《传感器自动检测的共性技术及新发展课件》由会员分享，可在线阅读，更多相关《传感器自动检测的共性技术及新发展课件（185页珍藏版）》请在金锄头文库上搜索。
1、第第9章章 自动检测的共性技术及新发展自动检测的共性技术及新发展9.1 误差修正技术9.2 MEMS技术与微型传感器9.3 虚拟仪器9.4 无线传感器网络9.5 多传感器数据融合9.6 软测量技术 思考题与习题传感器自动检测的共性技术及新发展课件9.1 误差修正技术9.1.1 系统误差的数字修正方法系统误差的数字修正方法9.1.2 随机误差的数字滤波方法9.1.3 动态补偿方法传感器自动检测的共性技术及新发展课件误差来源有以下几方面：检测系统本身的误差(a)工作原理上，如传感器或电路的非线性的输入、输出关系；(b)机械结构上，如阻尼比太小等；(c)制造工艺上，如加工精度不高，贴片不准，装配偏差
2、等；(d)功能材料上，如热胀冷缩，迟滞，非线性等。外界环境影响例如，温度，压力和湿度等的影响。人为因素操作人员在使用仪表之前，没有调零、校正；读数误差等。传感器自动检测的共性技术及新发展课件误差分类：从时间角度，把误差分为静态误差和动态误差。静态误差包括通常所说的系统误差和随机误差。其中，系统误差是指在相同条件下，多次测量同一量时，其大小和符号保持不变或按一定规律变化的误差。动态误差是指检测系统输入与输出信号之间的差异。由于产生动态误差的原因不同，动态误差又可分为第一类和第二类。第一类动态误差：因检测系统中各环节存在惯性、阻尼及非线性等原因，动态测试时造成的误差。第二类误差：因各种随时间改变的
3、干扰信号所引起的动态误差。针对不同的误差，有不同的修正方法；就是对同一误差，也有多种修正方法。 传感器自动检测的共性技术及新发展课件9.1.1 系统误差的数字修正方法1. 利用校正曲线修正系统误差利用校正曲线修正系统误差 2用神经网络修正系统误差3非线性特性的校正方法 传感器自动检测的共性技术及新发展课件1.利用校正曲线修正系统误差通过实验校准(或称标定)来获得系统的校准曲线(输入、输出关系曲线)。校准：在标准状况下，利用一定等级的标准设备，为系统提供标准的输入量，测试系统的输出。在整个量程范围内，选多点测试；在每个点上，测试多次，由此得出系统的输入、输出数据，列成表格或绘出曲线。将曲线上各校
4、准点的数据存入存储器的校准表格中，在实际测量时，测一个值，就到微处理器去访问这个地址，读出其内容，即为被测量经修正过的值。传感器自动检测的共性技术及新发展课件内插方法对于值介于两个校准点与之间时，可以按最邻近的一个值或去查找对应的值，作为最后的结果。这个结果带有误差。此时，可以利用 (分段直线拟合)来提高准确度。校准点之间的内插，最简单的是线性内插。当取传感器自动检测的共性技术及新发展课件9.1.1 系统误差的数字修正方法1. 利用校正曲线修正系统误差 2用神经网络修正系统误差用神经网络修正系统误差3非线性特性的校正方法 传感器自动检测的共性技术及新发展课件2用神经网络修正系统误差传感器自动检
5、测的共性技术及新发展课件 传感器模型传感器模型 环环 境境 参参 数数 误差修正模型的输出误差修正模型的输出 即误差修正模型的输出即误差修正模型的输出z与被测非电量与被测非电量x成线性关系成线性关系,且与各环境参数无关。且与各环境参数无关。只要使误差修正模型只要使误差修正模型 ，即可实现传感器静态误差的综合修正。即可实现传感器静态误差的综合修正。(912)传感器自动检测的共性技术及新发展课件 通常传感器模型及其反函数是复杂的，难以用数学式子描述。但是，可以通过实验测得传感器的实验数据集 ： 根据前向神经网络具有很强的输入、输出非线性映射能力的特点，以实验数据集的和为输入样本，及对应的为输出样本
6、，对神经网络进行训练，使神经网络逐步调节各个权值自动实现 传感器自动检测的共性技术及新发展课件归一化处理因神经网络学习时，加在输入端的数据太大，会使神经元节点迅速进入饱和，导致网络出现麻痹现象。此外，由于在神经网络中采用S型函数，输出范围为(0，1)，且很难达到0或1。故在学习之前，应对数据进行归一化处理。(913) (914) 式中，式中，Di、Do分别是欲作为神经网络输入、输出样本的原始数据分别是欲作为神经网络输入、输出样本的原始数据 传感器自动检测的共性技术及新发展课件建立神经网络误差修正模型的步骤：取传感器原始实验数据。由式(9.1.3)变换原始数据和，式(9.1.4)变换原始数据，得
7、训练神经网络的输入、输出样本对。确定神经网络输入、输出端数量、各层节点数、和的值。网络输入端数量与输入层节点数量相同，等于环境参数个数加1。输出端数量与输出层节点数均为1。隐层节点数根据被测非电量、环境参数及传感器输出之间的关系的复杂程度而定，关系复杂取多些，反之取少些。和一般取01。训练神经网络得到误差修正模型。传感器自动检测的共性技术及新发展课件9.1.1 系统误差的数字修正方法1. 利用校正曲线修正系统误差 2用神经网络修正系统误差3非线性特性的校正方法非线性特性的校正方法 传感器自动检测的共性技术及新发展课件3非线性特性的校正方法传感器和自动检测系统的非线性误差(或称线性度)是一种系统
8、误差，是用其输入、输出特性曲线与拟合直线之间最大偏差与其满量程输出之比来定义的。拟合直线：依据若干实验数据，利用一定的数学方法得到的直线。当采用的数学方法不同时，拟合直线不同，以此为基准得出的线性度也不同。输入 、输出关系呈线性的优点：可用线性叠加原理，分析、计算方便；输出信号的处理方便，只要知道输出量的起始值和满量程值，就可确定其余的输出值，刻度盘可按线性刻度；在工业过程控制中常用的电动单元组合仪表，由于单元之间用标准信号联系，要求仪表具有线性特性。传感器自动检测的共性技术及新发展课件非线性校正方法非线性校正方法很多，例如：利用校准曲线用查表法作修正；利用分段折线法进行校正；用整段高次多项式
9、近似。神经网络的方法。传感器自动检测的共性技术及新发展课件(1) 整段校正法整段校正法也称整段多项式近似法，其核心问题是多项式的生成，即直接利用非线性方程进行校正。由标定传感器所得到的实测数据来推出反映输入、输出关系的多项式，并要求这个多项式的次数尽量低、与实际特性的误差尽量小。这实质上是个曲线拟合问题。传感器自动检测的共性技术及新发展课件最小二乘意义下的多项式拟合对于对实验数据对于对实验数据 使得使得 构造多项式构造多项式 根据最小二乘原理，要使根据最小二乘原理，要使为最小，按通常求极值的方法，为最小，按通常求极值的方法，取对的偏导数，并令其为零，得到正则方程组，解出取对的偏导数，并令其为零
10、，得到正则方程组，解出ai在实际修在实际修正中，预先把方程的系数存在存储器中。单片机进行校正时，正中，预先把方程的系数存在存储器中。单片机进行校正时，将测量值与存储器中的系数进行运算，就可获得实际被测量。将测量值与存储器中的系数进行运算，就可获得实际被测量。 传感器自动检测的共性技术及新发展课件(2) 神经网络校正法传感器的静态输入、输出特性可用一个多项式表示 可简化为可简化为 实际应用中往往需要根据所得的输出量实际应用中往往需要根据所得的输出量y，求出输入非，求出输入非电量电量xi。而由。而由y表示的表示的xi表达式为表达式为通过静态标定，事先得到一组传感器的输入、输出数据，通过静态标定，事
11、先得到一组传感器的输入、输出数据，然后用函数联接型神经网络，通过迭代得到然后用函数联接型神经网络，通过迭代得到ki这些系数。这些系数。传感器自动检测的共性技术及新发展课件利用输入数据集利用输入数据集( ) 和输出和输出yi，经神经网络的学习算法，经神经网络的学习算法不断调整权值不断调整权值Wn(n=0,1,2,3)。估计输出为估计输出为误差为误差为 权值调整为权值调整为 第第i个输入数据的期望输出、估计输出个输入数据的期望输出、估计输出 Wn(k)网络在第网络在第k步的第步的第n个联接权，个联接权，ai学习因子学习因子 经过学习，当权值趋于稳定时，所得的经过学习，当权值趋于稳定时，所得的Wn(
