纳米位移传感器最小检测信号评述

综合分析了各种纳米位移传感器的特性及灵敏度。通过传感方法和传感结构，运用统一的模型进行定量分析和比较。得出了各种传感器最小检测信号的计算公式及理论值。     

自制电感传感器位移检测电路

本文介绍一款自制的位移检测电路,采用直流差分变压器电路,自制差分变压器式传感器,可将16mm的直线位移信号转换成直流电压信号,能检测位移,也能检测可转换成位移量变化的参数,如力和压力、振动和加速度、应变、液位等。可用来制作位置开关、测位仪、测力计、振动仪、液位仪、电子秤等。     

信号检测中的新型传感器

本文在介绍智能传感器、微传感器、多功能传感器和多参数传感器等倍受关注的新型传感器原理的基础上,结合国内外最新动态,研究了新型传感器在信号检测中的应用,指出在信号检测中存在的问题,给出了未来新型传感器的发展趋势.     

基于支持向量回归的非线性多功能传感器信号重构

在多功能传感器信号重构中,通常采用经验风险最小化准则实现函数回归,在小样本情况下,该方法易导致泛化性差和过拟合问题.本文利用支持向量回归方法实现非线性多功能传感器信号重构,支持向量机是基于结构风险最小化准则的新型机器学习方法,可有效抑制过拟合问题并改善泛化性能.仿真结果表明经该算法重构后的信号重构误差率在0.4%以下,重构效果较好,验证了该算法的有效性.     

基于联合神经网络的冗余传感器故障诊断和信号重构

本文提出一种基于联合神经网络的传感器故障诊断和信号重构的方法．联合神经网 络的初级神经网络实现冗余信息的压缩，利用冗余信息把故障信息过滤掉，第二级把压缩后 的非故障信息复原，然后通过SPE图来诊断故障．发现故障后利用冗余信息实现信号重构．     

NAMUR型速度传感器信号采集电路的设计

为了准确获取NAMUR型速度传感器信号,设计了一种基于PIC18F2480单片机的信号采集电路,并给出了该电路的软件设计流程。该信号采集电路可采集到0~600 Hz的频率信号,并可在线监测传感器断线、短路或正常工作等状态。     

差动电容小位移传感器检测电路设计

介绍了一种用于差动电容式小位移传感器的信号检测电路。该电路由相敏检波电路、移相电路以及低通滤波器三部分组成,采用相敏检波原理,能很好地实现0.15mm以内的位移测量,并能够很好地判断出位移的方向。该电路结构简单、便于调试、使用方便、成本低。采用该检测电路对差动电容小位移转换电桥的输出信号进行处理,实验结果表明：此方法具有较好的稳定性和抗干扰性,线性度达0.492％,灵敏度达0.6291V／mm。     

基于电涡流传感器的温度位移智能检测方法

在现有的温度位移检测方法中,绝大部分仅适用于单变量测量。即使有能够同时测量两个变量的方法,测量范围也较窄,无法解决一些高温、腐蚀环境中大范围测量的问题。因此,本文提出了一种基于电涡流传感器的温度位移智能检测方法。首先,基于长短期记忆网络(Long Short Term Memory Networks, LSTM)建立电涡流传感器探头线圈的等效电感L、激励频率f、品质因数Q与被测对象的位移x和温度T的模型。然后利用离线数据对该模型进行训练,再利用训练好的模型对位移x和温度T实现在线测量。最后利用仿真对该温度和位移检测方法的有效性进行验证。实验结果表明,与传统的BP、RBF、MOSVR相比,本文方法可以有效地对被测对象的位移x和温度T实现同时检测,并且优于其他方法。同时本文将该检测方法在单片机系统上进行了实现,以验证其解决实际工程问题的有效性。     

基于SVM预测器的传感器故障诊断与信号恢复研究

支持向量机(SVM)是一种新兴的基于统计学习理论的机器学习方法.简要介绍了SVM回归原理,据此建立了基于SVM的时间预测器并用于传感器的故障诊断和信号恢复,阐述了具体的实现方法和步骤.仿真结果表明:SVM预测器有效地克服了神经网络的不足,能准确预测和跟踪传感器的输出信号,并在传感器发生故障后一定的时间段内能较精确的估计传感器的正常输出.     

