI传感器,设计了适合本系统的遗传神经网络,可通过Matlab软件实现。结果表明,经过训练的网络输出结果有序,网络的非线性映射性能良好,能精确反映该传感器系统的函数关系。该方法运算快速、精度高,对智能GMI传感器的设计具有一定工程应用价值。     

同类多传感器自适应加权估计的数据级融合算法研究

针对同类多传感器测量中含有的噪声,提出了多传感器数据自适应加权融合估计算法,该算法不要求知道传感器测量数据的任何先验知识,依据估计的各传感器的方差的变化,及时调整参与融合的各传感器的权系数,使融合系统的均方误差始终最小,并在理论上证明了该估计算法的线性无偏最小方差性.仿真结果表明了本算法的有效性,其融合结果在精度、容错性方面均优于传统的平均值估计算法.     

基于灰色关联分析的多传感器数据融合方法

提出了一种基于灰色关联分析的多传感器数据融合方法，计算多传感器测量数据的灰色关联矩阵，进行灰色优势分析，然后进行数据融合。此方法考虑了各传感器测量数据的精确度，而且删除了测量比较差或测量不到的数据。仿真结果表明，应用该方法可进一步提高多传感器的测量精度和可靠性，适用于多传感器的数据融合。     

电容压力传感器的函数链接型神经网络建模方法

旨在开发一种计算简单的电容压力传感器的模型，以便经济、可靠地应用。分析表明，采用新型函数链接型神经网络建立的电容压力传感器模型，能够精确读出应用压力。它是一种能实现输入到输出的高度非线性映射并且运算高效的非线性网络，在建立传感器模型的类似性能上比多层感知器具有更高的运算优势。