12、n=0,1,2,3)就是系数就是系数k0、 k1 、 k2 、 k3 。传感器自动检测的共性技术及新发展课件9.1 误差修正技术9.1.1 系统误差的数字修正方法9.1.2 随机误差的数字滤波方法随机误差的数字滤波方法9.1.3 动态补偿方法传感器自动检测的共性技术及新发展课件9.1.2 随机误差的数字滤波方法数字滤波：通过特定的计算程序处理，降低干扰信号在有用信号中的比例，故实质上是一种程序滤波。数字滤波可以对各种干扰信号，甚至极低频率的信号滤波。数字滤波由于稳定性高，滤波器参数修改方便，因此得到广泛应用。传感器自动检测的共性技术及新发展课件数字滤波器优点：(1)不需要增加任何硬设备，只要程
13、序在进入数据处理和控制算法之前，附加一段数字滤波程序即可。(2)不存在阻抗匹配问题。 (3)可以对频率很低，例如0.01Hz的信号滤波，而模拟RC滤波器由于受电容容量的影响，频率不能太低。(4)对于多路信号输入通道，可以共用一个滤波器，从而降低仪表的硬件成本。(5)只要适当改变滤波器程序或参数，就可方便地改变滤波特性，这对于低频脉冲干扰和随机噪声的克服特别有效。传感器自动检测的共性技术及新发展课件数字滤波方法 1 限幅滤波 2 平滑滤波 3 算术平均滤波法 4 递推平均滤波法 5 加权移动平均滤波法 6 一阶惯性滤波 7 复合滤波 传感器自动检测的共性技术及新发展课件1限幅滤波 当采样信号由于
14、随机干扰而引起严重失真时，可采用限幅滤波。根据经验，确定出两次采样信号可能出现的最大偏差。限幅滤波：把两次相邻的采样值相减，求出其增量(以绝对值表示)，然后与两次采样允许的最大差值进行比较。如果小于或等于，则取本次采样值；如果大于，则仍取上次采样值作为采样值。应用：变化比较缓慢的参数测量，如温度、物位等。也可以在大电流、大电感负载切断时，即干扰的特点为时间短，但幅值却很大的情况下使用。传感器自动检测的共性技术及新发展课件中位值滤波中位值滤波是对某一被测量连续采样N次(一般N取为奇数)，然后把N次采样值按大小排列，取中间值为本次采样值。中位值滤波能有效地克服偶然因素引起的波动。对于温度、液位等缓
15、慢变化的被测量，采用此法能收到良好的滤波效果，但对于流量、压力等变化较快的被测量一般不宜采用中位值滤波。 传感器自动检测的共性技术及新发展课件2平滑滤波 叠加在有用数据上的随机噪声在很多情况下可以近似地认为是白噪声。白噪声具有一个很重要的统计特性，即它的统计平均值为零。因此可以求平均值的办法来消除随机误差，这就是所谓平滑滤波。平滑滤波有以下几种。 传感器自动检测的共性技术及新发展课件3算术平均滤波法 算术平均滤波法适用于对一般的具有随机干扰的信号进行滤波。这种信号的特点是信号本身在某一数值范围附近上下波动，如测量流量、液位时经常遇到这种情况。算术平均滤波是要按输入的N个采样数据xi，寻找这样一
16、个y，使y与各采样值之间的偏差的平方和最小，即使传感器自动检测的共性技术及新发展课件由一元函数求极值的原理，可得由一元函数求极值的原理，可得算术平均滤波的算式算术平均滤波的算式 设第设第i次测量的测量值包含信号成分次测量的测量值包含信号成分Si和噪声成分和噪声成分ni，则进行则进行N次测量的信号成分之和为次测量的信号成分之和为 噪声的强度是用均方根来衡量的，当噪声为随机信号噪声的强度是用均方根来衡量的，当噪声为随机信号时，进行次测量的噪声强度之和为时，进行次测量的噪声强度之和为式中，式中，S、n分别为进行分别为进行N次测量后信号和噪声的平均幅度。次测量后信号和噪声的平均幅度。 传感器自动检测的
17、共性技术及新发展课件对对N次测量进行算术平均后的信噪比为次测量进行算术平均后的信噪比为式中，式中，S/n是求算术平均值前的信噪比，是求算术平均值前的信噪比，因此采用算术平均值后，信噪比提高了因此采用算术平均值后，信噪比提高了 倍。倍。 (9.1.17) 由式可知，算术平均值法对信号的平滑滤波程度完全取决于由式可知，算术平均值法对信号的平滑滤波程度完全取决于N。当当N较大时：较大时： 平滑度高，但灵敏度低，外界信号的变化对测量计算结果的影响小；平滑度高，但灵敏度低，外界信号的变化对测量计算结果的影响小；当当N较小时：较小时： 平滑度低，但灵敏度高。应按具体情况选取平滑度低，但灵敏度高。应按具体情
18、况选取N。如对一般流量测量，可取如对一般流量测量，可取N=812；对压力等测量，可取；对压力等测量，可取N=4。传感器自动检测的共性技术及新发展课件4递推平均滤波法 算术平均滤波方法每计算一次数据，需测量N次，对于测量速度较慢或要求数据计算速率较高的实时系统，则无法使用。递推平均滤波法：在存储器中，开辟一个区域作为暂存队列使用，队列的长度固定为N，每进行一次新的测量，把测量结果放入队尾，而扔掉原来队首的那个数据，这样在队列中始终有个“最新”的数据。递推平均项数的选取是比较重要的环节，递推平均项数的选取是比较重要的环节，N选得过大，平均效果好，选得过大，平均效果好，但是，对参数变化的反应不灵敏；
19、但是，对参数变化的反应不灵敏；N选得过小，滤波效果不显著。选得过小，滤波效果不显著。关于关于N的选择与算术平均滤波法相同。的选择与算术平均滤波法相同。传感器自动检测的共性技术及新发展课件5加权移动平均滤波法 递推平均滤波法最大的问题是随着随机误差的消除，有用信号的灵敏度也降低了。因为我们假设对于N次内的所有采样值，在结果中所占比重是均等的。用这样的滤波算法，对于时变信号会引入滞后。N越大，滞后越严重。为了增加新的采样数据在滑动平均中的比重，以提高系统对当前采样值中所受干扰的灵敏度，可以对不同时刻的采样值加以不同的权,通常越接近现时刻的数据，权取得越大。然后再相加求平均，这种方法就是加权移动平均
20、法。 传感器自动检测的共性技术及新发展课件N项加权移动平均滤波算法为项加权移动平均滤波算法为为常数，且满足以下条件：为常数，且满足以下条件： 常系数的选取有多种方法，其中最常用的是加权系数法。常系数的选取有多种方法，其中最常用的是加权系数法。 式中，式中，y为第为第N次采样值经滤波后的输出；次采样值经滤波后的输出； x N-i为未经滤波的第为未经滤波的第N-i次采样值；次采样值； 传感器自动检测的共性技术及新发展课件加权系数法 设为被测对象的纯滞后时间，且因为越大，越小，则给予新的采样值的权系数就越大，而给先前采样值的权系数就越小，从而提高了新的采样值在平均过程中的比重。所以，加权移动平均滤波
21、适用于有较大纯滞后时间常数的被测对象和采样周期较短的测量系统，而对于纯滞后时间常数较小，采样周期较长，变化缓慢的信号，则不能迅速反映系统当前所受干扰的严重程度，滤波效果较差。传感器自动检测的共性技术及新发展课件6一阶惯性滤波 在检测系统的电路中常常伴随有电源干扰及工业干扰，这些干扰特点是频率很低(例如频率为0.01Hz)，对这样低频的干扰信号，采用RC滤波显然是不适宜的，因为C太大，很难做到。但是，用数字滤波很容易解决。假设一阶RC滤波器的输入电压为x(t)，输出为y(t)，则(9124)传感器自动检测的共性技术及新发展课件设采样时间间隔足够小，将式设采样时间间隔足够小，将式(9124)离散为
22、离散为 式中，式中， = RC为时间常数。即为时间常数。即 通过实际运行来确定时间常数通过实际运行来确定时间常数 ，不断地计算出，不断地计算出值，当值，当低频周期性噪声减至最弱时，即为该滤波器的低频周期性噪声减至最弱时，即为该滤波器的值。值。一阶惯性滤波的缺点：一阶惯性滤波的缺点： 造成信号的相位滞后，滞后相位的大小与造成信号的相位滞后，滞后相位的大小与Q值有关。值有关。如果相位滞后太大，还必须采取其它补救措施。如果相位滞后太大，还必须采取其它补救措施。传感器自动检测的共性技术及新发展课件7复合滤波 在实际应用中，所受到的随机扰动往往不是单一的，有时即要消除脉冲扰动的影响，又要作数据平滑。因此
23、，在实际中往往把前面介绍的两种或两种以上的滤波方法结合在一起使用，形成所谓的复合滤波，例如，防脉冲扰动平均值滤波算法就是一种实例。算法的特点：先用中位值滤波算法滤掉采样值中的脉冲干扰，然后把剩下的各采样值进行滑动平均滤波。 传感器自动检测的共性技术及新发展课件基本算法 如果 , 其中 x1，xN和分别是所有采样值中的最小值和最大值，则优点：优点： 这种滤波方法兼容了滑动平均滤波算法和中位值滤波算法的，这种滤波方法兼容了滑动平均滤波算法和中位值滤波算法的，无论是对缓慢变化的过程变量，还是快速变化的过程变量，都能起无论是对缓慢变化的过程变量，还是快速变化的过程变量，都能起到较好的滤波效果。到较好的
