基于QPSO算法的传感器动态补偿方法及FPGA实现

为了解决在测试系统中由于传感器动态特性引起测试数据失真的问题,提出了一种基于量子粒子群优化算法(Quantum-Behaved Particle Swarm Optimization,QPSO)的传感器动态补偿方法;该方法依据传感器校准时的输入和输出数据运用QPSO算法得到最优补偿器模型及参数;为了将获得的最优动态补偿器运用于实时在线测量,将分布式算法引入到动态补偿器的硬件结构设计中,完成了传感器动态补偿器的高速并行FPGA实现。实验表明高速并行动态补偿器不但能够修正传感器的动态误差,而且其高速并行结构极大减少了对FPGA资源的占用率并有效的提高了系统等效吞吐率。     

压力传感器动态误差修正方法的FPGA实现

为了实时修正由于压力传感器动态特性引起的动态误差,提出了一种基于IIR数字补偿滤波器的FPGA实现方案.该方案首先依据压力传感器动态标定时的输入和输出数据利用改进的最小二乘算法建立全面描述传感器系统的数学模型,继而运用零极点配置方法重新配置模型零极点得到最优IIR补偿器模型及参数,其次在保证补偿器性能无失真或失真很小的基础上使用MATLAB工具量化补偿器模型参数,最后在以FPGA为控制核心的数据采集及存储系统的基础上应用量化的IIR补偿器模型参数设计了IIR补偿器软核,从而实现传感器动态误差的实时修正.实验结果表明:该方案能够实时有效地修正传感器动态误差.     

基于最小二乘与粒子群算法的压力传感器动态补偿方法

为了降低运用简化传感器模型对动态测试结果进行修正时带来的误差,提出一种基于最小二乘(LSM)与粒子群优化算法(PSO)的动态补偿器设计方法。采用最小二乘法识别传感器的最佳阶次,作为补偿器的阶次,克服简化模型对补偿器设计的影响,结合粒子群算法对传感器进行逆建模得到补偿器,并分析补偿前后传感器的时域与频域特性。实验表明,该方法能有效的降低传感器的动态测量误差。     

基于高阶补偿器的加速度传感器动态误差补偿方法

加速度传感器动态特性对其动态测量结果具有重要影响。为了改善加速度传感器动态性能,减小动态误差,提出了一种基于高阶补偿器的加速度传感器动态误差补偿方法,该方法通过建立加速度传感器ARX模型,利用加速度传感器模型极点确定高阶补偿器的阶次,并应用误差白化算法（EWC）获得高阶补偿器的参数,实现加速度传感器的动态误差补偿。实验结果表明,该方法有效改善了加速度传感器的动态特性,且高阶补偿器的补偿效果优于低阶补偿器的补偿效果。高阶补偿器补偿后传感器输出超调量和残差均是低阶补偿后的三分之一,响应时间是低阶补偿后响应时间的一半左右。     

基于改进RLS的传感器动态特性校正方法

在动态测试中为了消除传感器谐振频率处振动产生的误差,针对传感器高阶系统的补偿问题提出一种改进RLS算法优化补偿滤波器。采用梯度下降法产生滤波器参数初值,再用RLS算法对参数进行修正。在matlab平台上对算法进行了仿真验证,分析了补偿前后传感器系统的时域响应和频域响应。对实际压电传感器CY-YD-205进行了补偿,工程实验表明采用改进RLS算法设计的补偿滤波器可以大大改善传感器系统的动态特性。     

冲击波测试系统中压力传感器的实时动态补偿实现

冲击波测试系统在测量爆炸冲击信号时,必须解决因传感器的有效带宽难以满足或覆盖被测信号而引起的动态测试误差的问题.为此,利用激波管来对传感器进行动态标定获取实验样本,采用QR分解和改进粒子群优化(PSO)算法进行逆滤波快速估计动态补偿滤波器的阶数和系数.因数字滤波器的有限字长效应,本文选取合适的系数及输出数据的量化位数,来满足测试系统的稳定性.为实现实时在线修正,设计了以FPGA为控制与处理核心的全并行单反馈动态补偿结构,对系统硬件补偿前后的动态特性进行分析.实验表明该补偿滤波器能够满足实际测试需求,能够显著地提高传感器的动态响应特性.     

