智能传感器 自补偿 多传感信息融合 量程增益Word文件下载.docx

智能传感器 自补偿 多传感信息融合 量程增益Word文件下载.docx

《智能传感器 自补偿 多传感信息融合 量程增益Word文件下载.docx》由会员分享，可在线阅读，更多相关《智能传感器 自补偿 多传感信息融合 量程增益Word文件下载.docx（13页珍藏版）》请在冰豆网上搜索。

而利用智能传感器可直接测量与产品质量指标有函数关系的生产过程中的某些量（如温度、压力、流量等），利用神经网络或专家系统技术建立的数学模型进行计算，可推断出产品的质量。

本文主要针对传感器的自增益、多传感信息融合技术、和自选量程与增益调整的技术及其应用等方面进行论述。

分别位于第一二三章。

第一章自补偿

1.1自补偿技术简介

带有自补偿技术的传感器是智能传感器中的一种，目前国内外学者普遍认为，智能传感器是由传统的传感器和微处理器（或微计算机）相结合而构成的，它充分利用微处理器的计算和存储能力，对传感器的数据进行处理，并能对它的内部行为进行调节，使采集的数据最佳。

本章主要讨论的是自补偿技术，传感器的自补偿技术主要是为了消除因工作条件、环境参数发生变化后引起系统特性的漂移，如温度变化引起的零点漂移、灵敏度温度漂移等。

另外一个重要目的是改善传感器系统的动态特性，使其频率响应特性向更高或更低频段扩展。

通过自补偿技术可改善传感器系统的动态性能，使其频率响应向更高或更低频段扩展。

在不能进行完善的实时自校准的情况下，可采用补偿法消除因工作条件、环境参数发生变化后引起系统特性的漂移，如零点漂移、灵敏度温度漂移等。

自补偿与信息融合技术有一定程度的交叠，信息融合有更深更广的内涵。

1.2自补偿技术的原理

常用的补偿技术有温度补偿，频率补偿，本论文主要讨论温度补偿。

温度是传感器系统最主要的干扰量，在经典传感器种主要采用结构对称（机械结构对称、电路结构对称）来消除其影响，在智能传感器的初级形式中，也有采用硬件电路来实现补偿的，但补偿效果不能满足实际测量的要求。

在传感器与微处理器/微计算机相结合的智能传感器系统中，则是采用监测补偿法，它是通过对干扰量的监测再由软件来实现补偿的[2]。

一般情况下，对应不同的工作温度，传感器有不同的输入（Y）－输出（U）特性。

如果能够确定工作温度为T时相应的Y－U特性，并按其反非线性特性读取被测量，Y就从原理上就能消除温度引入的误差。

但通过标定实验只能在有限数量的几个温度值条件下标定输入－输出特性，而在前面可知输入Y与输出U之间通常存在非线性，可以利用分段插值线性插值法确定在工作温度范围内非标定条件下任一温度T状态的输入（Y）－输出（U）特性。

具体步骤如下：

一、进行标定实验，获得不同温度下的实验数据

设在不同温度Ti（i=1,2,3…k）下测得下列数值：

T1,T2,…T=Tk

Y10,Y11,Y1m,Yk0Yk1…Ykm

u10,u11,u1m,uk0uk1…ukm

式中yij—温度Ti时第j次输入传感器的被测物理量；

uij—温度Ti时第j次测得的传感器输出电压。

二、确定不同温度下的输入输出拟合多项式系数，获得拟合曲线

将不同工作温度T下获得的输入－输出特性用一维多项式方程表示为：

通常，n1=n2=…nk=n

利用标定实验数据即可得到各温度下传感器静态输入输出特性的拟合多项式的系数ai。

值得注意的是，这些系数ai是随温度T而变化的，且变化的规律通常不是线性的，此时可以用曲线拟合的方法，也可以用分段插值的方法确定。

三、分段插值，求取非标定温度下的输出值

将a0、a1…ak和以上多项式的计算程序写入内存，按照图2-1所示流程进行温度补偿，即由输入的T和u查找和计算y值，采用的是分段线性插值法，只要K足够大，其误差就足够小。