24、滤波效果。 在一个检测系统中究竟应选用哪种滤波算法，取决于使用场合在一个检测系统中究竟应选用哪种滤波算法，取决于使用场合及过程中所含随机干扰的情况。及过程中所含随机干扰的情况。传感器自动检测的共性技术及新发展课件9.1 误差修正技术9.1.1 系统误差的数字修正方法9.1.2 随机误差的数字滤波方法9.1.3 动态补偿方法传感器自动检测的共性技术及新发展课件9.1.3 动态补偿方法随着科技生产的发展，对自动检测和仪器仪表提出了更高要求，要求测量一些瞬变的非电量。同时，传感器广泛应用于生产过程的检测，作为控制系统中提供信息的单元，要能迅速反映被控参量的变化，否则，整个控制系统就无法正常工作。在许
25、多生产工艺中，反应速度加快了，设备结构尺寸减小了，即控制对象的时间常数日益减小，这就需要选择快速的检测元件。传感器的阻尼比太小，阶跃响应振荡剧烈，达到稳态的时间长。传感器的工作频带窄，对被测信号中的高频分量没有反应，以致动态响应速度慢。传感器自动检测的共性技术及新发展课件提高传感器动态响应的快速性1、在传感器本身想办法，改变传感器的结构、参数和设计。2、在传感器输出信号的后续处理方面想办法，设计用于动态补偿的模拟或数字滤波器(通常称为动态补偿器)，对传感器的信号进行校正，改善其动态性能。 进行传感器动态补偿器设计的方法：零极点配置法、系统辨识法神经网络方法等。传感器自动检测的共性技术及新发展课
26、件1零极点配置法 传感器的动态特性与其传递函数的极点位置密切相关。例如，对于一个属于二阶系统的传感器，其传递函数为当动态响应不满足要求时，可在传感器后串接一个补偿器。当动态响应不满足要求时，可在传感器后串接一个补偿器。式中式中 。选择。选择和和 n来调整新加入的极点位置，来调整新加入的极点位置，而原来的极点将被消去，使传感器的动态特性得以改善。而原来的极点将被消去，使传感器的动态特性得以改善。 传感器自动检测的共性技术及新发展课件(1) 一阶模型的补偿器AD590集成温度传感器可以等效为一阶系统传感器的时间常数较大，响应速度在某些场合不能满足要求。传感器的时间常数较大，响应速度在某些场合不能满
27、足要求。设计动态补偿器为设计动态补偿器为T由实验测定由实验测定 经过动态补偿后，等效系统经过动态补偿后，等效系统(传感器和补偿器的组合传感器和补偿器的组合)为为因为因为TT，所以等效系统的响应速度比原传感器的快。，所以等效系统的响应速度比原传感器的快。 传感器自动检测的共性技术及新发展课件(2) 二阶模型的补偿器设传感器为二阶系统，其传递函数为有两种方法构造补偿器：有两种方法构造补偿器：第一种是将传感器的零极点全部消去，换上合适的极点。第一种是将传感器的零极点全部消去，换上合适的极点。第二种方法是替换传感器的极点，不动零点。第二种方法是替换传感器的极点，不动零点。 传感器自动检测的共性技术及新
28、发展课件第一种补偿器 等效系统为等效系统为对上式进行变换对上式进行变换根据需要，确定根据需要，确定和和 n，代入上式，即可求出补偿器的模型，代入上式，即可求出补偿器的模型 传感器自动检测的共性技术及新发展课件 第二种补偿器替换传感器的极点，不动零点。确定确定和和 n，代入上式，即可求出补偿器的模型，代入上式，即可求出补偿器的模型传感器自动检测的共性技术及新发展课件两种方法比较：两种方法的效果相当。第一种方法得出的补偿器是三阶非齐次模型；第二种是二阶齐次模型，较易实现，更为可靠。用零极点配置法设计补偿器，要依据传感器的模型，所以，对传感器建模精度有一定要求，但是，并不严格。由于人为控制极点，补偿
29、效果非常明显。对于高阶系统，可以采用降阶的方法去近似处理；可以用低阶补偿器去校正。传感器自动检测的共性技术及新发展课件2. 系统辨识设计方法 (1) 理想的动态响应(2) 设计步骤传感器自动检测的共性技术及新发展课件(1) 理想的动态响应 设等效系统为一阶系统调整时间常数调整时间常数T，使阶跃响应的上升时间满足要求，使阶跃响应的上升时间满足要求，就得到了等效系统的理想动态响应。就得到了等效系统的理想动态响应。K传感器的静态灵敏度。传感器的静态灵敏度。设等效系统为二阶系统设等效系统为二阶系统 选取不同的选取不同的 n，展宽等效系统的工作频带。，展宽等效系统的工作频带。 = 0.707传感器自动检
30、测的共性技术及新发展课件(2) 设计步骤把传感器的阶跃响应作为补偿器的输入，把等效系统的理想阶跃响应作为补偿器的输出，用最小二乘辨识方法建立补偿器的模型。如果对传感器做阶跃响应法标定不方便，没有传感器的阶跃响应数据，可以依据其它标定方法的数据，建立传感器的模型，再计算出传感器的阶跃响应。无论等效系统构造成一阶或二阶，均可用系统辨识方法求出动态补偿器的模型。通过比较发现，用二阶等效系统构造理想动态响应，得出的补偿器，效果更好些。当传感器可做阶跃标定时，无需知道其模型，就可构造出补偿器模型。当传感器为一、二阶系统时，用系统辨识方法设计补偿器，效果较佳。当传感器是高阶系统时，可用降阶的方法处理。En
31、d the 9.1传感器自动检测的共性技术及新发展课件9.2 MEMS技术与微型传感器9.2.1 MEMS技术技术9.2.2 微型传感器传感器自动检测的共性技术及新发展课件MEMS技术是多学科交叉的新兴领域，涉及精密机械、微电子材料科学、微细加工、系统与控制等技术学科和物理、化学、力学、生物学等基础学科。包含微传感器、微执行器及信号处理、控制电路等，利用三维加工技术制造微米或纳米尺度的零件、部件或集光机于一体，完成一定功能的复杂微细系统，是实现“片上系统”的发展方向。9.2.1 MEMS技术传感器自动检测的共性技术及新发展课件MEMS（Micro Electro-Mechanical Syst
32、em）通常称微机电系统。MEMS系统主要包括微型传感器、微执行器和相应的处理电路三部分。1. 微电子机械系统MEMS系统与外界相互作用示意图 传感器自动检测的共性技术及新发展课件微型化。传统的机械加工技术是在厘米量级，但是MEMS技术主要为微米量级加工，这就使得利用MEMS技术制作的器件在体积、重量、功耗方面大大减小，可携带性大大提高。集成化。微型化的器件更加利于集成，从而组成各种功能阵列，甚至可以形成更加复杂的微系统。硅基材料。MEMS的器件主要是以硅作为加工材料，这就使制作器件的成本大幅度下降，大批量低成本的生产成为可能，而且硅的强度、硬度与铁相当，密度近似铝，热传导率接近钼和钨。制作工艺
33、与IC产品的主流工艺相似。MEMS中的机械不限于力学中的机械，它代表一切具有能量转化、传输等功能的效应，包括力、热、光、磁、化学、生物等效应。MEMS的目标是“微机械”与IC结合的微系统，并向智能化方向发展。2. MEMS技术的特点传感器自动检测的共性技术及新发展课件尺寸效应是尺寸效应是MEMS中许多物理现象不同于宏观现象的一个中许多物理现象不同于宏观现象的一个重要的原因，其主要特征表现在：重要的原因，其主要特征表现在：微构件材料的物理特性的变化。力的尺寸效应和微结构的表面效应。在微小尺寸领域，与特征尺寸的高次方成比例的惯性力、电磁力等的作用相对减弱，而在传统理论中常常被忽略了的、与尺寸的低次
34、方成比例的粘性力、弹性力、表面张力、静电力等的作用相对增强。微摩擦与微润滑机制对微机械尺度的依赖性以及传热与燃烧对微机械尺度的制约。此外，随着尺寸的减小，表面积( )与体积( )之比相对增大，因而热传导、化学反应等的速度将加快。3. MEMS的理论基础传感器自动检测的共性技术及新发展课件9.2 MEMS技术与微型传感器9.2.1 MEMS技术9.2.2 微型传感器微型传感器传感器自动检测的共性技术及新发展课件硅压力传感器硅微加速度传感器微型流量传感器微型氧传感器气相色谱仪9.2.2 微型传感器几种常见的微型传感器传感器自动检测的共性技术及新发展课件硅压力传感器硅压力传感器是最早用微机械加工工艺
35、制造的传感器，主要有硅压阻式和电容式两种，其中应用最广的是硅压阻式。硅电容式压力传感器结构硅电容式压力传感器结构 传感器自动检测的共性技术及新发展课件硅压力传感器电容式微硅压力传感器实例电容式微硅压力传感器实例传感器自动检测的共性技术及新发展课件硅微加速度传感器硅微压阻式加速度传感器硅微压阻式加速度传感器的另一个典型应用是用作汽车的气囊和安全带装置中的加速度敏感元件。为测量心脏壁的运动研制的传感器自动检测的共性技术及新发展课件硅微加速度传感器硅微电容式加速度传感器常用于微应力研究和汽车等领域硅微电容式加速度传感器的缺点是频率响应范围窄和需要复杂的信号处理电路。传感器自动检测的共性技术及新发展课
