最新第11章--前沿传感技术幻灯片.ppt

《最新第11章--前沿传感技术幻灯片.ppt》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、第11章--前沿传感技术11.1概述1.什么叫前沿根据科学的思维方法，一般认为：人类的某些先进的思维、思想、概念、观点、理论、模式、方式、学科、专业、技能、产品、服务、技巧、心理体验等的信息综合，称为前沿。2.前沿传感技术①传感技术是前沿技术，传感技术学科属前沿学科；②本章内容主要介绍其他章节较少涉及的内容；③只作常识介绍①单一微传感器。显著特点是尺寸小(从微米级到毫米级、有的甚至达到纳米级)，主要采用精密加工、微电子技术以及MEMS技术，使尺寸大大减小。②集成微传感器。将微小的敏感元件、信号处理

2、器、数据处理装置封装在一块芯片上，形成集成的传感器。③微传感器系统。包括微传感器、微执行器，可以独立工作。此外，还可以由多个微传感器组成传感器网络或者通过其他网络实现异地联网。（如血管机器人）11.2微机电传感器11.2.1微传感器2．微陀螺：（2）微陀螺示例微机械振动陀螺：利用振动元件来测出角速度。11.3.1软测量概述11.3.2软测量技术基本原理11.3.3软测量技术的应用11.3软测量与软传感器软测量技术一般是根据某种最优准则，通过选择一些容易测量且与主导变量密切联系的二次变量(辅助变量)

3、来预测主导变量，它所建立的软测量模型可以完成一些实际硬件检测仪器所不能完成的测量任务。在测量中不存在直接的物理传感器或仪器实体，而是利用其他由直接物理传感器实体得到的信息，通过数学模型计算手段得到所需检测信息的一种功能实体。11.3.1软测量概述1．软测量技术的数学描述和结构软测量的目的就是利用所有可以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θ到的映射。可测信息集θ包括所有的可测主导变量y(y可能部分可测)、辅助变量θ、控制变量u和可测扰动d1。f为估计函数关系，即软测量模型。在这样

4、的框架结构下，软测量的性能主要取决于过程的描述、噪声和扰动的特性、辅助变量的选取以及最优准则。11.3.2软测量技术基本原理1．软测量技术的数学描述和结构软测量技术的核心是建立工业对象的精确可靠的模型。初始软测量模型是对过程变量的历史数据进行辨识而来的。在现场测量数据中可能含有随机误差甚至粗大误差，必须经过数据变换和数据校正等预处理，将真实信号从含噪声的混合信号中分离出来，才能用于软测量建模或作为软测量模型的输入。软测量模型的输出就是软测量对象的实时估计值。2．影响软测量性能的主要因素（1）中间辅

5、助变量的选择：1)变量类型的选择①灵敏性：能对过程输出或不可测扠动作出快速反应；②特异性：对过程输出或不可测扰动之外的干扰不敏感；③过程适用性：工程上易于获得并能达到一定的测量精度；④精确性：构成的软测量估计器满足精度要求；⑤鲁棒性：构成的软测量估计器对模型误差不敏感。遗憾的是以上选择原则难以用定量的形式表示，而现代工业某些对象具有数百个检测变量，面对如此庞大的可测变量集，若采用定性分析的方法对每个变量逐一进行判断，工作量非常大，简直不可能实现。现在主要根据工业对象的机理、工艺流程以及专家经验来选

6、择辅助变量。2．影响软测量性能的主要因素（1）中间辅助变量的选择：2)变量数目的选择辅助变量数量的下限是被估计的变量数，然而最优数量的确定目前尚无统一的结论。一般来说，原始辅助变量数目、类型很多，往往有数十个，并且相关程度差异较大，为了实时运行方便，有必要对输入变量进行适当的降维处理。选择思想是对各原始辅助变量与主导变量之间的相关性进行分析，根据分析所得相关性的强弱，以决定哪些适合作为建模用的辅助变量。2．影响软测量性能的主要因素（1）中间辅助变量的选择：3)检测点位置的选择对于许多工业工程，与各

7、辅助变量相对应的检测点位置的选择是相当重要的。在使用软测量技术时，检测位置对模型的动态特性有一定影响。因此，对输入中间辅助变量各个检测点的检测方法、位置和仪表精确度等需有一定要求。采用奇异值分解或工业控制仿真软件等方法进行检测点的选取，一般情况下，辅助变量的数目和位置常常是同时确定的，用于选择变量数目的准则往往也被用于检测点位置的选择。2．影响软测量性能的主要因素（2）输入数据的处理软仪表是根据过程测量数据经过数值计算从而实现软测量的，其性能很大程度上依赖于所获过程测量数据的准确性和有效性。一方面

8、，在数据采集时，要注意数据的“信息”量，均匀分配采样点，尽量拓宽数据的涵盖范围，减少信息重叠，避免某一方面信息冗余，否则会影响最终建模的质量；另一方面，对采集来的数据进行适当的处理，因为现场采集的数据必然会受到不同程度环境噪声的影响而存在误差。2．影响软测量性能的主要因素（2）输入数据的处理数据预处理：由于工业现场采集的数据具有一定随机性，数据预处理主要是消除突变噪声和周期性波动噪声的影响。为提高数据处理的精确度，除去随机噪声，可采用数据平滑化方法如时域平滑滤波和频域滤波法等。数据