智能传感器系统 第7章 智能技术在传感器系统中的应用

《智能传感器系统 第7章 智能技术在传感器系统中的应用》由会员分享，可在线阅读，更多相关《智能传感器系统 第7章 智能技术在传感器系统中的应用（77页珍藏版）》请在金锄头文库上搜索。

1、目 录,第1章 概 述 第2章 智能传感器系统中经典传感技术基础 第3章 不同集成度智能传感器系统介绍 第4章 智能传感器的集成技术 第5章 智能传感器系统智能化功能的实现方法 第6章 通信功能与总线接口 第7章 智能技术在传感器系统中的应用 第8章 智能传感器系统的设计与应用 第9章 无线传感器网络技术概述,第7章 智能技术在传感器系统中的应用,要 点： 智能模糊传感器； 人工神经网络在智能传感器中的应用。,模糊传感器就是采用模糊集合理论方法，来实现测量的数值结果转换为 人类语言的符号来表示。其核心部分是将测量结果的数值表示转换为用人类 语言符号表示的单元模块，亦即数值符号转换器。 介绍模糊

2、传感器的起源： 专业化通俗化； 数值化符号化； 简单化智能化。,7.1 智能模糊传感器,7.1.1 基础知识 测量结果“符号化表示”的概念 1、测量的概念：以确定被测量值为目的的一组操作，亦或是将被测量与标准量进行比较的过程。 2、测量领域的不断扩大和深化；被测对象的多维性和问题的复杂性；信息难以进行定量描述；信息存储等方面的问题，仅用数值符号来描述测量结果是不够的。 3、符号化表示的优点： 信息量紧凑，存储量少； 无需建立精确模型； 允许数值测量有较大的非线性和较低的精度； 可以进行推理、学习、并可以将人类经验、专家知识与智能事先集成，易于理解。,4、在数学中描述量与量之间的关系有三条途径：

3、 1）经典的数学分析和集合论，它是描述与度量“确定性”量的数学方法。 2）概率论与数理统计，它是研究事先不能判定其发生与否的“随机性”事件，但事件本身的含义仍是分明的。 3）模糊数学，它是用数学的方法来描述和研究具有“模糊性”事物的数学，用于解决本身概念都尚不分明的事物，并定量的研究这些客观存在的模糊现象。 符号测量系统符号传感器系统 1、符号测量系统的基本概念与组成 1）可以处理和实现数值测量和符号测量的测量系统，称为符号测量系统。,2）基本构成：由两大部分组成 a）传统的数值测量系统； b）数值符号转换单元。 2、三种符号系统 1）数值符号系统 被测对象的有关物理参量向数值域的转换或称映射

4、，这就称作用符号表示的传统的测量系统。,a） b） c） ：映射关系；表示对象域向数值域映射的某种关系。 d） 之间的关系 e） 之间的关系 f） ： 到 关系的映射； 构成了数值符号系统的关系概念。 2）语言符号系统 完成由数值域向伪语言符号域的转换或称映射。本身构成数值符号转换器，由软件实现。,，,，,a） b） c）：映射关系，数值域语言域 d） 之间的关系 e） 之间的关系 f） ： 到 的映射关系； 构成了语言符号系统的关系概念。 3）人类自然语言符号系统 直接将现实世界与自然语言符号域相对应。亦即：,，,，,；,3、模糊传感器的基本概念 采用模糊集合理论方法来构成数值符号转换单元，

5、以实现测量的数值结果转换为人类自然语言符号表示的符号测量系统，称为模糊传感器。 模糊集合理论简介 模糊集合是精确集合的推广和扩充，不能简单判定“是”与“不是”。 精确集合的概念：一个对象要么符合该概念（属于），要么不属于该集合。 1、模糊集合（经典集合） 一个对象组成的论域： ，或称所有元素的集合，从U到闭区间0,1有映射 ，则称 确定了U的一个模糊集合A，而 称为模糊集合A的隶属函数。 称为论域U中元素x隶属于模糊集合A的程度，简称x对A的隶属度。,，隶属度高； ，隶属程度低。 精确集合是模糊集合的特殊形式。 2、确定隶属函数的方法 模糊子集完全由其隶属函数所描述。进行模糊识别首先要获取识别