36、件微型流量传感器压阻式微型流量传感器基于粘滞力的微型流量计结构基于粘滞力的微型流量计结构 利用半导体材料的压阻效应还可测量流量。所依据的测量原理是：利用流体在流动过程中产生的粘滞力或流体通道进出口之间的压力差，带动传感器中敏感元件运动或产生变形，这种运动或变形引起上面的压敏电阻的阻值发生变化，通过检测这种阻值的变化即可测量流体的速度和流量。传感器自动检测的共性技术及新发展课件流体在流动过程中受到障碍物作用时，由于流体的粘滞作用，会在平行于流动方向上产生粘滞力 为障碍物长度 式中，为流速为流体粘滞度为比例系数悬臂梁在粘滞力的作用下发生形变，产生的表面应力为式中，为障碍物长度； 为梁的根部宽度；
37、为梁的根部厚度。由此引起梁的压敏电阻阻值的相对变化为式中，为相应的比例系数。由上式可知，电阻变化率与流速成正比。传感器自动检测的共性技术及新发展课件微型流量传感器电容式微型流量传感器 利用流体流动过程中形成的压力差促使电容传感器极板间距的改变来达到测量流量的目的。基于压差作用的电容式微型流量计基于压差作用的电容式微型流量计传感器自动检测的共性技术及新发展课件微型流量传感器小型单片硅压力-流量传感器主要由一个带绝热结构的热流量传感器和一个压力传感器组成传感器自动检测的共性技术及新发展课件微型氧传感器薄膜限制电流型的氧传感器结构薄膜限制电流型的氧传感器结构传感器自动检测的共性技术及新发展课件气相色
38、谱仪气相色谱仪气相色谱仪 End the 9.2传感器自动检测的共性技术及新发展课件9.3 虚拟仪器9.3.1 概述概述9.3.2 系统构成9.3.3 软件结构9.3.4 软件开发平台传感器自动检测的共性技术及新发展课件9.3.1 概述 仪器仪表技术的发展两条主线：模拟仪表、数字化仪表 智能仪表单台仪器、叠架式仪器系统虚拟仪器 传感器自动检测的共性技术及新发展课件传统仪器 一个独立的装置，有一机箱，有操作面板，信号输入输出端，还有开关、旋钮等。检测结果输出的方式有指针式表头、数字式和图形等，可能还有打印输出。一般由以下三大功能块组成：信号的采集和控制、信号的分析与处理结果的表达与输出。 功能块
39、全部都是以硬件(或固化的软件)的形式存在。这种框架式的结构，决定了传统的仪表只能由仪器厂家来定义、制造，用户无法改变的现实。传感器自动检测的共性技术及新发展课件虚拟仪器的出现计算机技术和仪器技术结合： 充分利用计算机丰富的软硬件资源，可以较大突破传统仪器在数据处理、表达、传递、存储等方面的限制，达到传统仪器无法比拟的效果。还可以把仪器的三大功能全部放在计算机上实现。在计算机中插入数据采集卡，然后，用软件在屏幕上生成仪器面板，用软件来进行信号处理分析，实现传统仪器的功能，这就是虚拟仪器。传感器自动检测的共性技术及新发展课件虚拟仪器 “软件就是仪器”具有虚拟仪器面板的个人计算机仪器。组成：计算机、
40、模块化功能硬件和控制软件。操作人员通过友好的图形界面及图形化编程语言控制仪器的运行，完成对被测量的采集、分析、判断、显示、存储及数据生成。 在虚拟仪器系统中，硬件仅仅是为了解决信号的输入输出，软件才是整个仪表的关键。操作者可以通过修改软件的方法，方便地改变、增减仪器系统的功能与规模。传感器自动检测的共性技术及新发展课件9.3 虚拟仪器9.3.1 概述9.3.2 系统构成系统构成9.3.3 软件结构9.3.4 软件开发平台传感器自动检测的共性技术及新发展课件9.3.2 系统构成 传感器自动检测的共性技术及新发展课件9.3.2 系统构成 1. 数据采集系统的构成方法 2. GPIB仪器控制系统构成
41、方法 3. VXI仪器控制系统构成方法 传感器自动检测的共性技术及新发展课件1.数据采集系统的构成方法 一个典型的数据采集系统由四部分组成。传感器自动检测的共性技术及新发展课件2.GPIB仪器控制系统构成方法 GPIB技术是虚拟仪器发展的第一阶段。GPIB把可编程仪器与计算机紧密地联系起来，从此电子测量由独立的、手工操作的单台仪器向组成大规模自动测试系统的方向迈进。典型的GPIB测量系统构成：一台PC机、一块GPIB接口板卡和若干台GPIB仪器通过标准的GPIB电缆连接而成。在标准情况下，一块GPIB接口板可带多达14台仪器，电缆长度可达20米。传感器自动检测的共性技术及新发展课件GPIB技术
42、可以用计算机实现对仪器的操作和控制，替代传统的人工操作方式，排除人为因素造成的测试的误差。可以预先编制好测试程序，实现自动测试，提高了可靠性和效率。可以方便地将多台仪器组合起来，形成较大的自动测试系统，高效、灵活地完成各种不同规模的测试任务。可以很方便地扩展传统仪器的功能。因为仪器同计算机连在一起，仪器测量的结果送到计算机里，在计算机这边增加不同的分析处理算法，就相当于增加了仪器的功能。传感器自动检测的共性技术及新发展课件3. VXI仪器控制系统构成方法 VXI总线是一种高速计算机总线VME总线在仪器领域的扩展(VME Extension for Instrumentation)。优点：标准开
43、放、结构紧凑、具有数据吞吐能力强、定时和同步精确、模块可重复利用、众多仪器厂家支持，得到广泛的应用。应用：在组建大、中规模自动测试系统，以及对速度、精度要求较高的场合，有着其它系统无法比拟的优点。传感器自动检测的共性技术及新发展课件VXI仪器系统不同的配置方法(1) GPIB控制方案(2) 嵌入式计算机控制方案 (3) MXI总线控制方案 传感器自动检测的共性技术及新发展课件(1)GPIB控制方案组件：插于通用计算机的GPIB接口板，位于VXI零槽的GPIBVXI/C模块，连接两者的GPIB电缆，一个VXI机箱以及若干个VXI仪器模块。GPIB控制方案的数据传输速率约为1Mbytes/s。如果
44、使用HS488协议可使GPIB的数据传输速率提高到1.6Mbytes/s。其中，零槽模块起GPIB和VXI总线翻译器的作用。优点：可以利用熟悉的GPIB技术如同控制一台GPIB仪器一样来控制VXI仪器系统，且系统造价低。缺点：由于GPIB总线的数据传输速率远远低于VXI总线，形成整个系统的数据交换的瓶颈。传感器自动检测的共性技术及新发展课件(2)嵌入式计算机控制方案组件：一个VXI机箱，插于VXI零槽的嵌入式计算机模块，若干VXI仪器模块以及VXI软件开发平台。一个嵌入式计算机模块除具有VXI系统控制功能外，还具有一台通用PC机的全部功能。优点：所有的模块均插在VXI机箱的背板总线上，能实现高
45、速的数据传送(40Mbytes/s左右)，且体积最紧凑，是实现VXI自动测试系统的最佳配置方案。缺点：配置方案的造价及升级费用均较高。传感器自动检测的共性技术及新发展课件 (3)MXI总线控制方案组件：一个VXI机箱，插于通用计算机的VXI接口板，位于VXI零槽的VXIMXI模块，连接两者的MXI电缆，若干VXI仪器模块以及VXI软件开发平台。MXI是由美国国家仪器公司(National Instruments，简称NI)提出的一种多系统扩展接口总线，相当于把VXI机箱的背板总线拉到外部计算机上来，同时可实现多个VXI机箱间的32位数据交换。它可以直接把VXI内存空间映射到外部计算机上，因此在
46、提高数据传输速率方面有很多的优势。PCI8000系列，总线传输速率可达23Mbytes/s，峰值传输速率可达33Mbytes/s。性能指标已接近嵌入式计算机。传感器自动检测的共性技术及新发展课件MXI总线控制方案特点：优点：综合了第一种方案使用外部计算机灵活方便、易于升级以及第二种方案高性能的优点，且造价适中。同时还可以在外部计算机上加插GPIB接口卡、数据采集卡，实现更大规模的系统集成。缺点：与内嵌式方案相比，体积偏大，数据传输速率偏低。传感器自动检测的共性技术及新发展课件三种VXI控制方案比较GPIB控制方案：适用于对总线控制的实时性要求不高，并需在系统中集成较多GPIB仪器的场合；嵌入控