图1-1温度补偿流程图

1.3、自补偿的技术的应用

现以压力传感器的温度补偿为例来说明温度补偿的工作原理和实现。

压力传感器是工程中常用的测量器件，由于温度的影响，其零点经常会发生漂移，因

此需要对它进行温度补偿。

利用单片机控制的具有温度补偿功能的压力传感器可以直接数字显示测量结果，具有良好的应用前景。

一、压力传感器的温度补偿原理

由于温度的影响，压力传感器经常会发生零漂移，造成测量上的误差。

传统的解决方法是尽可能保持温度的恒定，并采用热敏电阻给予温度补偿。

但从实际工况出发，保持恒温不易做到，而电阻补偿方法操作过于繁复，给调试工作带来诸多困难。

此外，由于压力传感器的四个桥臂的应力变化不尽相同，零点调节难以实现。

由单片机控制的具有温度补偿功能的压力传感器，具有操作简便，误差小，精度高等特点，并可直接数字显示测量结果。

压力传感器的测量原理如图所示，四个桥臂电阻值R均随压力变化而改变[3]。

图3-1压力传感器测量原理图

正常情况下，压力为零时，传感器输出电压U。

应为零；

当温度发生变化，由于四个桥臂上的电阻变化值有可能不同，使压力传感器的零点发生漂移（即在压力为零时，传感器输出电压U。

不为零）。

传统的解决方法是在其中一个或两个臂上并联热敏电阻。

但由于热敏电阻的特性所致，不可能做到完全补偿，使测量结果存在较大的测量误差。

此外，器件固有的不稳定性，常导致已经调整平衡的系统由于稍微的一点变化，不得不重新调整测量，费力费时，达不到预期效果。

这里介绍的单片机智能控制系统，摒弃了传统的补偿方式，转而寻求一种以软件取代热敏电阻进行温度补偿的新途径。

系统中没有对因温度变化而改变的电阻进行补偿，而是将传感器的输出电压U。

"

减去其零点温漂电压Ut，以此作为输出结果：

U。

=Us-Ut。

本过程完全由软件控制完成，中间无需人工干预，并且可对压力传感器进行即时零点校准，以消除时间或环境对压力传感器参数变化的影响。

二、压力传感器温度补偿的实现

本系统由硬件和软件两部分组成，系统硬件主要包括四大部分，即压力传感器及其放大部分、温度传感器及其放大部分、A/D转换部分、单片机计算及显示小系统，具体原理框图如图1-2所示。

1-2压力传感器温度补偿原理框图

（1）压力传感器、温度传感器及其放大部分

在实际应用中，需将压力传感器和温度传感器近距离放置以保持温度一致。

两个传感器通过两路放大电路并经过开关转换连接到A/D转换电路上，放大器采用集成运放，用放大环节保持良好线性。

适当选择两个放大器倍数K=R2/R1*，使其输出电压Uo满足A/D转换芯片的输入要求并保持在量程范围之内。

具体电路如图1-3所示。

1-3压力传感器、温度传感器及其放大电路

（2）A/D转换和显示部分

采用AD574芯片（12位），转换精度高，转换速度快，完全能够满足要求，单片机选用STC89C52RC主处理芯片，将采集到的数据进行运算后送到上位机显示，最后得出准确的测量值。

