基于DSP的NaI（Tl）闪烁探测器温漂补偿方法

针对煤化工应用中环境温度影响NaI(Tl)闪烁探测器从而造成漂移的问题,提出了一种基于DSP的NaI(Tl)闪烁探测器温度漂移补偿的方法.首先研究了探测器的温度变化量与特征峰道址变化量的相关关系以及高压调整量与特征峰道址变化量的相关关系,并根据最小二乘法对数据进行曲线拟合.然后利用温度变化量与高压变化量关系反向调整高压模块电压和特征峰峰位追踪相结合的方法,设计了基于DSP的温度漂移补偿系统.最后检验了此方法用于温度漂移补偿的效果.检验结果表明所提方法的补偿效果远好于倍极电压补偿方法的效果,有效地对探测器温度漂移进行了补偿,探测器的谱漂移减小到0.1％,达到了实际应用中的要求.     

石油井下测压器温漂的软件补偿

针对石油井下压力测试,在射孔完井过程中会释放大量的热量,致使测压器的测试精度产生很大的不确定性。为了能够准确测出井下压力,根据井下高温环境的特点和传感器的特性,需要对测压器进行温度补偿;文章通过对测压器高低温测试特性的分析,实验得出测压器输出的温度漂移曲线和最大漂移量;进而通过软件补偿的方式,使得测压器的热零点漂移系数由补偿前的±1FS/(55°C)降到补偿后的±0.03FS/(55°C),提高了一个数量级。     

压力传感器热零点漂移补偿各种计算方法的比较

压力传感器在实际应用中,由于力敏电阻器的不匹配及其漏电流的影响会产生零点漂移现象.这种现象在一定程度上影响了压力传感器的精度.随着压力传感器的应用范围不断扩大,对测量准确度的要求不断提高,因此对零点漂移的校正就成为一个重要的研究课题.在计算机技术广泛应用的今天,使得对压力传感器的零点漂移及非线性软件补偿成为可能.本文结合目前应用比较普遍的各种补偿计算方法,通过编制程序,对压力传感器热零点漂移现象作了补偿.结果表明,非线性函数多项式拟合规范化方法和神经网络法拟合出的数据精度很高,取得了其他方法无法达到的补偿效果.     

硅微谐振式加速度计温漂补偿研究

硅微谐振式加速度计的输出信号是由谐振频率反映的,谐振频率的特性决定了仪表的精度.但加速度计的谐振频率具有温敏特性,当温度变化时,便会产生测量误差.为了减小这一影响,结合加速度计的外围控制系统,在分析加速度计谐振频率、控制电压随温度变化规律的基础上,设计加速度计零偏的补偿方法.利用数据拟合,建立加速度计谐振偏移频率与控制...     

片上温漂补偿的压阻式压力芯片的设计与制造

为解决硅压阻式压力芯片灵敏度随着温度变化发生漂移的问题,设计了一种在片上集成温度补偿结构的压力芯片。在压力芯片上制备电阻温度系数(TCR)为负数的多晶硅电阻用于分压,调整不同温度下的惠斯通电桥端电压以达到灵敏度补偿的效果。本文的研究包含理论分析、参数计算,并进行了芯片制备和性能测试。性能测试结果表明,补偿后的耐高温封装传感器芯片在-50℃～270℃区间内,温漂为-0.034%FS/℃,简易封装传感器芯片在-40℃～125℃区间内的温漂为-0.008%FS/℃,该补偿芯片的温漂远小于无补偿的压力芯片。     

LTCC高温压力传感器温漂特性研究

研究了利用杜邦951 LTCC材料制备的无线无源压力传感器的温漂特性。通过搭建高温测试系统,对传感器0~600℃内的高温特性进行了测试,结果表明传感器存在较大温度漂移。通过制作无腔传感器和LTCC基片上螺旋电感进行高温特性测试,通过对比分析,确定了造成传感器温漂的主要原因是LTCC材料相对介电常数的变化。结合测试数据和公式推导,得出了600℃时杜邦951 LTCC材料的相对介电常数由常温7.8增大到9.04。     

光栅检测系统温度误差的补偿方法

温度误差是影响检测系统精度的重要因素。重点论述了环境温度的检测过程 ,提出了利用单片机对温度误差进行补偿的系统结构与原理。最后给出实验结果     

基于BP神经网络的压力传感器温度补偿方法研究

硅压阻式压力传感器在工作时受温度的影响较大,随着温度的升高或降低,传感器的实际测量值会出现一定的误差,出现温度漂移的现象。为了抑制温度漂移对传感器的影响,采用人工神经网络中的BP神经网络的方法对温度漂移现象进行补偿,通过对补偿前后数据的对比,使传感器的灵敏度温度系数和满量程误差分别提升了两个数量级,得到了较为理想的效果,提升了传感器的性能和可靠性。     

采用神经网络补偿压电陀螺的零位温漂

针对中低精度的压电陀螺静态零位输出随温度漂移严重的问题，分析了产生的原因，做了相应的实验，提出了用BP神经网络进行补偿的方法。该方法具有很强的非线性映射能力，减少压电陀螺的零位输出误差，并且将实验结果与传统的方法的结果进行比较，实验证明，在不改变陀螺结构的情况下，该方法能有效地将陀螺的静态零位温漂误差减小一个数量级以上，从而使该类型陀螺能够应用于中高精度系统中。     

经络电信号的测量与分析

本文给出了一种经络穴位信号的采集与处理系统的设计。该系统以AD620、OP07等器件做为放大电路核心元件,针对经络穴位信号的特点,对由电极采集到的经络穴位信号,通过前置放大,将微弱的经穴信号高保真放大,并通过各种滤波电路滤除干扰,再经过采样变成数字信号在计算机中用MATLAB进行分析和处理。实验表明:该测量系统可明显检测到经络的良导性,该测量系统为经络信息的进一步研究打下良好的基础。     

