什么是传感器.docx

什么是传感器.docx

《什么是传感器.docx》由会员分享，可在线阅读，更多相关《什么是传感器.docx（6页珍藏版）》请在冰豆网上搜索。

什么是传感器

什么是传感器

最广义地来说，传感器是一种能把物理量或化学量转变成便于利用的电信号的器件。

国际电工委员会的定义为：

“传感器是测量系统中的一种前置部件，它将输入变量转换成可供测量的信号”。

按照GoPEl等的说法是：

“传感器是包括承载体和电路连接的敏感元件”，而“传感器系统则是组合有某种信息处理（模拟或数字）能力的传感器”。

传感器是传感器系统的一个组成部分，它是被测量信号输入的第一道关口。

传感器是接收信号或刺激并反应的器件，能将待测物理量或化学量转换成另一对应输出的装置。

用于自动化控制、安防设备等。

一个传感器的输入对输出的影响被称为传感系数或灵敏度（sensitivity）。

当一个传感器的输入和输出完全成线性关系的时候，这个传感器就是一个理想传感器。

同时，理想传感器还应该遵守以下原则：

1.只受被测因素的影响；2.不受其他因素的影响；3.传感器本身不会影响被测因素。

传感器是一种物理装置或生物器官，能够探测、感受外界的信号、物理条件（如光、热、湿度）或化学组成（如烟雾），并将探知的信息传递给其他装置或器官。

“传感器”在新韦式大词典中定义为：

“从一个系统接受功率，通常以另一种形式将功率送到第二个系统中的器件”。

　　根据这个定义，传感器的作用是将一种能量转换成另一种能量形式，所以不少学者也用“换能器－Transducer”来称谓“传感器－Sensor”。

传感器分类

按技术分类超声波传感器、温度传感器、湿度传感器、气体传感器、气体报警器、压力传感器、加速度传感器、紫外线传感器、磁敏传感器、磁阻传感器、图像传感器、电量传感器、位移传感器。