（3）温度补偿的软件实现

本系统最大的特点是用软件来代替硬件实现压力传感器的温度补偿。

以往的硬件补偿方法需要对电路反复进行调试，但仍然无法做到温度发生变化时不产生零点漂移。

本系统采用软件补偿方法，测量出该压力传感器在压力为零时的输出值Uo，并用该值减去Ut，得到补偿后的输出电压。

该电压仅与压力有关，经标度变换，送到上位加以显示。

其软件流程如图1-4所示。

1-4软件流程图

第二章多传感信息融合息融合技术

2.1信息融合技术的概念

传感器信息融合又称数据融合，是对多种信息的获取、表示及其内在联系进行综合处理和优化的技术。

传感器信息融合技术从多信息的视角进行处理及综合，得到各种信息的内在联系和规律，从而剔除无用的和错误的信息，保留正确的和有用的成分，最终实现信息的优化。

它也为智能信息处理技术的研究提供了新的观念[4]。

多传感信息信息融合技术将经过集成处理的多传感器信息进行合成，形成一种对外部环境或被测对象某一特征的表达方式。

单一传感器只能获得环境或被测对象的部分信息段，而多传感器信息经过融合后能够完善地、准确地反映环境的特征。

经过融合后的传感器信息具有以下特征：

信息冗余性、信息互补性、信息实时性、信息获取的低成本性。

2.2信息融合技术技术的结构

信息融合的结构分为串联和并联两种如下图所示

图2-1串联结构（左）并联结构（右）

图中，C1，C2，…，Cn表示n个传感器；

S1,S2,…，Sn表示来自各个传感器信息融合中心的数据；

y1，y2，…，yn表示融合中心。

2.3信息融合技术的一般方法

2.3.1嵌入约束法

传感器所获得的客观环境（即被测对象）的多组数据就是客观环境按照某种映射关系形成的像，信息融合就是通过像求解原像，即对客观环境加以了解。

用数学语言描述就是，所有传感器的全部信息，也只能描述环境的某些方面的特征，而具有这些特征的环境却有很多，要使一组数据对应惟一的环境（即上述映射为一一映射），就必须对映射的原像和映射本身加约束条件，使问题能有惟一的解[4]。

嵌入约束法最基本的方法：

Bayes估计和卡尔曼滤波。

一.Bayes估计

Bayes估计是融合静态环境中多传感器低层数据的一种常用方法。

其信息描述为概率分布，适用于具有可加高斯噪声的不确定性信息。

假定完成任务所需的有关环境的特征物用向量f表示，通过传感器获得的数据信息用向量d来表示，d和f都可看作是随机向量。

信息融合的任务就是由数据d推导和估计环境f。

假设p（f，d）为随机向量f和d的联合概率分布密度函数，则

（2-1）

式中，p（f|d）表示在已知d的条件下，f关于d的条件概率密度函数；

p（f|d）表示在已知f的条件下，d关于f的条件概率密度函数；

p（d）和p（f）分别表示d和f的边缘分布密度函数。

已知d时，要推断f，只须掌握p（f|d）即可，即

（2-2）

上式为概率论中的Bayes公式，是嵌入约束法的核心。

信息融合通过数据信息d做出对环境f的推断，即求解p（f|d）。

由Bayes公式知，只须知道p（f|d）和p（f）即可。

因为p（d）可看作是使p（f|d）•p（f）成为概率密度函数的归一化常数，p（d|f）是在已知客观环境变量f的情况下，传感器得到的d关于f的条件密度。

当环境情况和传感器性能已知时，p（f|d）由决定环境和传感器原理的物理规律完全确定。

而p（f）可通过先验知识的获取和积累，逐步渐近准确地得到，因此，一般总能对p（f）有较好的近似描述[5]。

在嵌入约束法中，反映客观环境和传感器性能与原理的各种约束条件主要体现在p（f|d）中，而反映主观经验知识的各种约束条件主要体现在p（f）中。

二.卡尔曼滤波（KF）

用于实时融合动态的低层次冗余传感器数据，该方法用测量模型的统计特性，递推决定统计意义下最优融合数据合计。

如果系统具有线性动力学模型，且系统噪声和传感器噪声可用高斯分布的白噪声模型来表示，KF为融合数据提供惟一的统计意义下的最优估计，KF的递推特性使系统数据处理不需大量的数据存储和计算。

