基于非晶丝GMI效应的微磁探测器

非晶丝具有优良的软磁和近零磁滞特性,为设计出灵敏度高、输出线性范围宽的微磁探测器,通过分析非晶丝巨磁阻抗(Giant Magneto Impedance,GMI)效应影响因素和存在的问题,设计了特殊结构的磁敏感元件,解决了带负反馈电路传感器电路复杂和双线圈绕制困难的问题。同时设计了高频脉冲电流发生器、信号预处理电路和数字信号处理模块,共同构成微磁探测器。对传感器和探测器分别进行了实验。结果证明:该传感器在±3Oe磁场范围内具有良好的线性,传感器磁场灵敏度可达65mV/Oe,并具有良好的温度稳定性;探测器的磁场分辨率为50μOe,能够灵敏探测微小铁磁物体。     

基于钴基非晶丝的巨磁阻抗效应多特征表征方法

基于巨磁阻抗(GMI)效应的磁传感器在磁测量领域具有大的应用前景;而阻抗模值特征的非线性特征会限制传感器的测量效果。通过对GMI效应进行理论分析;并搭建实验系统对钴基纳米非晶丝材料进行测量和研究,提出了多特征表征的表征方法。采用阻抗模值特征和阻抗角特征相结合的多特征表征方式,能够消除单一特征的非线性特征的限制,拓展了敏感材料的测量范围,减小了非线性拟合误差,具有一定的意义和应用前景。     

GMI效应多特征表征方法研究

基于巨磁阻抗(GMI)效应的磁传感器在磁测量领域的具有大的应用前景。而阻抗模值特征的非线性特征,会限制传感器的测量效果。通过对GMI效应进行理论分析,并搭建实验系统对钴基纳米非晶丝材料进行测量和研究,提出了多特征表征的表征方法,采用阻抗模值特征和阻抗角特征相结合的多特征表征方式,能够消除单一特征的非线性特征的限制,拓展了敏感材料的测量范围,减小了非线性拟合误差,具有一定的意义和应用前景。     

基于Fe基非晶薄带的宽线性GMI传感器

基于Fe76Si7.6B9.5p5C1.9非晶合金薄带的巨磁阻抗特性,研制了一种新型磁敏传感器.介绍了Fe76Si7.6B9.5P5C1.9非晶合金薄带的GMI特性及磁敏传感器的电路原理,并对磁敏传感器进行了性能测试.实验结果表明:该传感器的重复性好,迟滞误差小,线性范围广,并且在弱磁场作用下仍然可以保持良好的线性度,灵敏度为3.49mV/(A·m-1).     

纵向驱动巨磁阻抗效应的研究进展

对纵向驱动巨磁阻抗(LDGMI)效应的特性、原理及应用技术的研究进行了综述,对学术界存在争议的LDGMI效应和巨磁阻抗(GMI)效应基本物理机制问题进行了评析.认为LDGMI效应和GMI效应的区别在于工作模式不同,而基本物理机制相同,在应用开发中两者各有优缺点,相互可以形成互补关系,而LDGMI效应相比GMI效应具有灵敏度更高、可靠性更高、适应性更灵活等优点,在新型磁敏传感器和新型磁性能测量仪器开发应用中LDGMI效应会发挥独特的优势.LDGMI效应前景光明,值得业界关注.     

反馈式巨磁阻抗弱磁传感器的设计与实现

为提高基于巨磁阻抗(GMI)效应的弱磁传感器的性能,该文研究了Fe基非晶带在纵向激励下的GMI特性.建立和分析了传感器反馈模型,设计了反馈式GMI弱磁传感器.由CMOS集成反相器组成脉冲激励电路,由峰值检波电路、低通滤波电路、差分放大电路及电压跟随器组成信号调理电路,由仪用放大器、低通滤波电路、电阻和电感组成负反馈电路.利用亥姆霍兹线圈和标准恒流电源组成标定系统,对该传感器进行了加反馈和不加反馈两种情况下的对比测试.实验结果表明:在外加磁场强度为-2.5～2.5Oe范围内,该反馈式GMI弱磁传感器较无反馈的GMI弱磁传感器的线性度指标提高了41％;传感器输出的漂移在不加反馈时为10～20 mV/h,加入负反馈后在无外加磁场时为2 mV/h,在外加磁场强度为2.5Oe时为3 mV/h;传感器的截止频率在未加反馈时约为2 kHz,加入负反馈后提高到了4 kHz以上.     

一种新型的果实尺寸传感器

应用巨磁阻抗(GMI)效应和杠杆原理,设计制作一种新型的果实尺寸传感器.该传感器可对果实尺寸实时监测,其测量范围为2～14cm,灵敏度为100mV/cm.     

FeNi基非晶薄带的巨磁阻抗效应研究

采用甩带快淬法制备了FeNi基[(Fe50Ni50)77.5Cr0.5Si11B11]软磁非晶薄带,测试与分析了FeNi基合金薄带的微结构、静磁性能和磁阻抗.结果表明:FeNi基合金薄带在快淬态便具有良好的软磁性能和巨磁阻抗(GMI)效应,薄带的几何尺寸对其GMI效应有明显影响,尺寸为宽2 mm,长20 mm的薄带具有最佳GMI效应,在5 MHz下,最大纵向GMI比达到25.0%,最大横向GMI比达到19.7%.讨论了最佳几何尺寸样品的磁阻抗比在不同的频率下随外加直流磁场的变化规律.     