按应用分类压力传感器、温湿度传感器、温度传感器、流量传感器、液位传感器、超声波传感器、浸水传感器、照度传感器、差压变送器、加速度传感器、位移传感器、称重传感器。

电子式传感器IR红外线近接/测距

循线循迹Sensor

超音波距离检测

雷射区域距离测量仪

室内定位系统

碰撞传感器

紧急/保护带状开关

可挠曲传感器

压力传感器

温湿度传感器

表面温度量测器

数位电子罗盘（方向）

GPS卫星定位模组

计数&PWM产生器

陀螺仪与加速度计

倾斜仪与定向计

Piezo压电震动传感器

RFIDReader模组

PIR物体移动检知

TSL230光To频率

霍尔效应传感器

气体侦测器

在医疗器械市场，小型化、低功耗和液媒兼容性高等传感器产品特点已成为全球性的发展趋势。

但在各个国家和地区，材料规范标准、产品需求及成本问题不尽相同。

这就要求传感器生产厂商提供灵活、可扩展的产品系列来满足全球客户的需求。

另外，传感器生产厂商还要确保产品质量及供应质量。

为满足全球医疗器械制造厂商的需求，传感器生产厂商必须考虑以下四个关键问题：

小型化、材料规范标准、供应商质量保证、服务与支持。

为开发更小、更轻、更便于携带的医疗电子产品，从而节省病房空间并方便医务人员使用，设计人员正面临着一系列的挑战。

例如，尺寸更小的传感器可以轻松地集成到空间有限的输液泵中。

由于尺寸小和功耗低，输液泵的便携性得以进一步提升，有助于提升病人的生活便利性。

某些情况下，小型化设计会考虑将一些诊断功能内置于网络化的医疗器械中，以远程监控病人的治疗与护理情况。

因此就需要选用集多种检测功能于单一封装内的传感器产品。

此举可为医疗器械制造厂商减小设备体积或提高设备功能性创造可能性。

传感器生产厂商满足上述要求的另一种方式是进一步开发传感器产品线，这种产品线能提供各式各样的机械接口、安装形式、封装和I/O选项。

这样，医疗器械设计人员就能选择合适的接口来减少占用空间、降低成本并消除额外的组件。

例如，压力传感器应提供多种安装选项以便在空间受限的应用中安装，进而便于设计人员将传感器安置在正确位置用以进行精准检测。

对于需要精准测量的应用而言，传感器的安装非常关键。

例如，在透析治疗中，使用传感器对透析液和静脉的压力进行精准的测量直接关乎病人的生命安全。

对于便携式应用，传感器尤其需要满足低电压和低功耗这两个要求，这样能延长电池使用寿命。

传感器还应提供启动/休眠两种模式，设备只有在启动模式下才会耗电。

传感器的休眠模式能延长电池使用寿命，减小电源尺寸进而减少医疗设备的重量。

为保证测量的精确，传感器必须尽可能贴近流体（血液、传染性物质、盐溶液等），并与患者气体通道或液体通道频繁接触。

因此，传感器生产厂商必须保证所选材料、供应链和生产流程符合欧盟材料规范标准。

此外，传感器供应商的服务与支持也非常重要。

移动机器人是机器人的重要研究领域，人们很早就开始移动机器人的研究。

世界上第一台真正意义上的移动机器人是斯坦福研究院（SRI）的人工智能中心于1966年到1972年研制的，名叫Shakey，它装备了电视摄像机、三角测距仪、碰撞传感器、驱动电机以及编码器，并通过无线通讯系统由二台计算机控制，可以进行简单的自主导航。

Shakey的研制过程中还诞生了两种经典的导航算法：

A*算法（theA*searchalgorithm）和可视图法（thevisibilitygraphmethod）。

虽然Shakey只能解决简单的感知、运动规划和控制问题，但它却是当时将AI应用于机器人的最为成功的研究平台，它证实了许多通常属于人工智能（AritificialIntelligence，AI）领域的严肃的科学结论。

从20世纪70年代末开始，随着计算机的应用和传感技术的发展，以及新的机器人导航算法的不断推出，移动机器人研究开始进入快车道。

移动机器人智能的一个重要标志就是自主导航，而实现机器人自主导航有个基本要求——避障。

下面让我们来了解一下移动机器人的避障，避障是指移动机器人根据采集的障碍物的状态信息，在行走过程中通过传感器感知到妨碍其通行的静态和动态物体时，按照一定的方法进行有效地避障，最后达到目标点。

实现避障与导航的必要条件是环境感知，在未知或者是部分未知的环境下避障需要通过传感器获取周围环境信息，包括障碍物的尺寸、形状和位置等信息，因此传感器技术在移动机器人避障中起着十分重要的作用。

避障使用的传感器主要有超声传感器、视觉传感器、红外传感器、激光传感器等。

1激光传感器　　

激光测距传感器利用激光来测量到被测物体的距离或者被测物体的位移等参数。

比较常用的测距方法是由脉冲激光器发出持续时间极短的脉冲激光，经过待测距离后射到被测目标，回波返回，由光电探测器接收。

根据主波信号和回波信号之间的间隔，即激光脉冲从激光器到被测目标之间的往返时间，就可以算出待测目标的距离。

由于光速很快，使得在测小距离时光束往返时间极短，因此这种方法不适合测量精度要求很高的（亚毫米级别）距离，一般若要求精度非常高，常用三角法、相位法等方法测量。

2视觉传感器　　

视觉传感器的优点是探测范围广、获取信息丰富，实际应用中常使用多个视觉传感器或者与其它传感器配合使用，通过一定的算法可以得到物体的形状、距离、速度等诸多信息。

或是利用一个摄像机的序列图像来计算目标的距离和速度，还可采用SSD算法，根据一个镜头的运动图像来计算机器人与目标的相对位移。

但在图像处理中，边缘锐化、特征提取等图像处理方法计算量大，实时性差，对处理机要求高。

且视觉测距法检测不能检测到玻璃等透明障碍物的存在，另外受视场光线强弱、烟雾的影响很大。

3红外传感器　　

大多数红外传感器测距都是基于三角测量原理。

红外发射器按照一定的角度发射红外光束，当遇到物体以后，光束会反射回来，如图所示。

反射回来的红外光线被CCD检测器检测到以后，会获得一个偏移值L，利用三角关系，在知道了发射角度α，偏移距L，中心矩X，以及滤镜的焦距f以后，传感器到物体的距离D就可以通过几何关系计算出来了。

红外传感器的优点是不受可见光影响，白天黑夜均可测量，角度灵敏度高、结构简单、价格较便宜，可以快速感知物体的存在，但测量时受环境影响很大，物体的颜色、方向、周围的光线都能导致测量误差，测量不够精确。