模型参考和误差白化的传感器动态补偿算法

通过模型参考的系统辨识方法建立传感器的动态补偿器, 常用的系统辨识采用均方误差(mean square error, MSE)为评判标准. 但是, 由于测量噪声存在和补偿器的频率特性, 使得补偿器的输入/输出信号存在严重的噪声干扰, 采用MSE为评判标准的系统辨识方法, 无法得到最优的补偿器的参数. 为此, 本文研究了一种以误差白化(error whitening criterion, EWC)为评判标准, 设计传感器动态补偿器的系统辨识方法. 该方法无需事先已知系统的动态特性, 根据传感器以及参考模型对     

求解整数非线性规划结合正交杂交的离散PSO 算法

针对整数非线性规划问题,提出一种结合正交杂交的离散粒子群优化(PSO)算法.首先采用舍入取整方法,为了减少舍入误差,对PSO中的每个粒子到目前为止的最好位置进行随机修正,将基于正交实验设计的正交杂交算子引入离散PSO算法,以增强搜索性能;然后对PSO算法中的惯性权重和收缩因子采用动态调整策略,以提高算法的搜索效率;最后对一些不同维数的整数非线性规划问题进行数值仿真实验,实验结果表明了所提出算法的有效性.     

LS-SVM构造FLANN逆系统的传感器动态补偿方法

提出一种用最小二乘支持向量机（LS—SVM）构造函数链接型神经网络（FLANN）逆系统的传感器动态补偿新方法。介绍了相关原理和具体算法,并给出了传感器动态逆系统的数学模型。在该方法中,通过在传感器后串接逆系统模型来修正动态测试误差、提高传感器的动态特性。通过典型的传感器动态标定实验数据,该逆系统模型的传递函数可用LS—SVM—FLANN方法辨识得到。实验结果表明,LS—SVM—FLANN辨识逆系统模型的速度是BP—FLANN方法的两倍,而且该逆系统动态补偿误差仅为后者的10％。用LS—SVM构造FLANN的逆系统补偿器精度高、鲁棒性好、实现简单。     

基于QPSO的震动传感器片上相位补偿器设计方法

震动传感器的系统相位非一致性会对地震波到时时差提取产生很大的误差,严重影响震源定位精度;针对这一问题,提出了一种基于量子粒子群优化算法（QPSO）的震动传感器片上相位补偿器设计方法。首先对震动传感器进行相位标定,获得传感器与参考传感器的相位差;其次设计基于QPSO算法的相位补偿滤波器对相位差进行修正,使其无限趋近于0;最后,将相位补偿滤波器封装成FPGA软核部署于FPGA上,完成对震动传感器的相位片上实时补偿。为了验证该方法的性能,将相位补偿滤波器部署于自研的多通道震动信号采集系统上,对8个相同型号震动传感器进行相位一致性校准。试验结果表明,在震动传感器频响范围内,该方法可以将2.5°内的传感器相位差实时修正至0.0044°以下,实现了震动传感器阵列的相位一致性实时校准。该成果在地下浅层震源定位领域具有较强的应用价值。     

改进型灰狼算法在热电偶动态补偿中的应用

为解决热电偶传感器在瞬态温度测试过程中因传感器动态性能不足引入动态误差影响测试精度的问题,提出基于改进型灰狼优化算法的热电偶传感器动态补偿方法.通过改变候选解产生策略和引入动态权重因子,对灰狼优化算法(GWO)进行改进,从而进一步提高了热电偶传感器的时间常数.根据热电偶传感器水浴法校准数据寻优获得补偿系统传递函数,并对实测火焰数据进行实验.实验结果表明,水浴法校准数据经补偿后时间常数由0.0685s提升为0.0147s,动态误差减小了近75%.经IGWO寻优获得的动态补偿系统,可有效地改善热电偶传感器的动态特性,减小热电偶传感器的动态误差.     