47、制方案：由于在系统的体积、控制速率和电磁兼容方面具有优势，因而在性能要求较高和投资较大的场合，如航天、军用等应用领域倍受青睐；MXI控制方式：具有较高的性能价格比，便于系统扩展和升级，适用于在各种实验室中实现科研系统以及对体积要求不高的场合使用。传感器自动检测的共性技术及新发展课件9.3 虚拟仪器9.3.1 概述9.3.2 系统构成9.3.3 软件结构软件结构9.3.4 软件开发平台传感器自动检测的共性技术及新发展课件9.3.3 软件结构 1. 与设备无关的软件结构 2. 测试管理 3. 测试程序(虚拟仪器功能模块)层 4. 仪器驱动层 5. I/O接口 传感器自动检测的共性技术及新发展课件1
48、.与设备无关的软件结构 软件主要分为4层结构：测试管理层、测试程序层、仪器驱动层I/O接口层。过去要自己制作这4个软件层，开发相当艰苦。虚拟仪器标准的出现:使这些软件层的设计均以“与设备无关”为特征，极大地改善了开发环境。虚拟仪器的本质是面向对象，由不同开发人员采用不同开发工具编写的测试程序可用方便地集成在一个系统中。 传感器自动检测的共性技术及新发展课件与设备无关特征I/O接口软件与仪器驱动程序接口软件与仪器驱动程序实现了工业标准化，实现了工业标准化，且由仪器制造厂随仪器配套提供。且由仪器制造厂随仪器配套提供。标准测试开发工具标准测试开发工具包含了大量不同类型、预先编包含了大量不同类型、预先
49、编好的程序库，用于数据分析、显示、报表等。好的程序库，用于数据分析、显示、报表等。测试管理软件测试管理软件具有强大、灵活的性能来满足用户具有强大、灵活的性能来满足用户广泛的需求。广泛的需求。虚拟仪器软件工具的一个重要特征虚拟仪器软件工具的一个重要特征：用户可以使用单一的、前后一致的开发工具完成测试程用户可以使用单一的、前后一致的开发工具完成测试程序的所有部分，包括用户应用程序、测试程序和仪器驱序的所有部分，包括用户应用程序、测试程序和仪器驱动程序等。动程序等。 传感器自动检测的共性技术及新发展课件虚拟仪器软件结构 传感器自动检测的共性技术及新发展课件2. 测试管理 测测试试管管理理层层是是一一
50、个个带带有有易易于于操操作作界界面面、用用于于管管理理和和执行某一测试任务、与设备无关的测试管理环境。执行某一测试任务、与设备无关的测试管理环境。它它为为测测试试系系统统与与操操作作者者交交互互、被被测测器器件件分分析析、顺顺序序测测试试、分分支支、循循环环等等提提供供一一个个专专门门的的测测试试运运行行程程序序，并并以以密密码码保保护护模模式式对对不不同同部部门门的的操操作作者者提提供供多多层层登登录访问。录访问。高高层层测测试试管管理理软软件件还还能能为为用用户户提提供供企企业业范范围围内内的的联联系系，将将用用户户的的测测试试程程序序与与其其余余部部分分集集成成在在一一起起，包包括括生生
51、成成测测试试记记录录和和测测试试报报告告、数数据据库库访访问问以以及及对对结结果实施果实施SPC分析等。分析等。传感器自动检测的共性技术及新发展课件测试管理层 测试管理层是一个与设备无关的软件，因而采用开发式的设计结构就会提供更多的性能和灵活性。 开发式测试管理系统的各项操作与界面以源代码的方式提供给用户，用户可以很方便地制订自己的操作方案。拥有这种灵活性，用户就可以自行设计开发基于标准化内核，而且能够满足不同要求的测试管理软件层，有效地缩短了设计周期和节约了开支、维护费用。传感器自动检测的共性技术及新发展课件3.测试程序(虚拟仪器功能模块)层针针对对某某一一产产品品而而开开发发的的功功能能测
52、测试试模模块块是是一一个个有有其其特特殊殊性性的的独独特特的的软软件件组组件件，但但其其大大多多数数的的基基本本元元素素，如如数数据据采采集集与与仪仪器器控控制制、数数据据分分析析、结结果果表表达达等等功功能能对对所所有有的的测测试试系系统统来来说说又又都是通用的。都是通用的。正正因因为为如如此此，目目前前国国外外出出现现了了带带有有大大量量通通用用、与与设设备备无无关关的的功功能能模模块块库库的的集集成成化化编编程程环环境境。虚虚拟拟仪仪器器软软件件开开发发平平台台，如如NI公司的公司的LabVIEW和和HP公司的公司的VEE等均具有此项特性。等均具有此项特性。在在这这些些软软件件中中，几几
53、乎乎所所有有用用于于测测量量、控控制制和和通通讯讯模模块块的的程程序序代代码码均均已已编编写写完完成成，供供用用户户即即调调即即用用。用用户户只只需需在在开开发发平平台台上上以以图图形形方方式式调调出出相相应应的的仪仪器器功功能能模模块块和和数数据据处处理理模模块块，进进行行连连接接组组合合，就就可可构构成成一一个个具具体体的的仪仪器器，节节省省用用户户大大量量的的开开发时间。发时间。传感器自动检测的共性技术及新发展课件4. 仪器驱动层对仪器硬件进行通讯和控制的软件层。过去，由用户编写，对每个仪器硬件编制特殊的驱动代码，是测试系统的开发周期变得很长。今天，仪器驱动程序都是按模块化、与设备无关的
54、方式向用户释放，供用户迅速将仪器链入自己的测试系统。由于仪器驱动程序是以源代码的方式提供给用户，用户可以很容易地优化和增强这些驱动程序，使之满足它们的特殊要求。标准化的驱动程序还可以在不同的系统和配置中重复使用，节省了大量的开发费用。传感器自动检测的共性技术及新发展课件5. I/O接口测试系统软件的基础，用于处理计算机与仪器硬件间连接的底层通讯协议。优秀的虚拟仪器软件都建立在一个标准化I/O接口软件组件的通用内核上，为用户提供一个一致的、跨计算机平台的应用编程接口(API)，使用户的测试系统能够自由灵活地选择不同的计算机平台和仪器硬件。传感器自动检测的共性技术及新发展课件9.3 虚拟仪器9.3
55、.1 概述9.3.2 系统构成9.3.3 软件结构9.3.4 软件开发平台软件开发平台传感器自动检测的共性技术及新发展课件9.3.4 软件开发平台 软件是虚拟仪器系统的关键。 采用面向对象的编程技术可以提高软件编程效率 可视编程语言环境Visual C, Visual BASIC NI公司推出LabVIEW 和LabWindows/CVI , HP公司推出了VEE， Tektronix公司推出了TekTMS 传感器自动检测的共性技术及新发展课件LabVIEW软件开发平台 LabVIEW是是一一种种基基于于G语语言言的的图图形形化化开开发发语语言言，是是一一种种面面向向仪仪器器的的图图形形化化编
56、编程程环环境境，用用来来进进行行数数据据采采集集和和控控制制、数数据据分分析析和和数数据据表表达达、测测试试和和测测量量、实实验室自动化以及过程监控。验室自动化以及过程监控。目目的的：简简化化程程序序的的开开发发工工作作，以以使使用用户户能能快快速速、简简便地完成自己的工作。便地完成自己的工作。使使用用LabVIEW开开发发平平台台编编制制的的程程序序称称为为虚虚拟拟仪仪器器程序，简称为程序，简称为VI。VI：程序前面板、框图程序和图标程序前面板、框图程序和图标/连接器。连接器。传感器自动检测的共性技术及新发展课件程序前面板用于设置输入数值和观察输出量，用于模拟真实仪表的前面板。在程序前面板上
57、，输入量被称为控制，输出量被称为显示。控制和显示是以各种图标形式出现在前面板上，如旋钮、开关、按钮、图表、图形等，这使得前面板直观易懂。 传感器自动检测的共性技术及新发展课件信号发生器前面板 传感器自动检测的共性技术及新发展课件频谱分析仪前面板 传感器自动检测的共性技术及新发展课件温度计前面板 传感器自动检测的共性技术及新发展课件框图程序每一个程序前面板都对应着一段框图程序。框图程序用LabVIEW图形编程语言编写，可以把它理解成传统程序的源代码。构成：端口、节点、图框和连线。端口被用来同程序前面板的控制和显示传递数据，节点被用来实现函数和功能调用，图框被用来实现结构化程序控制命令，连线代表程
58、序执行过程中的数据流，定义了框图内的数据流动方向。 传感器自动检测的共性技术及新发展课件温度计显示框图程序传感器自动检测的共性技术及新发展课件图标/连接器图标/连接器是子VI被其它VI调用的接口。图标是子VI在其他程序框图中被调用的节点表现形式；连接器则表示节点数据的输入/输出口，就像函数的参数。用户必须指定连接器端口与前面板的控制和显示一一对应。连接器一般情况下隐含不显示，除非用户选择打开观察它。 传感器自动检测的共性技术及新发展课件温度计显示连接器 传感器自动检测的共性技术及新发展课件LabVIEW操作模板LabVIEW具有多个图形化的操作模板，用于创建和运行程序。操作模板可以随意在屏幕上
