传感器动态非线性补偿方法及DSP实现

利用Hammerstein模型描述传感器的动态非线性。动态非线性环节表示为静态非线性子环节和动态线性子环节的串联,相应的动态非线性补偿分为两个阶段：动态线性补偿和静态非线性校正。通过仿真和对腕力传感器响应的补偿验证了两阶段补偿方法的可行性。研制了基于DSP的动态非线性实时补偿系统,通过实验验证了动态非线性补偿方法的有效性。     

一种动态非线性模型传感器的辨识和补偿方法

针对利用Wiener模型表达的具有动态非线性的传感器进行系统辨识和性能补偿。将系统分解为动态非线性环节和静态线性环节,利用函数链人工神经网络和遗传算法分别进行系统辨识,通过静态非线性补偿将系统简化为线性系统,再进行动态性能补偿。利用LabVIEW设计虚拟仪器,经过仿真表明该方法是有效的。     

一种利用函数链神经网络的传感器建模新方法

讨论基于函数链神经网络 (FLNN)的传感器建模新方法 ,其结构简单、使用灵活、建模容易 ,易于实时硬件实现。两个算例说明网络的训练和非线性逼近方法 ,显示出网络的自适应能力、学习能力 ,基于FLNN的传感器模型可同时实现温度补偿和非线性校正。实际上 ,利用这种模型可以跟踪补偿环境改变引起的传感器特性的各种变化 ,在测控系统中具有良好的应用前景。     

基于递归神经网络的热电偶测温滞后的动态补偿

提出了一种基于递归神经网络的热电偶测温滞后的动态补偿方法,利用神经网络良好的非线性映射能力,建立传感器的动态逆模型,实现对传感器的动态补偿。实验结果表明:检测信号经过动态补偿后,能够克服传感器的测量滞后,达到稳态的时间从补偿前的26 s缩短到大约5 s,传感器的动态性能得到较大的提高。     

基于递归神经网络的加速度传感器动态特性补偿

提出了一种基于递归神经网络的加速度传感器动态性能补偿方法,利用神经网络良好的非线性映射能力,建立传感器的动态逆模型,用实际工作参数训练神经网络,实现对加速度传感器动态特性的补偿。实验结果表明:经过动态补偿后,加速度传感器的系统工作频带得以拓宽,检测信号达到稳态的时间从补偿前的7m s缩短到大约1m s,传感器的动态性能得到明显的改善。     

一种非线性动态的传感器建模算法

针对传感器动态的非线性、动态特性,精确建模比较难.为此,提出一种非线性的传感器动态建模方法.首先将LSS-VM参数作为蚂蚁的位置向量,传感器动态建模精度作为目标函数,然后采用动态随机抽取的方法来确定目标个体引导蚁群进行全局搜索,并在最优蚂蚁邻域内进行小步长局部搜索,找到算法的最优参数,最后建立传感器动态模型.结果表明,ACO-LSSVM所建模型具有较强的实用性和可靠性,为改善传感器动态性能及在线补偿提供了参考依据.     

递归网络模型在传感器动态补偿中的应用

为改善传感器的动态响应特性 ,对其输出结果进行动态补偿是一个有效方法。本文介绍了传感器动态补偿的原理 ,基于递归网络模型的良好的动态映射能力 ,探讨了应用该模型进行传感器动态补偿的实现方法 ,实验结果表明补偿后传感器具有理想的输入输出特性 ,从而验证了该方法的可行性和有效性。     

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...     

传感器信号的非线性补偿

针对传感器信号中存在的非线性误差 ,介绍了硬件补偿和软件补偿两种方法。硬件补偿是基于电压源可变来实现传感器特性的线性化 ,从而消除了非线性误差 ;软件补偿是通过函数拟合的办法来有效减小信号中的非线性误差 ,进而提高传感器的准确度。     

基于Laguerre基函数的液位传感器温度补偿方法

针对环境温度影响液位传感器的检测问题,提出了基于Laguerre基函数的液位非线性校正和温度补偿的复合校正模型,采用递推最小二乘(RLS)法对标定液位进行拟合以确定复合补偿模型的参数.根据液位传感器的测量值和环境温度可高精度计算出实际液位.仿真结果表明:补偿后的最大相对误差不超过(3.4145×10-7)％,具有良好的非线性校正和温度补偿效果,在液位检测领域具有重要的理论和应用价值.     