KF分为分散卡尔曼滤波（DKF）和扩展卡尔曼滤波（EKF）。

DKF可实现多传感器数据融合完全分散化，其优点：

每个传感器节点失效不会导致整个系统失效。

而EKF的优点：

可有效克服数据处理不稳定性或系统模型线性程度的误差对融合过程产生的影响。

嵌入约束法传感器信息融合的最基本方法之一，其缺点：

需要对多源数据的整体物理规律有较好的了解，才能准确地获得p（d|f），但需要预知先验分布p（f）。

2.3.2、证据组合法

证据组合法认为完成某项智能任务是依据有关环境某方面的信息做出几种可能的决策，而多传感器数据信息在一定程度上反映环境这方面的情况。

因此，分析每一数据作为支持某种决策证据的支持程度，并将不同传感器数据的支持程度进行组合，即证据组合，分析得出现有组合证据支持程度最大的决策作为信息融合的结果[6]。

证据组合法是对完成某一任务的需要而处理多种传感器的数据信息，完成某项智能任务，实际是做出某项行动决策。

它先对单个传感器数据信息每种可能决策的支持程度给出度量（即数据信息作为证据对决策的支持程度），再寻找一种证据组合方法或规则，在已知两个不同传感器数据（即证据）对决策的分别支持程度时，通过反复运用组合规则，最终得出全体数据信息的联合体对某决策总的支持程度。

得到最大证据支持决策，即信息融合的结果。

利用证据组合进行数据融合的关键在于：

选择合适的数学方法描述证据、决策和支持程度等概念。

建立快速、可靠并且便于实现的通用证据组合算法结构。

2.3.3、人工神经网络法

通过模仿人脑的结构和工作原理，设计和建立相应的机器和模型并完成一定的智能任务。

神经网络根据当前系统所接收到的样本的相似性，确定分类标准。

这种确定方法主要表现在网络权值分布上，同时可采用神经网络特定的学习算法来获取知识，得到不确定性推理机制[7]。

神经网络多传感器信息融合的实现，分三个重要步骤：

（1）．根据智能系统要求及传感器信息融合的形式，选择其拓扑结构；

（2）．各传感器的输入信息综合处理为一总体输入函数，并将此函数映射定义为相关单元的映射函数,通过神经网络与环境的交互作用把环境的统计规律反映网络本身结构；

（3）．对传感器输出信息进行学习、理解，确定权值的分配，完成知识获取信息融合，进而对输入模式做出解释，将输入数据向量转换成高层逻辑（符号）概念。

基于神经网络的传感器信息融合特点：

具有统一的内部知识表示形式，通过学习算法可将网络获得的传感器信息进行融合，获得相应网络的参数，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并行联想推理；

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；

由于神经网络具有大规模并行处理信息能力，使得系统信息处理速度很快。

2.4、多传感器信息融合的实例

多传感器信息融合技术主要的应用领域有：

工业过程监视及工业机器人；

遥感与金融系统；

空中交通管制与病人照顾系统；

船舶避碰与交通管制系统；

生物特征的身份识别；

采用多传感器的自主式武器系统和自备式运载器；

采用多传感器进行截获、跟踪和指挥制导的火控系统等方面可以说有及其广泛的应用。

以工业机器人为例简介信息融合技术的应用

图2-2自主装配机器人

在这套系统中机器人系统融合了视觉信号信息、距离信息、力学信息、触觉信息等信息完成了只能机器人装配系统。

信息融合技术有效的去协调这些信息中的有用信息，提高了空间的分辨力，增加了系统的测量维数，降低了信息的模糊度、增加了系统的可信度。

目前的控制技术，已从程序控制进入了建立在信息融合基础上的智能控制。

智能控制系统不仅用于军事，还应用于工厂企业的生产过程控制和产供销管理、城市建设规划、道路交通管理、商业管理、金融管理与预测、地质矿产资源管理、环境监测与保护、粮食作物生长监测、灾害性天气预报及防治等涉及宏观、微观和社会的各行各业[7]。