59、移动，并可以放置在屏幕的任意位置。操纵模板共有三类：工具模板、控制模板功能模板传感器自动检测的共性技术及新发展课件功功能能模模板板 控控制制模模板板 工工具具模模板板 End the 9.3传感器自动检测的共性技术及新发展课件9.4 无线传感器网络9.4.1 定义和组成9.4.2 特点和局限9.4.3 路由协议9.4.3 传感器的应用传感器自动检测的共性技术及新发展课件9.4.1 定义和组成 无线传感器网络是由大量体积小、成本低、具有无线通信和数据处理能力的传感器节点组成的。传感器节点一般由传感器、处理器、无线收发器和电源组成，有的还包括定位装置和移动装置。传感器自动检测的共性技术及新发展课件
60、 在传感器网络中，每个节点的功能都是相同的，它们通过无线通讯的方式自适应地组成一个无线网络。各个传感器节点将自己所探测到的有用信息，通过多跳中转的方式向指挥中心(主机)报告。典型无典型无线传感器网感器网络结构构图传感器自动检测的共性技术及新发展课件节点数量大、密度高多跳路由自组织网络以数据为中心在电池能量、计算能力和存储容量等方面有限制9.4.2 特点和局限传感器自动检测的共性技术及新发展课件以数据为中心的路由协议典型代表有泛洪 (Flooding)、Gossiping、SPIN (Sensor Protocols for Information Via Negotiation)和定向扩散(D
61、irected diffusion)协议。基于簇(Cluster)的路由协议典型代表有LEACH（Low Energy Adaptive Clustering Hierarchy，低功耗自适应集群构架)和TEEN(门限敏感的节能型协议)。基于位置信息的协议基于数据流模型和服务质量要求的路由协议9.4.3 路由协议传感器自动检测的共性技术及新发展课件9.4.4 传感器的应用军事方面环境科学医疗健康智能家居其它方面End the 9.4传感器自动检测的共性技术及新发展课件9. 5 多传感器数据融合9.5.1 概念和意义概念和意义9.5.2 基本原理9.5.3 层次9.5.4 过程9.5.5 方法传
62、感器自动检测的共性技术及新发展课件9.5.1 概念与意义 1概念 2意义 传感器自动检测的共性技术及新发展课件1概 念 美国国防部JDL从军事应用的角度将数据融合定义为这样的一个过程:把 来 自 许 多 传 感 器 和 信 息 源 的 数 据 进 行 联 合(association)、 相 关 （ coorelation） 、 组 合（combination）和估值的处理，以达到精确的位置估计 （ position estimation） 与 身 份 估 计 （ identity estimation），以及对战场情况和威胁及其重要程度进行适时的完整评价。传感器自动检测的共性技术及新发展课件定
63、义补充和修改用状态估计代替位置估计，并加入了检测(detection)的功能，从而给出了如下定义：信息融合是一种多层次、多方面的处理过程，这个过程是对多源数据进行检测、结合、相关、估计和组合，以达到精确的状态估计和身份估计，以及完整及时的态势评估和威胁估计。 传感器自动检测的共性技术及新发展课件定义三个要点：（1）数据融合是多信源、多层次的处理过程，每个层次代表信息的不同抽象程度；（2）数据融合过程包括数据的检测、关联、估计与合并；（3）数据融合的输出包括低层次上的状态身份估计和高层次上的总战术态势的评估。 传感器自动检测的共性技术及新发展课件多传感器数据融合 包括：多传感器的目标探测、数据关
64、联、跟踪与识别、情况评估和预测。 基本目的：通过融合得到比单独的各个输入数据更多的信息。这一点是协同作用的结果，即由于多传感器的共同作用，使系统的有效性得以增强。 实质：一种多源信息的综合技术，通过对来自不同传感器的数据进行分析和综合，可以获得被测对象及其性质的最佳一致估计。 多传感器数据融合：将经过集成处理的多种传感器信息进行合成，形成对外部环境某一特征的一种表达方式。传感器自动检测的共性技术及新发展课件多传感器数据融合技术应用最早是围绕军用系统开展研究的。非军事领域：智能机器人、计算机视觉、水下物体探测、收割机械的自动化、工业装配线上自动插件安装、航天器中重力梯度的在线测量、信息高速公路系
65、统、多媒体技术和虚拟现实技术、辅助医疗检测和诊断等领域。传感器自动检测的共性技术及新发展课件2意 义主要作用可归纳为以下几点：提高信息的准确性和全面性。与一个传感器相比，多传感器数据融合处理可以获得有关周围环境更准确、全面的信息；降低信息的不确定性，一组相似的传感器采集的信息存在明显的互补性，这种互补性经过适当处理后，可以对单一传感器的不确定性和测量范围的局限性进行补偿；提高系统的可靠性，某个或某几个传感器失效时，系统仍能正常运行；增加系统的实时性。传感器自动检测的共性技术及新发展课件使用传感器数据融合技术将使测量系统具有如下优势：（1）增加测量维数，增加置信度，提高容错功能，改进系统的可靠性
66、和可维护性。当一个甚至几个传感器出现故障时，系统仍可利用其它传感器获取环境信息，以维持系统的正常运行。（2）提高精度。在传感器测量中，不可避免地存在各自各种噪声，而同时使用描述同一特征的多个不同信息，可以减小这种由测量不精确所引起的不确定性，显著提高系统的精度。 传感器自动检测的共性技术及新发展课件 （3）扩展了空间和时间的覆盖，提高了空间分辩率，提高适应环境的能力。多种传感器可以描述环境中的多个不同特征，这些互补的特征信息，可以减小对环境模型理解的歧义，提高系统正确决策的能力。 （4）改进探测性能，增加响应的有效性，降低了对单个传感器的性能要求，提高信息处理的速度。在同等数量的传感器下，各传
67、感器分别单独处理与多传感器数据融合处理相比，由于多传感器信息融合中使用了并行结构，采用分布式系统并行算法，可显著提高信息处理的速度。 （5）降低信息获取的成本。信息融合提高了信息的利用效率，可以用多个较廉价的传感器获得与昂贵的单一高精度传感器同样甚至更好的效果，因此可大大降低系统的成本。传感器自动检测的共性技术及新发展课件9. 5 多传感器数据融合9.5.1 概念和意义9.5.2 基本原理基本原理9.5.3 层次9.5.4 过程9.5.5 方法传感器自动检测的共性技术及新发展课件9.5.2 基本原理 充分利用多个传感器资源，通过对这些传感器及其观测信息的合理支配和使用，把多个传感器在空间或时间
68、上的冗余或互补信息依据某种准则来进行组合，以获得比它的各组成部分的子集所构成的系统更优越的性能。多传感器数据融合技术可以对不同类型的数据和信息在不同层次上进行综合，它处理的不仅仅是数据，还可以是证据和属性等。多传感器数据融合并不是简单的信号处理。信号处理可以归属于多传感器数据融合的第一阶段，即信号预处理阶段。传感器自动检测的共性技术及新发展课件9. 5 多传感器数据融合9.5.1 概念和意义9.5.2 基本原理9.5.3 层次层次9.5.4 过程9.5.5 方法传感器自动检测的共性技术及新发展课件9.5.3 层次 数据融合层次的划分主要有两种方法。第一种方法是将数据融合划分为低层（数据级或像素
69、级）、中层（特征级）和高层（决策级）。另一种方法将是将传感器集成和数据融合划分为信号级、证据级和动态级。 传感器自动检测的共性技术及新发展课件数据级融合(或像素级融合)对传感器的原始数据及预处理各阶段上产生的信息分别进行融合处理。尽可能多地保持了原始信息，能够提供其它两个层次融合所不具有的细微信息。局限性：由于所要处理的传感器信息量大，故处理代价高；融合是在信息最低层进行的，由于传感器的原始数据的不确定性、不完全性和不稳定性，要求在融合时有较高的纠错能力；由于要求各传感器信息之间具有精确到一个像素的配准精度，故要求传感器信息来自同质传感器；通信量大。传感器自动检测的共性技术及新发展课件特征级融