一种有效的体育视频目标跟踪算法

论文研究了面向体育视频的运动目标跟踪技术,提出了一种最优化的混合跟踪方法。首先,采用粒子滤波算法来预测运动目标的初略位置,通过比较预测位置上的目标同目标模型之间的相似度,当相似度小于一定的阀值时,认为目标运动模型发生了根本变化,需要启用新的运动模型;当相似度大于一定的阀值时则认为目标运动模型没有发生大的变化,不需要启用新的运动模型,通过这种方式找到目标的最优化运动模型。最后将最优化的运动模型用于基于核的均值转移算法中,从而获得运动目标的精确位置。     

基于Web的交互式教学系统的研究

研究了基于自适应的动态工作流在培训管理中的应用。首先分析了工作流模型的动态性,然后对基于角色的过程动态建模、组织动态建模进行了讨论,着重分析了基于角色状态的动态访问控制机制,最后介绍了工作流模型的动态演化过程。     

燃料电池电能与热能建模研究

为分析燃料电池的动态特性,对其发电和发热过程进行了建模研究。燃料电池划分为阳极动态模型、阴极动态模型、电化学电压模型和温度动态模型,分别从流量平衡、能量平衡和经验公式角度进行了机理建模;并采用改变负载和冷却水流量的方式进行测试。仿真结果表明,该模型能模拟燃料电池的电热动态过程,可用于辅助控制设计。     

压力传感器动态性能分析及改进

传感器的动态性能是否符合要求对测试结果的准确性至关重要。通过压阻式压力传感器的动态校准实验数据，建立其动态数学模型，并由此求出动态特性指标，最后设计出动态补偿数字滤波器，明显提高了传感器动态响应的快速性和展宽了工作频带。     

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.     

车载炮系统动态响应计算机模拟

该文系统地分析了车辆一地面一火炮相互作用的力学原理，通过基于相位角的随机抽样法建立了双侧路面的不平度模型；在车载火炮系统动力学响应认为是多刚体系统对地面不平激扰的响应假设条件下，建立包括履带在内的履带车辆行驶振动模型及车辆一火炮相互作用模型，分析了车载火炮系统在车辆行驶过程中的响应，并编写相应程序进行了仿真计算，对计算结果的分析说明所建模型与地面一车辆一火炮实际响应过程是相一致的，对车载系统的设计优化有着积极的意义。     

非线性布尔网络系统模糊建模与动态性能分析

针对非线性系统难以精确建模与动态性能分析的基本控制问题,基于模糊动态模型把布尔网络系统理论推广到非线性布尔网络系统,建立了模糊动态布尔网络控制系统的模型。引入模糊动态模型,对非线性布尔网络进行模糊建模,分别建立了非线性布尔网络系统的局部模型和全局模型。从系统的局部意义和全局意义上,对系统进行了能控性、能观性、稳定性等动态性能分析。最后,以多输入多输出的非线性布尔网络系统实例为具体研究对象,建立了系统的局部模型和全局模型,并对动态性能进行了仿真分析,得到了实验结果。实验结果表明,模糊动态布尔网络控制系统对非线性布尔网络系统的建模是有效的,动态性能分析是合理的,对模糊动态布尔网络控制系统的进一步分析有重要意义。     

铁道车辆减振器的数字设计

应用适用于现代车辆悬挂系统的设计与制造的液压减振器动态数学模型,有效描述研究模型参数与减振器的内部结构、零部件设置与减振器动态特性的关系. 将液压减振器动态数学模型作为用户模型加入MSC Adams,进行车辆系统动力学数值仿真研究. 以提速客车转向架CW 200为实例,应用液压减振器动态数学模型进行车辆悬挂系统参数的数值优化研究. 线路试验表明,应用新研制的减振器可明显改进车辆系统动力学性能.     

基于SVR的传感器Hammerstein模型辨识

提出一种基于支持向量回归机的非线性动态传感器Hammerstein模型辨识方法并给出了相关的数学理论及学习算法.在该模型中,用非线性静态子环节和线性动态子环节串联来描述传感器的非线性动态特性.再利用函数展开将模型的非线性传递函数转换为等价的线性中间模型,并通过SVR求取中间模型参数.最后,推导出中间模型参数与传感器Hammerstein模型参数之间的关系,并由该关系实现非线性静态环节和线性动态环节的同时辨识.用实际力传感器动态标定实验数据进行测试,结果表明与常规非线性传感器辨识方法不同,所提方法只需进行一次动态标定实验就能给出非线性动态模型的数学解析表达式.且建立的力传感器Hammerstein模型阶次为4,而线性动态系统模型则需要6阶才能达到相同的精度.因此该研究为传感器非线性动态系统辨识又提供了一种可选方法.     

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.