6、信息，而模糊识别信息可借助于隶属函数获得。因此确定隶属函数是一项基本而又非常重要的工作。 1）隶属函数的确定方法（也叫原则） a）通过模糊统计来确定； b）采用二元对比排序法； c）借用常见的模糊分布来确定； d）利用动态信号处理的结果，经过适当转换得到隶属函数，如机械运动 系统的状态； e）通过神经网络模型来学习和获取隶属函数；,f）主观认识、个人经验、人为评分等。 2）几种常见的隶属函数及其曲线 设论域为实数域U，若A为U上的模糊子集，则 又称为A的模糊分布，简记为 。 a）戒上型（偏小型） 适用于x很小的隶属函数，论域x均取正值。 b）戒下型（偏大型）（下图） 适用于x较大时的隶属函数，

7、论域x均取正值。,c）中间对称型 函数形式除了书上讲的三种，还有：,尖分布： 哥西分布： 0,为正偶数， 书中讲的柯西型，有的书上称为正态分布。,岭型分布：,3、模糊算子 两个模糊集合A、B之间在0,1闭区间中的二元运算。它的运算规则与我 们以前学的集合的运算概念相一致。 它的运算结果最大为1，最小为0。其中模糊积就是它们的数值积： 4、含义映射 与描述映射 1）含义映射 ，亦即语言域Y上的任意一个元素 ，它的原像可用 表示，且等于数值域上的x，也就是说值x是语言的含义值。 2）描述映射 ，亦即数值域N上的任意一个元素x，它的像可用 表示，且等于符号域上的 ，就是说语言是数值x的描述。,5、模

8、糊语义和模糊描述 与上述概念相对应。 1）模糊语义 ，语言值的模糊语义是 上的模 糊子集 的映射。 ：语言值的模糊语义为x。 2）模糊描述： ，数值量的模糊描述是 的模糊子集 的映射。 ，数值量x的模糊描述为a。 3）模糊关系 模糊关系R是指模糊语义和模糊描述之间的关系，它的隶属函数为： 在语言域Y中给定一个语言量 ，模糊关系R就在数值域N中确定一个模糊,子集 ，则任意一个属于数值域 N中的数值量x属于模糊子集 的程度 由模糊关系隶属函数 给定。 举例说明： 一个汽车系统，语言域Y描述为：汽车系统故障，其中一个语言量为发动机故障，对应的数值域N的模糊子集有 ：气缸温度、气缸磨损度、活塞外径、气

9、缸内径， 。对于喷油嘴的喷油量引起发动机故障的概率或者说程度即为 。 同样，在数值域N中也一样。 有些概念性的东西，理解起来比较费劲，关键是要仔细体会。 例如：一个人的血压高，原因有：缺乏锻炼、饮食不好、遗传、工作环境的影响等等。同样饮食不好，可能会引起：血压高、血脂高、身体过胖、糖尿病等等。那么在有些时候要确定一个最主要的因素和结果。,6、基本符号测量分度和模糊分度 1）符号测量分度 目的：建立合适的与定量测量一致的符号化测量形式。 a）标称分度 表达了被测对象域和符号域Y的相等关系： 如果对象域上的两个元素相等，则它们的像测量结果，也相等。 即：如果两个人的身高相等均为1.85m，则他们都

10、属于：高的范围。 b）顺序分度 （如：不同产家的同一类产品的质量判定） 表达了集合和Y上相对应的顺序关系：,对象域上的顺序关系应与映射到符号域上的保持一致。 c）线性分度 表达了在对象域和符号域Y上的一个相等关系和一个相加运算： d）映射关系与变换法则： 被测对象域和符号域之间的映射关系不是唯一的，它可以通过变换法则F变为 。 变换法则F的有效性：要保持其测量分度的类型的有效性不变。 标称分度的允许变换法则是任意一个一一映射； 顺序分度的允许变换法则是任意一个单调增映射； 线性分度的允许变换法则是 ,0,0。,符号测量分度表达的是由被测对象域（亦即数值域）向符号域推导的过程。 2）模糊分度 目

