传感器非线性动态模型及其辨识的研究

0 引 言 本文针对一种典型的非线性传感器——力平衡式闭环传感器,研究了其非线性动态模型及辨识问题。在分析了该传感器动态非线性的产生机理后,给出了传感器非线性动态模型的数学描述,研究了非线性传递函数的频域估计方法,最后通过传感器实验证明了上述研究方法的可行性。     

传感器动态建模FLANN方法改进研究

提出一种改进的函数连接型神经网络(FLANN),并将其应用于传感器动态建模.首先,将单输入单输出(SISO)的传感器系统表达为动态差分方程模型;再充分考虑动态模型输出的历史值与参数之间的关系,对模型输出与参数的偏导数进行重新推导,得到了对权值参数偏导数的更高精度估计;最后,利用该模型梯度进行迭代训练,加快了网络收敛速度并提高了收敛的稳定性.实验结果表明,改进FLANN具有更快的收敛速度和更强的鲁棒性,十分适合传感器动态系统的建模.     

EGO传感器及其动态标定与建模方案

介绍了氧传感器的物理构造、工作原理和动态特性.由于该传感器存在动态非线性问题,且动态响应速度转慢,影响了废气中氧含量的实时测量.为了研究氧传感器的动态特性,文中设计了动态标定的实验方案,并提出采用块联模型的建模方法解决其动态非线性问题.     

瓦斯传感器非线性的动态调校

热催化元件是广泛地用于瓦斯检测的一种传感器,其非线性特性影响了瓦斯检测的准确性。由于瓦斯传感器的离散性,实行动态调校是非常必要的。本文阐述了通过神经网络模型－Ａｄａｌｉｎｅ模型的网络学习,逼进非线性函数的方法。利用神经网络对催化传感器的非线性进行校正,大大地提高瓦斯检测的精度。     

基于最小二乘支持向量机的传感器非线性动态补偿

提出了一种基于最小二乘支持向量机的非线性传感器动态测量误差的校正方法，使得通过该方法补偿的传感器具有理想的输入输出特性。先将传感器的非线性动态系统分解成线性动态子环节和非线性静态子环节串联；与之对应，非线性动态补偿过程也包含2个阶段：线性动态补偿和非线性静态校正。然后，通过函数展开将补偿器的非线性传递函数转换为等价的类线性形式一中间模型；再通过LS-SVM回归算法求取中间模型参数；最后，推导出中间模型参数与补偿器2个子模型参数之间的关系，并通过该关系实现非线性静态校正和线性动态补偿环节的同时辨识。与常规非线性动态补偿方法比较，该方法优点是明显的：（1）只需进行一次动态标定实验；（2）能给出非线性动态补偿器的数学解析表达式；（3）充分利用LS—SVM的优点，使辨识的补偿器具有更好的抗干扰能力。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有效。     

传感器动态非线性的一种补偿方法

针对传感器存在的动态非线性问题，本文提出一种补偿方法，将具有动态非线性的传感器分为非线性静态环境环节和线性动态环节。先对传感器输出信号进行非线性静态校正，再进行线性动态补偿，研制以DSP为处理核心的传感器模拟器和传感器动态非线性补偿系统，实验结果表明，方法是有效的。     

基于非线性GA算法的动态P模型的参数辨识与验证

针对现有的GMM-FBG电流传感器的磁滞非线性问题,提出了一种改进的动态Preisach磁滞模型。采用非线性遗传算法对改进动态Preisach磁滞数学模型进行参数辨识,提高了动态磁滞曲线的预测精度。运用改进动态Preisach模型对GMMFBG电流传感器进行建模及实验验证,实验及仿真结果表明该模型具有较好的预测性,预测误差在3.0%以内。经过磁滞补偿使得传感系统电流的测量灵敏度达到0.050 nm/A。     

热膜式空气质量流量传感器块联模型结构辨识

同时利用稳态和动态校准数据,辨识了基于Hammerstein模型的热膜式空气质量流量(MAF)传感器的模型结构.在用多项式逼近静态非线性特性的基础上,动态线性环节分别选取带外生输入的自回归(ARX)模型、输出误差(OE)模型和Box-Jenkins(BJ)模型结构,采用交叉准则法进行参数估计和阶次选择,通过残差分析和仿真比较对模型进行检验.结果表明,用估计数据选择阶次时,最终预报误差(FPE)准则与最终输出误差(FOE)准则具有良好的一致性,基于预测误差法的2阶OE模型和BJ模型均可用于热膜式空气质量流量传感器Hammerstein模型动态线性环节的建模.     

基于NFLMS算法的Wiener型传感器动态补偿

在测量系统中许多传感器的动态特性是一个非线性Wiener模型,即存在着严重的静态非线性和动态响应滞后。当被测量对象的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动态误差。为了补偿动态误差,文中采用模型参考和Wiener逆模型辨识的方法建立动态补偿单元。考虑到Wiener逆模型的参数在辨识过程中是慢变的,辨识算法采用非线性滤波最小均方根(nonlinear filtered least mean squares,NFLMS)算法。仿真实验和应用研究表明,使用NFLMS算法辨识得到的补偿单元,能够很好地补偿Wiener型传感器动态误差。     

基于人工神经网络的电涡流传感器非线性辨识

针对电涡流传感器非线性因素引起的误差问题,研究了采用人工神经网络的建模方法,进行电涡流传感器非线性辨识的可行性方案,提出了基于人工神经网络的电涡流传感器非线性辨识的设计、模型与实现技术,并应用Matlab软件进行了数值实验,从而提高了电涡流传感器测量精度.     