70、合利用从各个传感器原始数据中提取的特征信息，进行综合分析和处理的中间层次过程。通常所提取的特征信息应是数据信息的充分表示量或统计量，据此对多传感器信息进行分类、汇集和综合。特征级融合分类：目标状态信息融合目标特性融合。传感器自动检测的共性技术及新发展课件特征级融合分类： 目标状态信息融合主要应用于多传感器目标跟踪领域。融合系统首先对传感器数据进行预处理以完成数据配准。数据配准后，融合处理主要实现参数相关和状态矢量估计。目标特性融合特征层联合识别，具体的融合方法仍是模式识别的相应技术，只是在融合前必须先对特征进行相关处理，对特征矢量进行分类组合。在模式识别、图像处理和计算机视觉等领域，已经对特征
71、提取和基于特征的分类问题进行了深入的研究，有许多方法可以借用。传感器自动检测的共性技术及新发展课件决策级融合在信息表示的最高层次上进行的融合处理。不同类型的传感器观测同一个目标，每个传感器在本地完成预处理、特征抽取、识别或判断，以建立对所观察目标的初步结论，然后通过相关处理、决策级融合判决，最终获得联合推断结果，从而直接为决策提供依据。因此，决策级融合是直接针对具体决策目标，充分利用特征级融合所得出的目标各类特征信息，并给出简明而直观的结果。决策级融合优点：实时性最好在一个或几个传感器失效时仍能给出最终决策，因此具有良好的容错性。传感器自动检测的共性技术及新发展课件9. 5 多传感器数据融合9
72、.5.1 概念和意义9.5.2 基本原理9.5.3 层次9.5.4 过程过程9.5.5 方法传感器自动检测的共性技术及新发展课件9.5.4 过程 首先将被测对象它们转换为电信号，然后经过AD变换将它们转换为数字量。数字化后电信号需经过预处理，以滤除数据采集过程中的干扰和噪声。对经处理后的有用信号作特征抽取，再进行数据融合；或者直接对信号进行数据融合。最后，输出融合的结果。传感器自动检测的共性技术及新发展课件9. 5 多传感器数据融合9.5.1 概念和意义9.5.2 基本原理9.5.3 层次9.5.4 过程9.5.5 方法方法传感器自动检测的共性技术及新发展课件9.5.5 方法 1. 加权平均
73、2. 卡尔曼滤波 3 贝叶斯估计 4. 多贝叶斯方法 5. 统计决策理论 6. Dempster-Shafer证据推理法 7. 模糊逻辑法 8. 产生式规则法 9. 神经网络方法 传感器自动检测的共性技术及新发展课件1. 加权平均 加权平均是最简单、最直观的数据融合方法。该方法将一组传感器提供的冗余信息进行加权平均，结果作为融合值。 传感器自动检测的共性技术及新发展课件2. 卡尔曼滤波 应用：融合低层的实时动态多传感器冗余数据。该方法应用测量模型的统计特性递推地确定融合数据的估计，且该估计在统计意义下是最优的。如果系统可以用一个线性模型描述，且系统与传感器的误差均符合高斯白噪声模型，则卡尔曼滤
74、波将为融合数据提供唯一的统计意义下的最优估计。滤波器的递推特性使得它特别适合在那些不具备大量数据存储能力的系统中使用。应用领域：目标识别、机器人导航、多目标跟踪、惯性导航和遥感等。 传感器自动检测的共性技术及新发展课件卡尔曼滤波器应用应用卡尔曼滤波器对n个传感器的测量数据进行融合后，既可以获得系统的当前状态估计，又可以预报系统的未来状态。所估计的系统状态可能表示移动机器人的当前位置、目标的位置和速度、从传感器数据中抽取的特征或实际测量值本身。传感器自动检测的共性技术及新发展课件3贝叶斯估计 贝叶斯估计是融合静态环境中多传感器低层信息的常用方法。它使传感器信息依据概率原则进行组合，测量不确定性以
75、条件概率表示。当传感器组的观测坐标一致时，可以用直接法对传感器测量数据进行融合。大多数情况下，传感器是从不同的坐标系对同一环境物体进行描述，这时传感器测量数据要以间接方式采用贝叶斯估计进行数据融合。传感器自动检测的共性技术及新发展课件4. 多贝叶斯方法 DurrantWhyte将任务环境表示为不确定几何物体集合的多传感器模型，提出了传感器信息融合的多贝叶斯估计方法。多贝叶斯估计把每个传感器作为一个贝叶斯估计，将各单独物体的关联概率分布组合成一个联合后验概率分布函数，通过使联合分布函数的似然函数最小，可以得到多传感器信息的最终融合值。 传感器自动检测的共性技术及新发展课件5. 统计决策理论 与多
76、贝叶斯估计不同，统计决策理论中的不确定性为可加噪声，从而不确定性的适应范围更广。不同传感器观测到的数据必须经过一个鲁棒综合测试以检验它的一致性，经过一致性检验的数据用鲁棒极值决策规则融合。 传感器自动检测的共性技术及新发展课件6. Dempster-Shafer证据推理法 由Dempster首先提出，由Shafer发展 一种不精确推理理论，贝叶斯方法的扩展。贝叶斯方法必须给出先验概率， 证据理论则能够处理这种由不知道引起的不确定性。传感器自动检测的共性技术及新发展课件在多传感器数据融合系统中，每个信息源提供了一组证据和命题，并且建立了一个相应的质量分布函数。因此，每一个信息源就相当于一个证据体
77、。在同一个鉴别框架下， 将不同的证据体通过Dempster合并规则并成一个新的证据体，并计算证据体的似真度，最后用某一决策选择规则，获得最后的结果。传感器自动检测的共性技术及新发展课件7. 模糊逻辑法模糊逻辑实质上是一种多值逻辑，在多传感器数据融合中，将每个命题及推理算子赋予0到1间的实数值，以表示其在登记处融合过程中的可信程度，又被称为确定性因子，然后使用多值逻辑推理法，利用各种算子对各种命题（即各传感源提供的信息）进行合并运算，从而实现信息的融合。传感器自动检测的共性技术及新发展课件8. 产生式规则法 人工智能中常用的控制方法。产生式规则法中的规则一般要通过对具体使用的传感器的特性及环境特
78、性进行分析后归纳出来的，不具有一般性，即系统改换或增减传感器时，其规则要重新产生。特点：系统扩展性较差，但推理较明了，易于系统解释，所以也有广泛的应用范围。 传感器自动检测的共性技术及新发展课件9. 神经网络方法模拟人类大脑而产生的一种信息处理技术，它采用大量以一定方式相互连接和相互作用的简单处理单元（即神经元）来处理信息。神经网络具有较强的容错性和自组织、自学习、自适应能力，能够实现复杂的映射。神经网络的优越性和强大的非线性处理能力，能够很好的满足多传感器数据融合技术的要求。传感器自动检测的共性技术及新发展课件特点： 具有统一的内部知识表示形式，通过学习方法可将网络获得的传感器信息进行融合，
79、获得相关网络的参数（如连接权矩阵、节点偏移向量等），并且可将知识规则转换成数字形式，便于建立知识库；利用外部环境的信息，便于实现知识自动获取及进行联想推理；能够将不确定环境的复杂关系，经过学习推理，融合为系统能理解的准确信号；神经网络具有大规模并行处理信息的能力，使得系统信息处理速度很快。 传感器自动检测的共性技术及新发展课件基于神经网络的多传感器信息融合 传感器自动检测的共性技术及新发展课件处理过程如下：(l)用选定的N个传感器检测系统状态；(2)采集N个传感器的测量信号并进行预处理；(3)对预处理后的N个传感器信号进行特征选择；(4)对特征信号进行归一化处理，为神经网络的输入提供标准形式；
80、(5)将归一化的特征信息与已知的系统状态信息作为训练样本，送神经网络进行训练，直到满足要求为止。该训练好的网络作为已知网络，只要将归一化的多传感器特征信息作为输入送人该网络，则网络输出就是被测系统的状态。传感器自动检测的共性技术及新发展课件融合体系分级：在信号级使用多传感器检测过程中的状态，并转换成相应的物理量，此时还没有形成能充分描述过程特性的数学模型；在模型级将多传感器获得的信号进行处理，建立各自的过程模型，即能反映被监测对象特性或对被监测对象的表达式，如常用的功率谱估计、时间序列建模等；在特征级主要是对模型级提供的信息特征进行特征关联、特征抽取及归一化处理，为融合处理提供一致的特征数据；
81、融合级通过神经网络进行融合处理，实现对监测对象的识别与估计。传感器自动检测的共性技术及新发展课件神经网络模型常见种类BP网络径向基函数网络自组织神经网络Hopfield神经网络End the 9.5传感器自动检测的共性技术及新发展课件9.6 软测量技术软测量就是依据可测、易测的过程变量(称为辅助变量)与难以直接检测的待测变量(称为主导变量)的数学关系，根据某种最优准则，采用各种计算方法，用软件实现对待测变量的测量或估计。软测量技术主要包括四个方面： (1)辅助变量的选取； (2)数据处理； (3)软测量模型的建立； (4)软测量模型的在线校正。传感器自动检测的共性技术及新发展课件软测量技术9.