非线性多功能传感器信号重构的抗差估计方法研究

在非线性多功能传感器的信号重构过程中,训练样本集不可避免地夹杂粗差数据。为了得到既有较强抗差性又有较高效率的估值,采用抗差最小二乘法在粗差干扰条件下进行参数估计。抗差最小二乘估计通过等价权把抗差估计原理与加权最小二乘形式结合在一起,因此在抵抗粗差的同时保持了最小二乘法的优点。非线性信号重构的粗差抑制结果表明,抗差最小二乘法计算速度快,且具有良好的抗粗差能力和收敛可靠性。     

应变式传感器的信号隔离及数据重构

采用较高频率的周期性方波信号作为载波及解调信号,通过调制与同步解调技术对应变式传感器的输出模拟信号进行变压器式隔离.将隔离后的模拟信号及传感器使用环境温度对应的数字量作为输入变量,传感器的实际负载作为输出变量,利用移动最小二乘回归(MLSR)重构传感器所受负载与使用温度及隔离信号之间的数据模型.试验结果表明,采用调制及同步解调技术的模拟信号变压器式隔离电路具有良好的温度稳定性,利用MLSR建立的传感器数据重构模型拥有比传统最小二乘回归(LSR)更高的精度,在试验条件下的温度变化范围内,采用变压器式隔离电路得到的模拟信号隔离相对误差低于±0.2%,基于MLSR的传感器数据重构模型的负载检测相对误差低于±0.07%.     

反射式光纤位移传感信号双值的甄别􀀁

本文分析了反射式光强调制型光纤位移位感器输出信号双值的物理机制,在实验上,引入传感器输出峰值电压的监控信号,以甄别传感器的输出信号是上升沿还是下降沿所对应的位移量,使这类光纤传感器的实用成为可能。     

基于TDC-GP2的高速时栅位移传感器信号处理系统的研究

随着时栅位移传感器的产业化发展,高速测量需求的趋势日益凸显,提出了一种基于TDC-GP2的时栅位移传感器信号处理系统。该系统采用STM32F4和AD9958产生时栅位移传感器所需的高稳定、高精度励磁信号,采用高分辨率TDC-GP2数字时钟转换器来测量传感器动、定测头的感应信号相位时间差,将测量结果送入微处理器中处理,以此到达以时间测量空间的目的。经实验表明:48对极时栅传感器整周(0~360°)的误差达到±2.3″,该方案优化了电路结构,提高了时栅位移传感器的测量精度。     

基于LS-SVM的非线性多功能传感器信号重构方法研究

提出了基于最小二乘支持向量机(Least squares support vector machine, LS-SVM)的非线性多功能传感器信号重构方法. 不同于通常采用的经验风险最小化重构方法, 支持向量机(Support vector machine, SVM)是基于结构风险最小化准则的新型机器学习方法, 适用于小样本标定数据情况, 可有效抑制过拟合问题并改善泛化性能. 在SVM基础上, LS-SVM将不等式约束转化为等式约束, 极大地简化了二次规划问题的求解. 研究中通过L-折交叉验证实现调整参数优化, 在两种非线性情况下对多功能传感器的输入信号进行了重构, 实验结果显示重构精度分别达到0.154\%和1.146\%, 表明提出的LS-SVM重构方法具有高可靠性和稳定性, 验证了方法的有效性.     

基于B样条整体最小二乘的非线性多功能传感器信号重构方法

提出一种基于B样条整体最小二乘(Total least squares,TLS)的非线性多功能传感器信号重构新方法.该方法利用B样条基函数直接构建描述多功能传感器传递函数反函数的张量积B样条曲面;采用TLS求解超定方程组以获得稳定的控制系数估计.以二输入二输出多功能传感器模型为实验对象,在两种非线性情况下对多功能传感器的输入信号进行了重构,重构相对误差分别为0.162％和1.043％,并与常用重构方法进行了对比分析.理论和实验表明,B样条TLS重构方法对非线性多功能传感器传递函数的反函数具有良好的逼近性能,在信号重构中表现出较好的有效性.     

BOSCH 传感器特性研究及信号调理电路的设计􀀂

在柴油机电控喷油泵中所采用的传感器是德国BOSCH公司的一种位移式传感器,它是电控喷油泵闭环控制系统中齿条位置反馈元件.本文针对该传感器进行了特性测试,并通过实验研究确定了喷油泵内齿条与传感器位置的物理零点,最后对传感器的信号调理电路进行了设计.