《误差修正技术》PPT课件

《《误差修正技术》PPT课件》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、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动态补偿方法上一页下一页返回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。上一页下一页返回误差分类：从时间角度，把误

2、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。上一页下一页返回9.1

3、.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上一页下一页返回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，

4、读出其内容，即为被测量经修正过的值。上一页下一页返回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。当取上一页下一页返回2．用神经网络修正系统误差上一页下一页返回传感器模型环境参数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x成线性关系,且与各环境参数无关。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。(9．1．2)上一页下一页返回通常传

5、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，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上一页下一页返回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。(9．1．3)(9．

6、1．4)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上一页下一页返回建立神经网络误差修正模型的步骤：(1)取传感器原始实验数据。(2)由式(9．1．3)变换原始数据和，式(9．1．4)变换原始数据，得训练神经网络的输入、输出样本对。(3)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

7、取0～1。(4)训练神经网络得到误差修正模型。上一页下一页返回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

8、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。上一页下一页返回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；用整段高次多项式近似。神经网络的方法。上一页下一页返回(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