11、的：从语言信息中推导出有意义的描述。 a）模糊对称分度 符号域Y中的两元素a和b :Y上的模糊子集； :N上的模糊子集； 对于关系式： 的举例说明： 两个人身高均为1.85，它们均为Y域上“高”，但是两个人在Y域上的“高”，并不能说明两个人的身高相等，也可能有差别。也就是上式没有,可逆的关系存在。 b）模糊顺序分度 的解释：假定 是一个在 之间的实数值，则其隶属函数为：,距离概念的解释： 两个集合：A、B a）最远距离； b）最近距离； c）平均距离（中心距离）； d）加权线性距离；欧几里得距离；Minkowsky距离；极 小极大化距离。 贴近度的概念： 用距离来度量模糊度，在离散情况下需要求

12、和，在连续情况下需要求积分，当论域元素很多，计算较困难，为此引入贴近度的概念；有几种不同的定义贴近度的算法。,7.1.2 模糊传感器的功能及结构 模糊传感器的功能 一方面具有智能传感器的一般特点和功能，另一方面有自己的独特功 能。 1、学习功能 主要综合利用已有的知识、经验，并达到拟人化表达的效果；功能本身 的需要。 学习方法：指导学习和自学习。 效果：自拟定检测方案（相关被测量的选择），相当于一个专家系统。 2、推理功能 基于知识库和模糊推理规则实现对传感器信息的综合处理。（基于模糊 逻辑方法处理由模糊性引起的不精确推理称为模糊逻辑推理。）,3、感知功能 指模糊传感器感知敏感元件确定的被测量

13、，输出易于人类理解和掌握的自然语言符号量。 4、通信功能 内部信息交换；外部信息交换。 总之，模糊传感器相当于一个不断学习的学生。 模糊传感器的结构 1、基本逻辑结构 参见下图，其各主要框图的功能及作用，书中已讲得比较简明，结合我们以前介绍给大家的故障诊断技术中的专家系统，应该不难理解。其中的专家信号管理相当于知识库和模糊推理规则；而符号处理层更多的是推理机的功能。同时，从学习的角度，符号处理层应该有信息输入到专家信号管理框图里，以作为新知识的积累和存贮。,2、基本结构框图 1）基本物理结构 该结构应该是很容易被接受和理解。需要说明的是：专家信号通过人机接口与系统进行联系，一般是产品出厂前和定

14、期检查以及系统更新时使用。 2）基本软件结构 与基本物理结构相对应。数值/符号转换模块和符号/数值转换模块相当于A/D与D/A。软件结构在实际使用中，关键在于该软件系统如何进行有效合理的组织与设计，从而使之快速、有效、可靠。,3、多维模糊传感器结构 属于相互关联的多被测量传感器系统，在上述工作的基础上，主要的问题是解决信息融合的问题和在此基础上知识库的建立以及语言概念的生成。 1）基础测量单元 敏感元件阵列、信号调理电路阵列、A/D阵列、数值预处理阵列组成，功能与传统传感器系统一致，输出量是数值信号或其特征量 2）语言符号生成与处理单元 数值/语言符号转换器阵列；概念合成器；知识库；数据库；学

15、习单元，它们组成了多维模糊传感器的核心。主要功能：实现数值/语言符号的模糊转换，输出量是语言符号S（sentence语句，semantic语义）； a）知识库的内容 模糊集合及其对应的隶属函数； 生成概念的模糊推理规则； 检测对象的特性背景知识。,多维模糊传感器结构框图,如相同血压值的不同人，其生成的符号肯定是不同的，指不同人的各种主要特征量。 测量系统的相关知识。 与系统本身的构成与功能特性相关，如同样称重的衡器，杆秤与电子秤的差别，或者测同样的量（如加速度）可采用不同的测量方法（电容法、应变法）。 功能：产生对应于模糊集合的隶属函数。 通过前面我们讲的各种方法，通过模糊语言关系自动生成； 在专家的指导下，通过学习和训练来产生和修正隶属函数。 b）模糊传感器在使用前要进行样本训练，产生一概念序列，该序列中的每个元素由两部分组成：术语概念和隶属函数。,c）实际测量时，数值量的结果经过该单元处理，得到属于各个术语的隶属度，再按模糊集运算规则（如前面我们介绍的最小邻域法规则）就可得到其对应的符