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。     

传感器动态误差高速并行修正方法及其FPGA实现

为了运用动态补偿器来修正由传感器系统特性引起的动态误差,提出了一种基于改进粒子群优化(PSO)算法的动态补偿器设计方法,该方法有效的克服了PSO算法的初始值对补偿器系数的影响。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地提高了系统等效吞吐率。     

一种压力传感器动态数字滤波的实现方法

本文运用高斯-牛顿法,根据压力传感器的响应曲线建立了传感器的动态模型.该方法可使拟合结果逼近无偏估计,从而提高拟合的精度.为提高传感器动态特性,采用零极点配置法根据动态模型设计了动态补偿数字滤波器.运用Altera提供的DSP Builder开发工具从Simulink模型自动生成VHDL代码,并在FPGA上实现了3阶IIR的数字滤波器,通过仿真取得了较好的效果.     

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.     

冲击波压力传感器组件动态特性补偿研究

为抑制爆炸场寄生效应,冲击波压力传感器须采取相应抑制措施,这使得传感器组件工作频带变窄,导致测量失真。因此须对传感器组件进行动态补偿,以实现工程无失真测量。首先,对典型冲击波压力传感器组件进行动态校准,并通过微分法得到其动态特性非参数模型;然后,进行了动态特性参数模型辨识,通过设计动态补偿数字滤波器,对典型传感器组件进行了0~40 kHz的动态补偿,并验证其科学性和有效性;最后,对典型爆炸冲击波压力信号进行了动态补偿。该研究对提高冲击波压力测量精度、准确评估毁伤威力具有重要意义。     

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     

QR分解与GLS改进算法在压力传感器动态性能改善中的应用

将矩形矩阵的正交（QR）分解和改进的最小二乘（GLS）算法相结合,实现传感器的动态建模,运用零极点配置理论改善传感器动态性能。利用传感器动态校准实验数据,首先构造矩形数据矩阵并对矩阵进行正交分解确定传感器模型阶次,继而利用改进的最小二乘算法建立传感器的数学模型,而后运用零极点理论对模型零极点进行重新配置改善传感器的动态性能。实验结果表明：该方法简洁,建模精度高,能够较准确得到反映传感器动态特性的数学模型,且基于该方法的传感器动态性能改善效果明显。     

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。     

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.     

基于逆模型辨识的Wiener型传感器动态补偿研究

在测量系统中许多传感器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.为了补偿动态误差,采用模型参考和Wiener逆模型辨识的算法建立动态补偿单元.补偿单元由一个静态逆模型和动态逆模型构成.通过静态标定方法,采用单输入/单输出的模糊小脑神经网络(SISO-FCMAC)建立传感器静态非线性模...     

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。     

基于腕力传感器的机器人位置触觉

作为对常规位置触觉的一种替代，本文展示了在机器人手指尖的根部安装腕力传感器，并利用其测量数据来确定上述位置信息的方法，文中提出了一种带有重力效应补偿的数学模型，并对其解的唯一性和精度进行了论证和分析，最后，还给出了一个采用美国产ＬｏｒｄＦＴ３３５ｘ腕力传感器作为位置触觉的实验结果。     

Adaptive Pseudo Inverse Control for a Class of Nonlinear Asymmetric and Saturated Nonlinear Hysteretic Systems

This paper aims at eliminating the asymmetric and saturated hysteresis nonlinearities by designing hysteresis pseudo inverse compensator and robust adaptive dynamic surface control (DSC) scheme. The “pseudo inverse” means that an on-line calculation mechanism of approximate control signal is developed by applying a searching method to the designed temporary control signal where the true control signal is included. The main contributions are summarized as: 1) to our best knowledge, it is the first time to compensate the asymmetric and saturated hysteresis by using hysteresis pseudo inverse compensator because the construction of the true saturated-type hysteresis inverse model is very difficult; 2) by designing the saturated-type hysteresis pseudo inverse compensator, the construction of true explicit hysteresis inverse and the identifications of its corresponding unknown parameters are not required when dealing with the saturated-type hysteresis; 3) by combining DSC technique with the tracking error transformed function, the “explosion of complexity” problem in backstepping method is overcome and the prespecified tracking performance is achieved. Analysis of stability and experimental results on the hardware-in-loop platform illustrate the effectiveness of the proposed adaptive pseudo inverse control scheme.      

Infrared thermometer sensor dynamic error compensation using Hammerstein neural network

A novel dynamic neural network structure based on Hammerstein model is proposed and applied to dynamic error compensation for infrared thermometer sensor in this paper. First, the devices of dynamic calibration for infrared thermometer sensor are designed and the calibration experiments with continuous excitation are carried out. Then, the non-linear inverse system of the sensor dynamic compensator is expressed by a non-linear static subunit followed by a linear dynamic subunit—Hammerstein model. A novel neural network structure is designed, the weights in which are corresponding with the parameters of Hammerstein model. Finally, The iterative algorithm is derived, through which the non-linear static and linear dynamic subunit in Hammerstein model can be optimised and the coefficients of the dynamic compensator are gotten. The dynamic calibration data of the uIRt/c sensor are used to test and the experiment results show that the stabilizing time of the sensor is reduced less than 6 ms from 26 ms and the dynamic characteristic is obviously improved after compensation.     

A Youla–Kucera parametrized adaptive feedforward compensator for active vibration control with mechanical coupling

Most of the adaptive feedforward vibration (or noise) compensation systems feature an internal ”positive feedback” coupling between the compensator system and the correlated disturbance measurement which serves as reference. This may lead to the instability of the system. Instead of the standard IIR structure for the adaptive feedforward compensator, the paper proposes a Youla–Kucera parametrization of the adaptive compensator. The central compensator assures the stability of the system and its performances are enhanced in real time by the direct adaptation of the Youla–Kucera parameters. Theoretical and experimental comparison with recent results obtained using an IIR adaptive feedforward compensator are provided.