第三章自选量程与增益调整

人们在应用传感器的时候总是喜欢将测量信号转换为电信号进行处理。

在测量时存在被测信号的范围比较大，为了提高测量精度总是希望测量仪器即传感器系统能够具有自动切换量程的能力。

在进行非电信号到电信号和电信号的放大转换过程中总是希望信号的增益能自动调整，以获得理想的结果便于后续的信号处理。

本章主要针对自选量程和增益调整进行说明。

3.1自选量程

自选量程在传感器的信号处理过程中有重要的作用。

自选量程能够提大大高信号提取和处理的精度。

现在很少有传感器能够实现自选量程这个目标。

自选量程的实现一般都是通过软件编程来实现的。

下面以能够实现自选量程的数字频率计的设计进行说明。

这种设计方法是通过对单片机软件编程实现的[8]。

在使用定时方法实现频率测量时，这时外部的待测信号通过频率计的予处理电路变成宽度等于待测信号周期的方波，该方波同样加定时/计数器的输入脚。

这时频率计的工作过程为：

首先定时/计数器的计数寄存器清0，然后检查方波高电平 

是否加至定时/计数器的输入脚；

当判定高电平加至定时/计数器的输入脚，运行控制为TR置1，启动定时/计数器对单片机的及其周期的计数，同时检测方波高电平是否结束；

当判定高电平结束时TR置0，停止计数，然后从计数寄存器读出测量数据，在完成数据处理后，由显示电路显示测量结果。

测量结果的显示格式采用科学计数法，即有效数字乘以10为底的幂。

这里设计的频率计用5位数码管显示测量结果：

前3位为测量结果的有效数字；

第4位为指数的符号；

第5位为指数的值。

采用这种显示格式既保证了测量结果的显示精度，由保证了测量结果的显示范围（0.100Hz—9.99MHz）。

量程自动转换的过程由频率计测量量程的高端开始。

由于只显示3位有效数字，在测量量程的高端计数闸门不需要太宽，例如在10.0KHz-99.9KHz频率范围，计数闸门宽度为10mS即可。

频率计每个工作循环开始时使用计数方法实现频率测量，并是计数闸门宽度为最窄，完成测量后判断测量结果是否具有3位有效数字，如果成立，将结果送去显示，本工作循环结束；

否则将计数闸门宽度扩大10倍，继续进行测量判断，直到计数闸门宽度达到1s，这时对应的频率测量范围为100Hz-999Hz。

如果测量结果仍不具有3位有效数字，频率计则使用定时方法实现频率测量。

定时方法测量的是待测信号的周期，这种方法只设一种量程，测量结果通过浮点运算模块将信号周期转换成对应的频率值，再将结果送去显示，这样无论采用何种方式，只要完成一次测量即可，频率计自动开始下一个测量循环。

因此该频率计具有连续测量的功能，同时实现量程的自动转换[9]。

3.2增益调整

在目前的传感器信号处理的过程中主要针对电信号进行增益调整。

由于电信号存在幅值和频率信息的变化范围大的特点，因此总希望能够设计一种自动调节增益的放大器。

下面以自动增益控制电路为例对增益调整进行进行说明。

自动增益控制电路已广泛用于各种接收机、录音机和信号采集系统中，另外在光纤通信、微波通信、卫星通信等通信系统以及雷达、广播电视系统中也得到了广泛的应用[10]。

在接收机中，为了防止强信号引起的过载，需要增大接收机的动态范围，这就要有增益控制电路。

能够使放大电路的增益自动地随信号强度而调整的控制电路，简称自动增益控制AGC（AutomaticGainControl）电路，它能够在输入信号幅度变化很大的情况下，使输出信号幅度保持恒定或仅在较小范围内变化，不至于因为输入信号太小而无法正常工作，也不至于因为输入信号太大而使接收机发生饱和或堵塞。