FPGA在温度补偿气压测量系统设计中的应用

介绍一种基于FPGA带温度补偿设计的气压测量系统,详细论述了FPGA处理器在气压测量系统设计中各功能部分的内部设计结构、工作流程以及补偿算法的分析和设计,最后通过系统测试结果验证FPGA设计对气压测量系统中温度补偿的可行性和有效性。由于FPGA具有高可靠性、强数据处理能力、速度快等特点,有效地改善了一般气压测量系统精度低、处理速度较慢、实时性较差的问题。     

热流量传感器温度补偿方法研究

在热流量传感器测量电路中,利用惠斯登电桥平衡电路和热敏电阻器补偿不能解决流体本身温度变化带来的测量误差。介绍一种用于补偿流体温度变化引起测量误差的方法。试验结果表明:采用该方法进行温度补偿后,可以基本消除流体温度变化引起的测量误差,提高系统的测量精度。     

自动雨量测量系统的温度补偿

在利用超声波测量降雨量的自动雨量测量系统中,由于温度对超声波速度的影响,使测量的准确度降低,达不到设计要求,所以需要对它进行温度补偿。通过对测量过程中可能产生的误差进行了分析,提出了利用单线温度传感器DS1820测量雨水温度,实现对超声波传输速度的精确计算,达到准确测量雨量的设计要求(优于1%)。     

消耗型光纤比色法钢水温度测量系统

介绍了一种利用光导纤维实现钢水温度高温测量系统,详细分析了测量系统的光纤消耗补偿工作原理及实际温度测量时信号处理的关键技术问题。并给出了光导纤维比色温度测量系统的系统组成和实验数据。指出了该系统具有准确度高、反应快的特点,解决了传统钢水温度测量时,成本较大、难以自动化等问题。     

数字气压传感器的一种高效标定和补偿方法

硅压阻式压力传感器受制造工艺和测量环境的影响,其输出大都具有一定的非线性,其中以温度的影响最为明显。鉴于此,传感器需要准确地标定测试和温度补偿,首先制作一种带有高精度AD和微处理器的数字气压传感器,用它采集数据;然后分析测试设备,确定采用恒压变温的标定方案,它不仅效率高,而且能准确反映传感器的温度和输出特性;最后用最小二乘算法在微处理器上实现温度补偿,补偿后传感器的输出精度满足了应用需求。     

比例阀控电液系统抗扰换向滞后补偿反步控制

针对比例阀存在换向滞后,电液系统受到的外部干扰,液压油弹性模量随渗入的空气变化、未建模动态,这些因素增加了设计电液位置控制器的难度,本文使用线性扩张状态观测器(LESO)对比例阀控电液系统的内部扰动、外部扰动、未建模动态进行估计,将虚拟控制量的非线性函数纳入抗扰反步控制器设计,实现比例阀控电液系统换向滞后补偿.分析了闭环系统的稳定性,证明当扰动导数有界时,观测误差和跟踪误差都有界,调整控制器增益与非线性项参数可使跟踪误差收敛到原点附近,仿真和实验表明,本文设计的控制器能显著缩短比例阀换向滞后、提高电液位置控制系统的跟踪速度、精度与抗扰能力.     

An extended compromise ratio method for fuzzy group multi-attribute decision making with SWOT analysis

The technique for order preference by similarity to ideal solution (TOPSIS) is a well-known multi-attribute decision making (MADM) method that is used to identify the most attractive alternative solution among a finite set of alternatives based on the simultaneous minimization of the distance from an ideal solution (IS) and the maximization of the distance from the nadir solution (NS). We propose an alternative compromise ratio method (CRM) using an efficient and powerful distance measure for solving the group MADM problems. In the proposed CRM, similar to TOPSIS, the chosen alternative should be simultaneously as close as possible to the IS and as far away as possible from the NS. The conventional MADM problems require well-defined and precise data; however, the values associated with the parameters in the real-world are often imprecise, vague, uncertain or incomplete. Fuzzy sets provide a powerful tool for dealing with the ambiguous data. We capture the decision makers’ (DMs’) judgments with linguistic variables and represent their importance weights with fuzzy sets. The fuzzy group MADM (FGMADM) method proposed in this study improves the usability of the CRM. We integrate the FGMADM method into a strengths, weaknesses, opportunities and threats (SWOT) analysis framework to show the applicability of the proposed method in a solar panel manufacturing firm in Canada.     

An intelligent fault diagnosis method for rotor-bearing system using small labeled infrared thermal images and enhanced CNN transferred from CAE

Despite deep learning models can largely release the pressure of manual feature engineering in intelligent fault diagnosis of rotor-bearing systems, their performance mostly depends on enough labeled samples constructed from the vibration signals. Acquiring lots of labeled samples is often laborious, and the vibration sensors tightly fixed on the equipment may influence their structures after long time running. To address these two problems, a new framework based on small labeled infrared thermal images and enhanced convolutional neural network (ECNN) transferred from convolutional auto-encoder (CAE) is proposed. First, infrared thermal images are measured to characterize various health states of rotor-bearing system. Second, exponential linear unit (ELU) and stochastic pooling (SP) are used to construct ECNN. Then, the model parameters of a CAE pre-trained with unlabeled thermal images are transferred to initialize the ECNN. Finally, small labeled thermal images are used for training ECNN to further adjust model parameters. The collected thermal images are used to test the diagnosis performance of the proposed method. The analysis and comparison results show that the proposed method outperforms the current mainstream methods.