基于神经网络的传感器非线性误差校正方法

为对传感器进行非线性校正以进一步提高其测量精度,提出了基于神经网络的校正办法。理论分析了传感器非线性误差的复杂性,并以位移传感器标定为例,详细介绍了传感器非线性校正的过程和方法。采用了最小二乘拟合、BP神经网络以及RBF网络三种方法进行校正,设计并实现了RBF网络的校正模型。实验结果证明,RBF网络的校正方法比BP网络校正方法精度提高了约44%,其补偿效果更优,且其在传感器种类变化或环境影响较大的情况下比最小二乘拟合更具非线性补偿优势。     

人工智能的分振幅光偏振仪预测误差校正研究

为降低分振幅光偏振仪偏振测量误差，研究了一种基于人工智能的分振幅光偏振仪预测误差校正方法。该方法依据分振幅光偏振仪原理，采用斯托克斯矢量描述分振幅光偏振仪的电信号，将该信号输入RFB神经网络模型中，通过训练该模型输出分振幅光偏振仪的斯托克斯矢量参数结果，利用斯托克斯矢量参数校正分振幅光偏振仪预测误差；为提升RFB神经网络模型的误差校正精度，改进网络权值后，获取最优权值并完成RFB神经网络模型训练，优化其误差校正结果。实验结果表明：该方法可有效校正分振幅光偏振仪预测误差，使其输出偏振数值趋向标定数值且校正结果较为精准，最大偏差数值仅为0.003°。     

多传感器自适应滤波融合算法

该文提出了一种在线调整权值的多传感器自适应滤波数据融合跟踪算法,用于解决复杂背景下机动目标跟踪问题。首先自适应寻找各个传感器所对应的最优加权因子,确定融合后某一时刻目标最优观测值;其次,以输入信号作为相关自适应滤波器的观测信号,通过新息相关自适应滤波算法根据状态方程及观测方程中误差的变化,实时动态地调整增益矩阵,同时依据自适应滤波状态偏差输出信号及当前观测数据,应用模糊推理在线调整各传感器权值,最终系统输出即为测量轨迹在两级自适应调整融合下最优轨迹。仿真结果证明了算法有效性。     

双通道光纤位移传感器实时测量系统

对双通道光强反射式光纤位移传感器测量系统进行了优化设计。测量结果表明,新构成的装置重复性达到０．６％,最小分辨率小于１．０μｍ,测量范围２．０ｍｍ。测量系统采用８位单片机处理数据,用三次插值多项式校正传感器输出信号的非线性,获得良好效果,以数字方式显示位移的测量结果,系统充分利用传感器输出特性无“光峰”现象的特点,信号处理过程快捷,此系统对变化不太快的位移可进行实时测量。     

优化的RBF神经网络对光纤位移传感器温度补偿

在对光纤位移传感器进行温度标定的过程中,随着工作环境的变化,位移传感器的测量值会产生误差,从而使位移传感器在使用时随着环境温度的变化发生精度下降的情况。为减少这种漂移偏差,该文使用径向基(RBF)神经网络对位移传感器进行温度补偿,并采用自适应的设计思想寻找RBF函数中心。将位移量和环境温度作为输入,其输出为传感器输出电压,使用自适应的设计思想来确定基函数的中心,建立一个基于RBF神经网络的模型。结果表明,该模型的训练结果可以使光纤位移传感器进行测量的相对误差降低9.23%,在测量精度上有很大的改进,证明了该方法的可行性。     

光纤铅酸蓄电池容量传感器研究

从Lambert-Beer定律出发,将接收到的光反射能量的大小与电解液的浓度测量联系起来,通过测量铅酸蓄电池电解液浓度就可知蓄电池的容量状态。该文通过实验研究讨论了温度变化对铅酸蓄电池容量和电解液浓度变化的影响。通过对热光效应的分析,建立了一种基于相对温度测量和光吸收测量原理的新颖的反射式光纤传感器。此传感器的设计能消除温度对电池容量测量的影响,即传感器测量输出信号只与电解液浓度有关,而与温度无关,相当于电解液等效于20℃恒温情况下的测量结果。实验中选用了近红外波长为760 nm光源,研究了温度对铅酸蓄电池容量测量的影响,实验结果及理论分析表明:该测量方法能很好的实现铅酸蓄电池容量的在线检测,该传感器具有测量准确、反应灵敏、使用寿命长等特点。     

基于PSO-BP算法的压力传感器温度补偿研究

硅压力传感器在工业环境中使用时,尤其是用于测量油井井下压力的时候,环境温度变化范围通常比较大.硅压力传感器由于其自身结构的原因,输出压力值会呈现非线性变化,大大的降低了压力传感器的测量精度.本文是基于PSO-BP神经网络方法对压力传感器在温度变化时产生的误差进行补偿修正,以达到系统精度要求.PSO-BP算法的本意是使用PSO算法用于对BP神经网络的初始权值和阈值进行改进和筛选,然后再使用BP网络对样本进行训练,以提高系统的泛化能力和稳定性.     

