正交非线性模型在传感器动态补偿中的应用

讨论了基于正交函数的非线性模型在传感器的动态补偿中的应用,给出了该模型的结构及相应的算法,使经过补偿后的传感器具有理想的输入输出特性。试验结果表明,应用这种基于正交函数的非线性模型对传感器进行动态补偿是一种行之有效的方法。     

基于神经网络的传感器动态补偿算法及DSP实现

为了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;讨论了基于自适应神经网络的传感器动态逆建模方法,采用网络分块训练和可变学习因子的方法来提高训练的精度,缩短收敛时间;研究了在加入不同信噪比的随机噪声下应用该模型实现传感器动态补偿的可行性;对典型的压电传感器模型进行了仿真,仿真结果表明补偿后传感器模型的响应速度加快,同时还可以抑制噪声;研制了基于数字信号处理器的数据采集及补偿系统并运用该系统对传感器模拟器输出的数据进行了采集,试验结果表明该系统能够准确的采集存储数据,同时还能够修正由传感器模拟器引起的动态误差。     

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SVM的电涡流传感器动态建模方法

传感器的动态特性反映了系统动态测试的能力,而时传感器动态特性描述的有效方法是建立传感器的动态模型.本文简单介绍了回归型支持向量机的基本原理,研究了利用支持向量机建立传感器动态模型的方法.利用支持向量机良好的回归拟合能力,建立了电涡流传感器的动态模型.实验结果表明该方法所建模型具有较高的准确性,为改善电涡流传感器的动态特性,实现动态补偿提供了一种较为有效的方法.     

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。     

瞬态表面温度传感器动态校准及误差补偿研究

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。动态补偿对于改善测温系统动态特性,减小动态误差有重要意义。该文首先熟悉现有的瞬态表面温度传感器动态校准系统;然后,利用系统所测得输人输出数据,采用系统辨识方法建立了测温系统的动态数学模型,并利用交叉检验法验证该模型的正确性;最后,利用反滤波动态补偿方法实现对瞬态表面温度传感器测温系统的动态补偿。经检验该方法可以达到理想的补偿效果,减小了动态误差,改善了系统的动态特性。     

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.     

基于预测模型的温度传感器动态补偿新方法

提出了基于预测思想的温度传感器动态性能补偿新方法,利用该方法建立的动态补偿模型,可大幅提高温度传感器的响应速度.实验结果表明,预测补偿方法不仅能有效地改善传感器动态响应特性,而且与传统网络补偿方法相比还具有抗外界干扰强等特点.     

有限空间爆炸瞬态温度的动态补偿方法研究 �

为改善铠装绝缘型热电偶的动态特性,采用集总热容法建立了热电偶传热模型,将其系统特性简化为一阶惯性系统,为验证系统阶次的合理性并确定传递函数参数,建立了最小二乘支持向量机系统辨识模型,采用高温油浴法进行了热电偶动态标定实验,基于动态标定数据和粒子群优化算法,建立了热电偶动态补偿模型。实验结果表明:由集总热容法和系统辨识模型确定的系统传递函数能够较为准确的描述铠装绝缘型热电偶的动态特性,传递函数在阶跃激励下的响应曲线与动态标定实验中传感器的输出曲线具有较高的一致性,基于粒子群优化算法的动态补偿模型表现出较好的补偿效果,经补偿后系统响应时间由7.124s减小为1.187s,且传感器工作频带得以有效扩展,将该方法应用于有限空间爆炸瞬态温度的动态补偿中,能够在一定程度上减小传感器的动态测量误差。     

基于改进QR-PSO算法的压力传感器的动态补偿方法

针对压力传感器在实际使用中动态特性难以满足测试需求这一问题,利用激波管对压力传感器进行动态标定,获取实验样本,依赖样本估计逆模型,提出了基于QR分解和改进粒子群算法构建补偿系统的设计方法.采用QR分解确定模型阶次,降低了简化传感器模型带来的动态补偿运算误差,并结合改进粒子群算法,高效、智能的确定补偿系数.通过实测样本对补偿系统进行重复性验证,结果表明压力传感器的动态响应性能显著地提高了,补偿效果令人满意.     