超磁致伸缩换能器动态特性研究的建模方法

概述超磁致伸缩换能器的结构、工作原理以及动态特性的建模方法,并结合白行研制的换能器建立起仿真模型,有利于指导换能器的设计研究。     

基于神经网络的双目视觉传感器建模

根据双目视觉传感器的工作原理,分析了影响测量精度的因素,表明双目视觉传感器的物体空间坐标与图像坐标之间存在复杂的非线性映射关系,其数学模型无法用解析式精确地加以描述.因此,提出一种基于神经网络的双目视觉传感器建模方法.数值实验表明,该方法简便易行,建立的模型有较高的精度.     

基于神经网络的双目视觉传感器建模

根据双目视觉传感器的工作原理,分析了影响测量精度的因素,表明双目视觉传感器的物体空间坐标与图像坐标之间存在复杂的非线性映射关系,其数学模型无法用解析式精确地加以描述.因此,提出一种基于神经网络的双目视觉传感器建模方法.数值实验表明,该方法简便易行,建立的模型有较高的精度.     

基于神经网络的双目视觉传感器建模

根据双目视觉传感器的工作原理 ,分析了影响测量精度的因素 ,表明双目视觉传感器的物体空间坐标与图像坐标之间存在复杂的非线性映射关系 ,其数学模型无法用解析式精确地加以描述。因此 ,提出一种基于神经网络的双目视觉传感器建模方法。数值实验表明 ,该方法简便易行 ,建立的模型有较高的精度     

基于盒膜结构的微弯式长周期光纤光栅气压传感器研究

利用长周期光纤光栅(LPFG)谐振光谱随弯曲曲率变化的敏感特性,通过设计特制LPFG-膜盒封装结构,研制了一种基于微弯特性的长周期光纤光栅气压传感器.根据ANSYS数值分析和实验结果表明,在0.02～0.25 MPa 气压范围内,长周期光纤光栅的透射率不断增强,透射谱中谐振峰幅值从16.712 dB降至6.495 dB,与所测气压值之间呈现良好对应关系,并且谐振峰波长也红移1.54 m,气压传感器的灵敏度可达到4.086 8×105 dB/hPa.该传感器系统在所测气压范围内显示出较好的灵敏性和重复性,能够满足气象及飞行器高度监测中对气压测量的要求.     

基于虚拟样机技术的加工中心动力学建模

在ADAMS／View软件环境下,建立了某加工中心多柔体动力学模型,并进行了机床样机箱体、刀具之间的虚拟试验,得到机床的前四阶的固有频率。通过对相同条件下的机床样机箱体、刀具之间试验测试得到的结果比较,验证了机床仿真模型的准确性。     

基于动态ε-SVM的发酵过程建模

针对支持向量机（SVM）所有训练样本都使用相同的不敏感系数这一不足，本文提出了动态-SVM建模方法，并采用此方法建立了青霉素效价预估模型，此模型具有良好的拟合和泛化能力。通过实验分析了动态SVM参数调整对模型性能的影响，并且由现场数据建立的模型发现，动态-SVM建模方法优于标准SVM建模方法。     

基于改进核模糊聚类算法的软测量建模研究

针对发酵过程软测量建模采用单模型建模方法存在计算量大和精度较差的问题,提出一种基于改进核模糊聚类算法的多模型神经网络软测量建模方法.该方法首先使用主元分析方法对样本数据进行数据处理,所得主元变量作为模型的输入变量,然后使用基于粒子群优化算法的核模糊C均值聚类算法(PSKFCM)对数据集作聚类划分,最后针对每个聚类建立局部神经网络模型,多个局部神经网络模型估计结果的融合即为软测量模型的输出.将所提建模方法应用于红霉素发酵过程生物量浓度软测量建模,结果表明所建软测量模型具有较高的精度和良好的泛化能力.     

基于分子动力学的纳机电开关动态特性

建立了碳纳米管悬臂梁分子动力学模型,并对该模型的动态特性进行研究.分析了封腔中空气分子对纳米器件的阻尼作用,模拟了真空环境下碳纳米管原子处于平衡状态的自振情况,同时通过在外加激励作用下求解出该系统中碳纳米管的固有频率,绘制出了相应的幅频响应曲线.最后,对低真空环境下碳纳米管共振时的振幅进行分析.模拟结果表明:原子自振频率为2 THz;碳纳米管固有频率为4.79 GHz,且在初始阶段随着外加载荷的增加略有减小,随着载荷的继续增加而加大直到开关达到闭合状态;在相同的气压变化幅度下,低压环境的振幅变化远明显于高压环境下的振幅变化.