常用来使系统的输出电平保持在一定范围之内，因而也可以称为自动电平控制。

自动增益控制的原理：

自动增益控制电路的作用是：

当输入信号电压变化很大时，保持接收机输出电压恒定或基本不变。

具体地说，当输入信号很弱时，接收机的增益大，自动增益控制电路不起作用；

当输入信号很强时，自动增益控制电路进行控制，使接收机的增益减小。

这样，当接收信号强度变化时，接收机的输出端的电压或功率基本不变或保持恒定。

因此对AGC电路的要求是：

在输入信号较小时，AGC电路不起作用，只有当输入信号增大到一定程度后，AGC电路才起控制作用，使增益随输入信号的增大而减少。

为实现上述要求，必须有一个能随外来信号强弱而变化的控制电压或电流信号，利用这个信号对放大器的增益自动进行控制。

由上述分析可知，调幅中频信号经幅度检波后，在它的输出中除音频信号外，还含有直流分量。

直流分量大小与中频载波的振幅成正比，也即与外来高频信号成正比。

因此，可将检波器输出的直流分量作为AGC控制信号。

AGC电路工作原理：

可以分为增益受控放大电路和控制电压形成电路。

增益受控放大电路位于正向放大通路，其增益随控制电压U0而改变。

控制电压形成电路的基本部件是AGC整流器和低通平滑滤波器，有时也包含门电路和直流放大器等部件。

目前,实现自动增益控制的手段很多,典型的有压控放大器,也就是本文所要研究的自动增益控制放大器。

它是通过调整放大器一个控制端的电压,就可以实现调节这个放大器的增益。

因此,我们就可以通过反馈电路采集输出端的电压,通过调整网络后（调整网络的功能就是规定的调整策略）加到放大器的控制端.就可以实现自动增益控制。

自动增益控制放大器的设计

如果设计一个应用于音频放大的前级放大器。

因此设计的电路需容纳的频带范围应较宽，以至于使语音信号通过。

由于语音信号的频带范围为300hz-3400hz,所以该电路所应设计的频带范围应在300hz-3400hz之间，并且电路应该实现增益的闭环调节，通过此电路可以实现增益的自动调整，以至于使音频信号强时自动减小放大器的倍数，信号弱时自动增大放大器的倍数，从而实现音量的自动调节[11]。

相应的实现电路如下图所示：

图3-1自动增益控制放大器电路设计图

从图中可以看出，此方案是通过两级放大器的级联来控制自动增益调节的。

此图采用了AD603来实现自动增益控制电路。

AD603是低噪、90MHz带宽增益可调的集成运放，如增益用分贝表示，则增益与控制电压成线性关系。

管脚间的连接方式决定了可编程的增益范围，增益在-11～+30dB时的带宽为90MHz，增益在+9～+41dB时具有9MHz带宽，改变管脚间的连接电阻，可使增益处在上述范围内。

本电路经两级AD603级联后放大的信号，一路由J2送入下一级信号通道，另一路则输入到三极管。

三极管的发射极PN结完成AGC检波，三极管PNP、NPN之间，形成的电流之差，经过集电极C2后，在C2上形成一个压降，当C2上的电荷达到一定量时，有反馈电流送回，则形成AGC控制电压VAGC。

输入信号增大时，三极管的集电极电流之差也跟着增大，反馈回到AD603之后使输出VAGC相应减小；

同样，输入信号减小时，VAGC则会增大，即VAGC与输入信号的强度成反比，符合AGC电压反向控制要求。

参考文献

[1]刘君华.智能传感器系统[M].西安电子科技大学出版社,1999.

[2]赵敏,陈小平,王铮,等.传感器实时自校准/自补偿的实现[J].仪器仪表学报,1999,20（4）:

432-434.

[3]尹福炎.电阻应变片的温度自补偿及其他[J].衡器,2009,38（9）:

41-46.

[4]王耀南,李树涛.多传感器信息融合及其应用综述[J].控制与决策,2001,16（5）:

518-522.

[5]马平,吕锋,杜海莲,等.多传感器信息融合基本原理及应用[J].控制工程,2006,13

（1）:

48-51.

[6]胡学骏,罗中良.基于统计理论的多传感器信息融合方法[J].传感器技术,2002,21（8）:

3