一种新型巨磁阻抗磁敏开关的设计

利用540℃和17．8MPa退火后的Fe73.5Cu1Nb3Si13.5B9纳米晶合金薄带具有宽平台和陡峻下降沿的巨磁阻抗特性研制了一款新型磁敏开关,并介绍了磁敏材料的GMI特性及磁敏开关的电路设计原理．实验结果表明：该磁敏开关的重复性好（2．06％）,迟滞误差小（2．71％）．     

聚磁式光学电流互感器饱和特征的记忆效应补偿研究

为补偿聚磁式光学电流互感器(OCT)的磁滞与磁饱和特性对测量线性度和精度的影响,提出具有记忆效应的非线性滤波器补偿模型.该模型将传统FIR滤波器系数用多项式表达的函数代替,使其同时具有非线性拟合和记忆输出能力.利用实测数据训练使非线性滤波器补偿模型输出与磁滞、磁饱和特性输出成反函数关系,将训练好的模型添加到聚磁式OCT中,实现对聚磁铁芯的非线性和记忆效应补偿.实验结果表明,基于非线性记忆效应补偿的聚磁式OCT在铁芯低饱和状态下仍具有较高的测量精度,采样样本的线性测量区间延伸了4.76倍,均方根误差提高约15 dB,有效地补偿了聚磁式OCT应用中聚磁铁芯的磁滞和磁饱和效应.     

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SOFM神经网络的变压器故障诊断研究

SOFM神经网络具有强大的非线性映射能力和高度的自组织和自学习能力,将SOFM神经网络应用于变压器的故障诊断.利用改进的罗杰斯三比值法获取变压器故障诊断的特征向量,建立了SOFM网络故障诊断模型,并对模型进行训练.为了检验模型的实际诊断能力,以变压器的4种典型故障诊断为例进行仿真实验.仿真结果表明:SOFM神经网络能够根据获胜神经元在竞争层的位置对变压器故障进行判断,诊断准确率高,收敛速度快,泛化能力强,表明基于SOFM网络的变压器的故障诊断是一种行之有效的方法.     

结合遗传算法和阻尼牛顿算法的小波神经网络入侵检测

小波神经网络结合了小波变换和神经网络的优点,具有很强的非线性映射能力和自适应、自学习能力,特别适合于入侵检测系统.但小波神经网络的也有易于陷入局部极小值、收敛速度慢的弱点.对此,本文引入遗传算法来优化产生小波神经网络的初始权值与阈值等,确定一个较好的搜索空间,从而克服小波神经网络易于陷入局部极小值的缺点;同时引入了阻尼牛顿算法,在遗传算法所确定了的搜索空间中对网络进行快速训练,解决传统小波神经网络收敛速度慢的问题,两者构成阻尼牛顿-遗传-小波神经网络.仿真结果表明该方法可行,使神经网络的逼近能力和泛化能力得到了显著提高.     

动态模糊神经网络研究

针对静态网络无法处理暂态问题，对具有递归环节的动态模糊神经网络进行了研究。通过在网络第二层中加入内部反馈连接，使其具有动态映射能力，从而对动态系统有更好的响应。网络使用遗传算法与反向传播BP(BackPropagation)算法相结合来训练，避免陷入局部最优解。采用时序预测和动态非线性系统进行了仿真研究，结果表明，动态模糊神经网络较之普通模糊神经网络在收敛速度、预测精度和网络规模等方面都有较大的改善，并具有更好的动态系统处理能力。     

基于递归神经网络模型的传感器非线性动态补偿

讨论了递归神经网络模型在传感器非线性动态补偿中的应用，给出了递归神经网络模型的结构及相应的训练算法．递归神经网络模型本身具有动态映射能力，其结构仅与输入层和中间层的节点数有关，且不需要知道被补偿传感器的结构特性(如输出、输入的最大延迟)等先验知识，简化了动态补偿器的结构设计．采用递推预报误差算法训练神经网络，具有收敛速度快、收敛精度高的特点．实验结果表明，经过补偿后的传感器具有期望的输入输出特性，应用递归神经网络对传感器进行非线性动态补偿是一种行之有效的方法．     

基于人工神经网络的非线性系统辨识

人工神经网络是-个非线性动力学系统,具有自适应、自组织、自学习等功能。本文利用人工神经网络具有表达任意非线性映射的能力,对非线性系统进行系统辨识。仿真结果表明,该方法是可行的,计算精度高。     

应用在系统辨识中的一种改进的遗传神经网络模型

分析了传统系统辨识方法和神经网络方法各自的优缺点,提出一种应用在强非线性系统辨识中的遗传神经网络模型。针对神经网络的收敛速度和全局收敛性的缺陷,分别采用高速收敛算法和遗传算法进行了改进,取得了较为满意的结果。针对神经网络泛化能力差不易应用的缺点,使用了结构进化方法和结构设计方法中的剪枝算法来改善模型的泛化能力。最后使用2个模拟信号进行仿真试验,结果与分析的结论一致。     

小生境遗传算法优化的BP神经网络模型

针对传统BP神经网络模型收敛速度慢、易陷入局部极小点、网络结构不稳定等缺陷,提出一个小生境遗传算法优化的BP神经网络模型.该模型充分利用小生境遗传算法的搜索能力和BP神经网络的非线性映射和学习联想能力,通过小生境遗传算法的选择、交叉、变异及小生境淘汰等操作,优化BP神经网络的初始权值和阈值,并采用BP算法对网络进行训练,有效解决网络初值不合理的问题,提高网络收敛速度、稳定性.实验证明:与传统方法相比,该模型具有很强的可行性和有效性.     

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．     

高精度数字压力计的研制

扩散硅压力传感器具有体积小、灵敏度高、响应速度快等优点，但存在温度漂移和非线性问题，这是研制高精度数字压力计必须解决的技术难点．本文分析并建立了对其实现综合补偿的方程式，利用单片微机软件实现综合补偿方程，较好地解决了压力传感器的非线性、温度补偿和零点修正．研制出的数字压力计精度达０．０５级．