基于逆模型的温度传感器动态补偿方法

在瞬态测量中,温度传感器的测量滞后会影响到测量系统的精度。提出了一种通过建立温度传感器的动态逆模型来扩宽其工作频带,以此来减小因温度传感器测量滞后所形成的动态测量误差的补偿方法。用该方法设计的动态补偿器具有不依赖温度传感器动态模型的特点,可根据温度传感器和参考模型对输入激励响应的实测数据,通过微粒群(PSO)算法的优化学习得到补偿器的参数。检测信号经补偿计算后输出,能够克服传感器的测量滞后。实验证明了该方法的有效性。     

瞬态表面温度传感器动态建模方法研究

测量瞬态高温时,由于传感器自身的热惯性,测量结果与真实结果之间存在很大的动态误差.动态补偿或动态误差修正对于改善测温系统动态特性,减小动态误差有重要意义,而建立温度传感器动态数学模型则是进行动态补偿或动态误差修正的前提.本文首先设计了瞬态表面温度传感器动态校准系统;然后,利用系统所测得输入输出数据,采用系统辨识方法建立了测温系统的动态数学模型;最后,利用交叉检验法验证该模型的正确性.经检验该方法可以达到理想的辨识效果,从而为系统反滤波动态误差修正奠定了基础.     

基于模型参考和神经网络的传感器动态补偿器的设计

为了改善传感器的动态响应特性,提出了一种动态补偿器的设计方法.该方法在传感器后接一基于模型参考自适应方法的动态补偿器,并利用BP神经网络算法不断在线辨识补偿器参数,使其始终工作在最佳参数下,实现动态性能的在线补偿.试验表明,对动态品质较差的双孔悬臂梁式压力传感器进行在线补偿,其到达稳态值的调节时间由0.1 s缩短为0.015 s,动态性能得以较好的改善.该方法为提高传感器性能开辟了新途径.     

基于FLNN的加速度传感器动态特性补偿方法

对加速度传感器动态性能进行分析,提出其动态性能补偿的神经网络方法,介绍了补偿原理以及神经网络算法,给出用函数连接型神经网络建立的加速度传感器动态补偿网络的数学模型。结果表明:这种补偿模型精度高、能实现在线修正,有良好的鲁棒性及动态补偿器实现简单等优点。     

投票表决算法在高帧频图像处理中的应用

针对目前高帧频图像处理方法中软件速度慢、实时性差、专用硬件开发周期长、灵活性差等缺陷,开发完成了基于FPGA的高帧频图像硬件实时处理系统。该系统采用投票表决算法,压缩了存储和处理的数据量,充分发挥FPGA器件的并行特性,使图像采集与图像处理并行完成,提高了图像处理速度。系统已成功应用于高速轨道检测车的钢轨断面图像实时动态处理和分析。     

基于GPSO-DVHop的传感器节点定位方法

为了减少无线传感器网络节点的定位误差,提出一种分群粒子群优化（GPSO）算法修正DV-Hop误差的传感器节点定位方法（GPSO-DVHop）。提出一种节点距离修正值策略,减少未知节点与锚节点间距离的估计误差,采用GPSO算法修正DV-Hop的节点定位误差,最后在Matlab 2012平台上对算法性能仿真分析。相对于对比传感器定位方法,GPSO-DVHop提高了传感器节点定位精度,仿真结果验证了GPSO-DVHop的有效性。     

基于量子粒子群算法的热电偶动态校准及动态补偿技术研究

为了实现热电偶传感器的动态校准及动态补偿,有效改善热电偶的动态特性,利用半导体激光加热高、加热快的优点,构建了可溯源温度动态校准系统,实现了热电偶的可溯源动态校准,测得了C型热电偶的时间常数。应用量子粒子群优化算法建立了热电偶传感器的动态补偿滤波器模型,有效改善了热电偶的动态特性,减小了热电偶传感器的动态误差。     

基于改进PSO算法的LSSVM入侵检测模型

在基本PSO算法和线性权重下降PSO算法的基础上,提出一种并行PSO算法,将粒子群分成两组,分别采用不同的惯性权重,各侧重于全局搜索和局部搜索,根据进化代数动态调整两种算法中进化的粒子数。通过仿真实验,证明了并行PSO算法的寻优性能优于基本PSO算法和线性权重下降PSO算法。     

基于SOPC的时栅位移传感器信号处理系统设计

为了提高时栅位移传感器的动态性以及测量精度,设计了一种基于SOPC技术的时栅信号处理系统,将数据的采集和处理集成在一片FPGA内,采用NiosⅡ处理,并将复杂的乘除运算加入了自定义指令,提高了时栅传感器的数据处理效率,采用傅氏级数谐波修正技术来进行误差修正,大大提高了测量精度。实验表明,采用该系统后,时栅在每分钟8转情况下误差峰峰值为2.2″。