4超声波传感器　　

超生波传感器检测距离原理是测出发出超声波至再检测到发出的超声波的时间差，同时根据声速计算出物体的距离。

由于超声波在空气中的速度与温湿度有关，在比较精确的测量中，需把温湿度的变化和其它因素考虑进去。

超声波传感器一般作用距离较短，普通的有效探测距离都在5-10m之间，但是会有一个最小探测盲区，一般在几十毫米。

由于超声传感器的成本低，实现方法简单，技术成熟，是移动机器人中常用的传感器。

机器人避障技术的分类　　

目前移动机器人的避障根据环境信息的掌握程度可以分为障碍物信息已知、障碍物信息部分未知或完全未知两种。

传统的导航避障方法如可视图法、栅格法、自由空间法等算法对障碍物信息己知时的避障问题处理尚可，但当障碍信息未知或者障碍是可移动的时候，传统的导航方法一般不能很好的解决避障问题或者根本不能避障。

而实际生活中，绝大多数的情况下，机器人所处的环境都是动态的、可变的、未知的，为了解决上述问题，人们引入了计算机和人工智能等领域的一些算法。

同时得益于处理器计算能力的提高及传感器技术的发展，在移动机器人的平台上进行一些复杂算法的运算也变得轻松，由此产生了一系列智能避障方法，比较热门的有：

遗传算法、神经网络算法、模糊算法等，下面分别加以介绍。

1基于遗传算法的机器人避障算法：

遗传算法（geneticalgorithm，简称GA）是计算数学中用于解决最佳化的搜索算法，是进化算法的一种。

进化算法是借鉴了进化生物学中的遗传、突变、自然选择以及杂交等现象而发展起来的。

遗传算法采用从自然进化中抽象出来的几个算子对参数编码的字符串进行遗传操作，包括复制或选择算子（ReproductionorSelect）、交叉算子（Crossover）、变异算子（Mutation）。

　　遗传算法的主要优点是：

采用群体方式对目标函数空间进行多线索的并行搜索，不会陷入局部极小点；只需要可行解目标函数的值，而不需要其他信息，对目标函数的连续性、可微性没有要求，使用方便；解的选择和产生用概率方式，因此具有较强的适应能力和鲁棒性。

2基于神经网络算法的机器人避障方法：

神经网络（neuralnetwork，缩写NN），是一种模仿生物神经网络的结构和功能的数学模型或计算模型。

神经网络由大量的人工神经元联结进行计算。

大多数情况下人工神经网络能在外界信息的基础上改变内部结构，是一种自适应系统。

人工神经网络通常通过一个基于数学统计学类型的学习方法优化，是一种非线性统计性数据建模工具，可以对输入和输出间复杂的关系进行建模。

　　传统的神经网络路径规划方法往往是建立一个关于机器人从初始位置到目标位置行走路径的神经网络模型，模型输入是传感器信息和机器人前一位置或者前一位置的运动方向，通过对模型训练输出机器人下一位置或者下一位置的运动方向。

可以建立基于动态神经网络的机器人避障算法，动态神经网络可以根据机器人环境状态的复杂程度自动地调整其结构，实时地实现机器人的状态与其避障动作之间的映射关系，能有效地减轻机器人的运算压力。

还有研究通过使用神经网络避障的同时与混合智能系统（HIS）相连接，可以使移动机器人的认知决策避障能力和人相近。

3基于模糊控制的机器人避障算法模糊控制（fuzzycontrol）是一类应用模糊集合理论的控制方法，它没有像经典控制理论那样把实际情况加以简化从而建立起数学模型，而是通过人的经验和决策进行相应的模糊逻辑推理，并且用具有模糊性的语言来描述整个时变的控制过程。

对于移动机器人避障用经典控制理论建立起的数学模型将会非常粗糙，而模糊控制则把经典控制中被简化的部分也综合起来加以考虑。

对于移动机器人避障的模糊控制而言，其关键问题就是要建立合适的模糊控制器，模糊控制器主要完成障碍物距离值的模糊化、避障模糊关系的运算、模糊决策以及避障决策结果的非模糊化处理（精确化）等重要过程，以此来智能地控制移动机器人的避障行为。

利用模糊控制理论还可将专家知识或操作人员经验形成的语言规则直接转化为自动控制策略。

通常使用模糊规则查询表