一种全光纤电流传感器温度补偿方法

为了解决传感光纤的弯曲、扭转以及外界工作环境的变化导致全光纤电流传感器测量精度降低的问题,提出了一种基于输出椭圆偏振光长轴斜率的全光纤电流传感器温度补偿方法。论证了椭圆偏振光长轴斜率能够反应输出椭圆偏振光的光椭率的大小,利用TMS320F28335和对应算法求出斜率,实验中使用输出椭圆偏振光长轴斜率对传感器进行修正并进行了实际测量。结果表明,基于该修正方法的测量系统,实现了在单次变温条件20℃~60℃内变化时测量结果偏差满足0.2s。这一结果对全光纤实用化研究是有帮助的。     

热场作用下预紧结构与压电传感器输出的研究

压电石英三向力传感器受热影响会导致输出信号产生偏差。基于温度均匀分布假设分析了压电传感器预紧结构在温度影响下的热变形规律,得出施加在压电石英上的热应力是传感器输出信号偏差的主要原因的结论。利用有限元软件对预紧结构加热过程中压电石英所受载荷变化过程进行分析,结果表明,随着热量的流入,压电石英在预紧力施加的方向上的应力变化为-3 315kPa。最后,基于信号偏差的分析结论改进传感器的预紧结构,并设计对比实验进行验证。在240s的加热过程中,改进后测力仪的预紧方向输出信号变化不大于4mV,能够抑制由温度变化引起的输出信号偏差,提高测试准确性。     

基于GSA-BP神经网络的压力传感器温度补偿

针对压力传感器输出的温度非线性特性,采用遗传模拟退火算法优化的BP神经网络(GSA-BPNN)进行误差补偿,并与标准BP神经网络补偿误差进行了比较。通过matlab仿真验证,实验结果表明：采用GSA-BP神经网络不易陷入局部极小值,大大减小传感器非线性误差,误差精度小于0.1%,补偿结果优于标准BP神经网络。     

热场作用下预紧结构与压电传感器输出的研究

压电石英三向力传感器受热影响会导致输出信号产生偏差。基于温度均匀分布假设分析了压电传感器预紧结构在温度影响下的热变形规律,得出施加在压电石英上的热应力是传感器输出信号偏差的主要原因的结论。利用有限元软件对预紧结构加热过程中压电石英所受载荷变化过程进行分析,结果表明,随着热量的流入,压电石英在预紧力施加的方向上的应力变化为-3 315 kPa。最后,基于信号偏差的分析结论改进传感器的预紧结构,并设计对比实验进行验证。在240 s的加热过程中,改进后测力仪的预紧方向输出信号变化不大于4 mV,能够抑制由温度变化引起的输出信号偏差,提高测试准确性。     

基于灰色神经网络的压力传感器温度补偿模型

压力传感器的输出随温度呈非线性变化,同时含有较大的随机噪声。针对BP神经网络对压力传感器温度补偿建模时误差较大的问题,提出了基于灰色模型和BP神经网络的压力传感器温度补偿模型。首先,用灰色模型对数据进行预处理,以减小原始数据的噪声;然后,用降噪后的样本数据作为BP神经网络的输入进行训练。在相同的训练次数下训练误差可减小一个数量级。结果表明,采用该模型补偿后的压力传感器补偿精度明显优于BP网络模型。     

基于神经网络的分振幅光偏振仪的数据处理

分振幅光偏振仪(DOAP)是一种高速测量光波偏振态的传感器。提出了一种基于人工神经网络(ANN)的分振幅光偏振仪的数据处理方法,将分振幅光偏振仪中电路系统输出的电信号作为神经网络的输入,入射光的斯托克斯参数作为神经网络的输出,建立一个前向多层神经网络模型。通过网络训练,使该网络确立了电路系统输出电信号与入射光斯托克斯参数之间的映射关系。由测量时得到的电信号,利用训练后的神经网络可以计算出待测的入射光的斯托克斯参数。测试结果表明,在测量精度方面,该方法获得的斯托克斯参数的总均方根偏差为1.9%,略优于基于矩阵运算的数据处理方法。     