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。     

基于进化策略的动态递归神经网络建模与辨识

提出一种采用进化策略实现动态递归神经网络结构、权重和自反馈增益同时进化的学习算法,以及自适应进化机制,与改进ＢＰ６算法相结合,各取所长,形成集成化动态递归神经网络建模辨识算法,实际应用结果表明,所提出算法不仅明显提高了动态递是 网络模型辨识自救的收敛速度格精度,而且实现了动态递归网络的全自动优化设计。     

一种基于正交基神经网络算法的传感器误差补偿方法

为了提高传感器的误差补偿精度,提出了一种基于正交基神经网络算法的传感器误差补偿方法.研究了神经网络算法的收敛性,为学习率的选择提供了理论依据.为了验证算法的有效性,给出了传感器误差补偿实例.研究结果表明,基于正交基神经网络算法的传感器误差补偿方法具有高的误差补偿精度,因而是一种有效的误差补偿方法.     

灰色动态模型及其在色谱保留值研究中的应用

根据灰色理论建立色谱保留值预测模型，可以为探讨混合多组分分离条件提供依据。灰色动态模型由GM(1，1)和灰数等维递补动态模型组成，应用于多环芳烃化合物容量因子与流动相组成间的关系研究。结果表明，灰数等维递补动态模型比常规GM(1，1)模型具有更好的抗干扰性能和受异常点影响小的优点。灰色动态模型的提出为灰色理论应用色谱保留值的预测以及其它较复杂化学体系的研究提供了一种新方法。     

温度检测系统的非线性动态补偿研究

在温度测控系统中,对于温度传感器在测量时存在较大非线性动态偏移误差,提出基于参考模型的利用扩展卡尔曼滤波算法设计温度传感器的动态补偿的方法.用扩展卡尔曼滤波进行补偿器的参数辨识,从而得到比较精确的补偿器,因此温度传感器的动态偏移误差得到自动补偿.本文所设计的系统可以对温度进行有效的控制,且具有一定的鲁棒性和较好的响应速度.     

Distributed and Recursive Parameter Estimation in Parametrized Linear State-Space Models

We consider a network of sensors deployed to sense a spatio-temporal field and infer parameters of interest about the field. We are interested in the case where each sensor's observation sequence is modeled as a state-space process that is perturbed by random noise, and the models across sensors are parametrized by the same parameter vector. The sensors collaborate to estimate this parameter from their measurements, and to this end we propose a distributed and recursive estimation algorithm, which we refer to as the incremental recursive prediction error algorithm. This algorithm has the distributed property of incremental gradient algorithms and the on-line property of recursive prediction error algorithms.      

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。     

声表面波压力传感器温度误差及补偿方法研究

要提高声表面波压力传感器的测量精确度，温度补偿是主要难题。尽管目前有许多补偿方法，但其效果不佳。采用软件方法进行温度补偿的研究在国内外已成热点，但选用神经网络对SAW压力传感器进行温度补偿尚罕见报道。本文以CSF-10型SAW压力传感器为研究对象，通过理论分析和实验，得到了SAW压力传感器的温度特性曲线，又经现场实际操作，BP神经网络对SAW压力传感器温度补偿的效果良好，充分表明了应用神经网络在提高声表面波测量精度方面是行之有效的方法。     

基于非线性增益递归滑模的船舶轨迹跟踪动态面自适应控制

针对三自由度全驱动船舶存在模型不确定和未知外部环境扰动的情况,设计出一种基于非线性增益递归滑模的船舶轨迹跟踪动态面自适应神经网络控制方法.该方法综合考虑船舶位置和速度误差之间关系设计递归滑模面,引入神经网络对船舶模型不确定部分进行逼近,设计带σ-修正泄露项的自适应律对神经网络逼近误差与外界环境扰动总和的界进行估计,并应用一种非线性增益函数构造动态面控制律,选取李雅普诺夫函数证明了该控制律能够保证轨迹跟踪闭环系统内所有信号的一致最终有界性.最后,基于一艘供给船进行仿真验证,结果表明,船舶轨迹跟踪响应速度快、精度高,所设计控制器对系统模型参数摄动及外界扰动具有较强的鲁棒性.     

神经网络补偿算法在基于MEMS的姿态检测中的应用

针对基于微机电传感器的姿态检测领域存在的姿态测量误差问题,为进一步提高姿态检测的精度,提出了一种基于神经网络的姿态估计误差补偿方法。采用开源的微型飞行器在室内环境进行真实飞行实验采集的数据集,借助BP神经网络的非线性映射能力,建立了关于微机电传感器的输出与姿态估计误差之间的姿态误差补偿模型;根据微机电传感器的输出信息,直接预测得到横滚角、俯仰角和偏航角的误差补偿角度。实验结果表明,利用所提出的神经网络进行姿态补偿之后,姿态估计误差大大减小,表明神经网络对于提高姿态检测的精度具有一定的作用。