82、6.1 辅助变量的选取辅助变量的选取9.6.2 测量数据的处理9.6.3 软测量模型的建立9.6.4 软仪表的在线校正9.6.5 软测量的工业应用传感器自动检测的共性技术及新发展课件9.6.1 辅助变量的选取1. 变量类型的选择2. 变量数目的选择3. 测点位置的选择传感器自动检测的共性技术及新发展课件1. 变量类型的选择选择的方法往往从间接质量指标出发。例如：精馏塔产品的软测量一般采用塔板温度，化工反应器中产品的软测量采用反应器管壁温度。 传感器自动检测的共性技术及新发展课件2. 变量数目的选择从过程机理入手分析，从影响被估计变量的变量中去挑选主要因素，因为全部引入既不可能也没必要。如果缺乏
83、机理知识，则可用回归分析的方法找出影响被估计变量的主要因素，这需要大量的观测数据。需要指出，受系统自由度的限制，辅助变量的个数不能小于被估计变量的个数。至于辅助变量的最优数量问题，目前尚无统一结论。传感器自动检测的共性技术及新发展课件3. 测点位置的选择 对于许多工业过程，辅助变量的检测点的选择是十分重要的，因为可供选择的检测点很多。检测点的选择方法：采用奇异值分解的确定，采用工业控制仿真软件确定。确定的检测点往往需要在实际应用中加以调整。传感器自动检测的共性技术及新发展课件一种辅助变量的选择原则如下 灵敏性：能对过程输出(或不可测扰动)作出快速反应。特异性：能对过程输出(或不可测扰动)之外的
84、干扰不敏感。工程适应性：工程上易于获得并达到一定的测量精度。精确性：构成的估计器达到要求的精度。鲁棒性：构成的估计器对模型误差不敏感。 传感器自动检测的共性技术及新发展课件软测量技术9.6.1 辅助变量的选取9.6.2 测量数据的处理测量数据的处理9.6.3 软测量模型的建立9.6.4 软仪表的在线校正9.6.5 软测量的工业应用传感器自动检测的共性技术及新发展课件9. 6. 2 测量数据的处理 1误差处理2数据的变换 传感器自动检测的共性技术及新发展课件1误差处理 从现场采集的测量数据，由于受仪表精度和测量环境的影响，一般都不可避免地带有误差，有时甚至有严重的过失误差。如果将这些现场测量数据
85、直接用于软测量，会导致软测量的精度降低，甚至完全失败。因此，测量数据必须经过误差处理。测量数据的误差：随机误差、系统误差和过失误差。传感器自动检测的共性技术及新发展课件随机误差的处理符合统计规律，工程上多采用数字滤波算法。如：中位值滤波、算术平均滤波和一阶惯性滤波等。随着计算机优化控制系统的使用，复杂的数值计算方法对数据的精确度提出了更高的要求，于是出现了数据一致性处理技术。基本思想：根据物料或能量平衡等建立精确的数学模型，以估计值与测量值的方差最小为优化目标，构造一个估计模型，为测量数据提供一个最优估计。传感器自动检测的共性技术及新发展课件过失误差处理含有过失误差的数据出现的机率较小，但是，
86、一旦出现则可能严重破坏数据的统计特性，导致软测量的失败。提高测量数据质量的关键：及时侦测、剔除和校正含有过失误差的数据。侦测过失误差的方法：(i)对各种可能导致过失误差的因素进行理论分析；(ii)借助于多种测量手段对同一变量进行测量，然后进行比较；(iii)根据测量数据的统计特性进行检验等。传感器自动检测的共性技术及新发展课件2数据的变换 对数据的变换包括标度、转换和权函数三方面。 工业过程中的测量数据有着不同的工程单位，直接使用这些数据进行计算，不能得到准确结果，甚至结果分散。利用合适的因子对数据进行标度，能够改善算法的精度和稳定性。转换包含对数据的直接转换以及寻找新的变量替换原变量两个含义
87、。通过对数据的转换，可以有效地降低非线性特性。权函数则可实现对变量动态特性的补偿。合理使用权函数使我们有可能用稳态模型实现对过程的动态估计。传感器自动检测的共性技术及新发展课件软测量技术9.6.1 辅助变量的选取9.6.2 测量数据的处理9.6.3 软测量模型的建立软测量模型的建立9.6.4 软仪表的在线校正9.6.5 软测量的工业应用传感器自动检测的共性技术及新发展课件9. 6. 3 软测量模型的建立 1软仪表的描述 2. 建模方法 传感器自动检测的共性技术及新发展课件1软仪表的描述 软仪表的目的：利用所有可获得的信息，求取主导变量的“最佳”估计值 ，即构造从可测信息集 到 的映射。 主导变
88、量 辅助变量 干扰 控制变量 传感器自动检测的共性技术及新发展课件软仪表性能依赖于过程的描述、噪声和扰动的特性、辅助变量的选取以及“最佳”的含义，即给定的某种准则。建立软仪表的过程就是构造一个数学模型。在许多建立软仪表的方法中，要以一般意义下的数学模型为基础。软仪表与一般意义下的数学模型区别：数学模型主要反映与或之间动态(或稳态)关系，软仪表是通过求的估计值。传感器自动检测的共性技术及新发展课件2. 建模方法 过程建模方法主要有两大类：机理建模方法实验建模方法。构造软仪表的方法也可分为两大类。传感器自动检测的共性技术及新发展课件机理分析方法 建立在对过程工艺机理的深刻认识的基础上，运用物料平衡
89、、热量平衡和化学反应动力学等原理，找出不可测主导变量与可测辅助变量之间的关系。对于过程机理较为清楚的工业过程，基于机理模型可以构造良好的软仪表。对复杂工业过程，其内在机理往往不十分清楚，完全依赖机理分析建模比较困难，通常要选用其它方法，结合机理知识构造软仪表。传感器自动检测的共性技术及新发展课件系统辨识方法 辨识方法是将辅助变量和主导变量组成的系统看成“黑箱”，以辅助变量为输入，主导变量为输出，通过现场采集、流程模拟或实验测试，获得过程输入、输出数据，以此为依据建立软仪表模型。传感器自动检测的共性技术及新发展课件状态估计方法 如果已知系统的状态空间模型，而主导变量作为系统状态变量时辅助变量是可
90、观测的，那么构造软仪表的问题可以转化为状态观测或状态估计问题。假设已知对象的状态空间模型为辅助变量 如果系统的状态关于辅助变量完全可测，那么，软测量如果系统的状态关于辅助变量完全可测，那么，软测量问题就转化为典型的状态观测和状态估计问题，估计值就可问题就转化为典型的状态观测和状态估计问题，估计值就可以表示成以表示成Kalman滤波器形式。滤波器形式。Kalman滤波器、滤波器、 Luenberger观测器是解决上述问题的有效方法。观测器是解决上述问题的有效方法。 传感器自动检测的共性技术及新发展课件回归方法基于最小二乘原理的一元、多元线性回归技术已经非常成熟。对于辅助变量较少的情况，利用多元线
91、性回归中的逐步回归技术可以得到较理想的软仪表模型。对于辅助变量较多的情况，通常要借助机理方法，得到变量组合的基本假定，然后再采用逐步回归的方法排除不重要的变量组合，得到软仪表模型。也可以采用主元分析等数学方法，对原问题进行降维处理，然后进行回归。传感器自动检测的共性技术及新发展课件神经网络方法 以辅助变量为输入，待测变量为输出，形成足够多的理想样本，通过学习可以得到软仪表的神经网络模型。理论上，神经网络不需要有过程的先验知识，学习非线性特性的能力比较强，是解决软测量问题的较为理想的方法。实际应用中，样本的数量和质量在一定程度上决定了网络的性能。另外，网络类型、结构和算法的选择对软仪表的性能也有
92、重要影响。传感器自动检测的共性技术及新发展课件模式识别方法在缺乏系统先验知识的情况下，可以采用模式识别的方法对系统的操作数据进行处理，从中提取系统的特征，构成以模式描述分类为基础的模式识别模型。例如:分别采用空间超盒和多中心模聚类方法建立了某催化裂化装置粗汽油蒸汽压的软测量仪表；采用基于Bayes序列分类器的模式识别方法进行精馏塔板效率的估计。传感器自动检测的共性技术及新发展课件模糊数学的方法 模糊数学是人们处理复杂系统的一种有效手段，在软测量中也有应用。 此外，模糊数学还与神经网络或模式识别技术相结合，构成模糊神经网络和模糊模式识别方法。传感器自动检测的共性技术及新发展课件软测量技术9.6.
93、1 辅助变量的选取9.6.2 测量数据的处理9.6.3 软测量模型的建立9.6.4 软仪表的在线校正软仪表的在线校正9.6.5 软测量的工业应用传感器自动检测的共性技术及新发展课件9.6.4 软仪表的在线校正 由于装置操作条件及原料性质都会随时间而变化，软测量模型只适用于一定的操作范围，因而需要不定期地对模型进行修正，以适应工况的变化。通常对软仪表的在线修正仅修正模型的参数具体方法：自适应法、增量法和多时标法等。 对模型结构的修正需要大量的样本数据和耗费较长时间，在线进行有困难。这可采用短期学习和长期学习的思路来解决。短期学习是指以某辅助变量的采样化验分析值与软测量值之差为依据，采用建模方法，
94、修改模型系数。长期学习是指当软测量模型在线运行一段时间后，逐步积累了足够的新样本时，根据新样本，采用建模方法，重建软测量模型。传感器自动检测的共性技术及新发展课件值得注意的问题：在配备在线分析仪表的场合，系统的主导变量的真值可以连续得到，此时采用校正方法不会有太大问题。在主导变量的真值仅能来源于离线人工化验的场合，通常取样周期为数小时或更长，样本密度稀疏。此时，采用何种校正方法值得研究。样本数据与过程数据在时序上的配合，尤其在人工分析情况下，从辅助变量即时反映的产品质量状态到取样位置需要一定的取样时间，取样后直到产品质量数据返回现场又要耗费很长时间。因此，在利用分析值与与辅助变量进行软仪表的校
95、正时，应特别注意保持两者在时间上的对应关系。传感器自动检测的共性技术及新发展课件软测量技术9.6.1 辅助变量的选取9.6.2 测量数据的处理9.6.3 软测量模型的建立9.6.4 软仪表的在线校正9.6.5 软测量的工业应用软测量的工业应用传感器自动检测的共性技术及新发展课件9.6.5 软测量的工业应用 首先，在过程操作和监控方面有十分重要的作用。软仪表实现成分、物性等特殊变量的在线测量，而这些变量往往对过程评估和质量非常重要。没有仪表的时候，操作人员要主动收集温度、压力等过程信息，经过头脑中经验的综合，对生产情况进行判断和估算。有了软仪表，软件就部分地代替了人脑的工作，提供更直观的过程信息
96、，并预测未来工况的变化，从而可以帮助操作人员及时调整生产条件，达到生产目标。传感器自动检测的共性技术及新发展课件过程控制应用软仪表对过程控制也很重要，可以构成推断控制。推断控制：利用模型由可测信息将不可测的被控输出变量推算出来，以实现反馈控制，或者将不可测的扰动推算出来，以实现前馈控制的一类控制系统。 传感器自动检测的共性技术及新发展课件推断控制系统框图 传感器自动检测的共性技术及新发展课件过程优化中应用软测量为过程优化提供重要的调优变量估计，成为优化模型的一部分；软测量本身就是重要的优化目标，如质量等，直接作为优化模型使用。根据不同的优化模型，按照一定的优化目标，采取相应的优化方法，在线求出最佳操作参数条件，使系统运行在最优工作点处，实现自适应优化控制。 End the 9.6传感器自动检测的共性技术及新发展课件