具有温度补偿的光纤生物量浓度在线测量传感器

利用光能量的吸收和散射与生物量浓度之间的关系,建立了一种基于光纤回归反射能量衰减技术的生物量浓度在线测量方法。由于在生化反应过程中常伴随着生化产热以及环境温度的改变,从而给传感器测量带来误差。为了消除温度信号对测量结果带来的误差,通过在传感器单元中引入温度补偿臂,消除温度信号对待侧信号的影响。实验表明:该传感器实现了生物量浓度的在线测量;同时,通过引入温度补偿臂消除了温度变化对生物量浓度测量的影响,从而真正实现了生物量浓度的准确在线测量。     

蓝宝石晶体高温传感器的信号解调及标定

为了使用蓝宝石晶体高温传感器对工业烟气温度进行长期在线监测,设计了蓝宝石晶体高温传感器的解调系统,并对其进行了标定。对蓝宝石晶体高温传感器的白光偏振干涉测温原理进行了理论分析,并利用离散腔长变换(DGT)解调算法对光程差信息进行解调。在此基础上建立了一套以热电偶为参照的标定系统,使用S型高温热电偶采集温度数据,得到了光程差-温度样本。分别利用二次多项式拟合法与BP神经网络法对传感器的输出曲线进行了拟合与泛化,并进行了对比。实验结果表明:在800~1 300℃温度范围内,与二次多项式拟合方法相比,BP神经网络的拟合精度较高,拟合残差均值达到0.33℃;泛化能力强,多次泛化结果误差均值为0.56℃,均方误差为0.55℃。最终使用BP神经网络方法对传感器进行标定,使得传感解调系统满足了工业测高温的精度要求。     

基于CA-CMAC的快速传感器故障诊断方法

 针对动态系统的在线故障诊断问题,将信度分配小脑神经网络CA-CMAC(Credit Assigned Cerebellar Model Articulation Controller)应用于主元分析模型,实现多传感器在线故障检测与隔离.首先,应用传感器正常工作时测量的历史数据,由主元分析模型得到所有传感器的预测值;接着计算传感器系统的均方预期误差值SPE(Squared Prediction Error),由SPE值的变化,判定是否发生故障,根据重构单个传感器信号的SPE值来隔离故障传感器;最后应用一个多传感器故障诊断仿真实例说明了该算法的可行性,并通过与误差反传BP(Back Propagation)神经网络和常规小脑神经网络CMAC(Cerebellar Model Articulation Controller)进行比较,说明了基于CA-CMAC的主元分析模型的优越性.     

基于BP神经网络的一种传感器温度补偿方法

简单介绍了硅压阻式传感器温度误差产生的原因及其特点,提出了一种利用BP神经网络对其温度误差及非线性误差进行补偿的方法.根据传感器温度误差的特点设计了一个多层的BP神经网络,其中传感器测试电路中四臂电桥的桥路电压和未经补偿的传感器的输出作为神经网络的两个输入.利用Matlab对该网络进行训练,得到了网络的权值和阚值.经过...     

基于电子快门自动增益的CCD驱动电路研究

为了满足目前CCD测量领域中高速、高精度的测量要求,设计了TCDl304传感器的专用驱动电路。该驱动电路的一大特性就是电子快门,其将光积分时间缩短了一个数量级,至几个微秒,极大地提高了测量速度;同时,通过对CCD输出信号A／D采样分析,实时调节电子快门时间,实现自动调节控制,提高了测量精度。经实验证明,该测量方法在高速实时在线测量领域有很好的应用前景。     

基于模糊神经网络的传感器可信度实时获取

针对传感器在复杂环境中所测信息不完全准确的问题,提出了一种基于专家规则的零阶Sugeno模糊模型神经网络来获取传感器可信度的方法.神经网络经训练样本训练后,可以根据传感器状态和环境信息实时地得到传感器可信度.将该模型学习算法中的最小二乘识别器加以改进,并引入了遗忘因子,可以使该网络实现在线学习,不断更新网络参数.仿真结果表明该模糊神经网络可以有效地获得传感器可信度,且越小则网络在线学习能力越强.     

非色散红外CO2传感器温度补偿方法研究

针对非色散红外CO₂传感器受温度影响导致测量精度低的问题,设计了单光路双通道的非色散红外CO₂传感器,提出一种BP神经网络补偿气室温度的新方法。本文分析了温度对传感器的光源、探测器以及对气体吸收系数的影响,并将BP神经网络补偿气室温度方法与其他补偿方法进行了实验对比。实验结果表明,BP神经网络补偿气室温度方法优于其他补偿方法,在测量10%～20%浓度范围内的CO₂时,最大相对误差为2.98%,重复性实验显示RSD为1.22%,为非色散红外CO₂传感器补偿温度提供借鉴意义。