第14章智能传感器

第14章智能传感技术 14.1智能传感器概述14.1.1智能传感器14.1.2智能传感器的结构14.1.3智能传感器的基本功能 14.2智能传感器的关键技术 14.4智能传感器技术新发展14.1.1智能传感器 早期，人们简单地认为智能传感器是将“传感器与微处理器组装在同一块芯片上的装置”。 随着智能传感技术的发展，基于其构成特点和功能特征，普遍认为，智能传感器是“将一个或多个敏感元件和信号处理器集成在同一块硅或砷化锌芯片上的装置”，“一种带微处理机并具有 检测 工程第三方检测合同工程防雷检测合同植筋拉拔检测方案传感器技术课后答案检测机构通用要求培训 、判断、信息处理、信息记忆、逻辑思维等功能的传感器”。 所以智能传感器是引入了微处理器并扩展了传感器功能，使之具备人的某些智能的、有信息处理功能的新概念传感器。对智能传感器，目前尚无统一确切的定义。14.1.2智能传感器的结构 一方面通过反馈回路对传感器与信号调理电路进行调节以实现对测量过程的调节和控制；另一方面将处理后的结果传送到输出接口，经过接口电路的处理后按照输出格式和界面定制输出数字化的测量结果。ux0xiui智能传感器主要由传感器、微处理器（或微计算机）及相关电路组成，其基本结构如图14-1所示。传感器将被测量转换成相应的电信号，送到信号调理电路中，经过滤波、放大、模－数转换后送到微处理器。微处理器对接收的信号进行计算、存储、数据分析和处理后，一方面通过反馈回路对传感器与信号调理电路进行调节以实现对测量过程的调节和控制，另一方面将处理后的结果传送到输出接口，经过接口电路的处理后按照输出格式和界面定制输出数字化的测量结果。智能传感器中微处理器是智能化的核心，图中的软件部分的运算及其相关的调节与控制只有通过它才能实现。14.1.2智能传感器的结构 模块式智能传感器为初级的智能传感器，它由许多相互独立的模块组成（如将微计算机、信号调理电路模块、输出电路模块、显示电路模块和传感器装配在同一壳体内）。由于集成度不高而导致体积较大，但在目前的技术水平下，仍不失为一种实用的结构形式。 混合式智能传感器将传感器、微处理器和信号处理电路做在不同的芯片上，是目前智能传感器采用较多的结构形式。 集成式智能传感器将一个或多个敏感器件与微处理器、信号处理电路集成在同一硅片上，集成度高、体积小，是智能传感器发展的方向。按实现结构形式的不同，智能传感器可以分为模块式、混合式和集成式三种形式。14.1.3智能传感器的基本功能 ①逻辑判断、统计处理：智能传感器能够对检测数据进行分析、统计和修正，能进行非线性、温度、噪声、响应时间、交叉感应以及缓慢漂移等误差补偿，还能根据工作情况调整系统状态，使系统工作在低功耗状态和传送效率优化的状态。 ②自检、自诊断和自校准：这是智能传感器的标志之一，智能传感器可以通过对环境的判断和自诊断进行零位和增益等参数的调整。可以借助其内部检测线路对异常现象或故障进行诊断。操作者输入零值或某一 标准 excel标准偏差excel标准偏差函数exl标准差函数国标检验抽样标准表免费下载红头文件格式标准下载 值后，自校准程序可以自动地进行在线校准。14.1.3智能传感器的基本功能 ③软件组态（复合敏感）：智能传感器设置多种模块化的硬件和软件，用户可以通过操作指令，改变智能传感器的硬件模块和软件模块的组合形式，以达到不同的应用目的，完成不同的功能，实现多传感、多参数的复合测量。 ④双向通信和标准化数字输出：智能化传感器具有数字标准化数据通信接口，能与计算机直接或接口总线相连，相互交换信息。这是智能传感器的又一标志。 ⑤人机对话：智能传感器与仪表等组合在一起，配备各种显示装置和输入键盘，使系统具有灵活的人机对话功能。 ⑥信息存储与记忆：可以存储各种信息，如装载历史信息、校正数据、测量参数、状态参数等。对检测数据的随时存取，大大加快了信息的处理速度。第14章智能传感技术 14.1智能传感器概述 14.2智能传感器的关键技术14.2.1间接传感14.2.2线性化校正14.2.3自诊断14.2.4动态特性校正14.2.5自校准与自适应量程14.2.6电磁兼容性 14.4智能传感器技术新发展14.2.2线性化校正 理想传感器的输入物理量与转换信号呈线性关系，线性度越高，则传感器的精度越高。但实际上大多数传感器的特性曲线都存在一定的非线性误差。 智能传感器能实现传感器输入-输出的线性化。突出优点在于不受限于前端传感器、调理电路至A/D转换的输入-输出特性的非线性程度，仅要求输入-输出特性重复性好。xiu0uix其中，传感器、调理电路至A/D转换器的输入x-输出u特性如图14-3（a）所示，微处理器对输入按图14-3（b）进行反非线性变换，使其输入x与输出y成线性或近似线性关系，如图14-3（c）所示。14.2.2线性化校正:1.查表法 查表法是一种分段线性插值方法。根据准确度要求对反非线性曲线进行分段，用若干折线逼近非线性曲线，将折点坐标值存入数据表中，测量时首先查找出被测量xi对应的输出量ui处在哪一段，再根据斜率进行线性插值求得输出值yi=xi。14.2.2线性化校正:2.曲线拟合法 通常采用n次多项式来逼近反非线性曲线，多项式方程的各个系数由最小二乘法确定。 曲线拟合法的缺点在于当有噪声存在时，利用最小二乘法原则确定待定系数时可能会遇到病态的情况而无法求解。∑神经网络算法W0W1W2Wn………++++∑+-Zi1uiui2uinxi14.2.2线性化校正:3.神经网络法 利用神经网络来求解反非线性特性拟合多项式的待定系数。 传感器1传感器2被测量传感器n信号调理模块…信号诊断算法软件部分微处理器14.2.3自诊断 智能传感器自诊断技术俗称“自检”，要求对智能传感器自身各部分（包括软件资源和硬件资源）进行检测，以验证传感器能否正常工作，并显示相关信息。 传感器故障诊断是智能传感器自检的核心内容之一，自诊断程序应判断传感器是否有故障，并实现故障定位、判别故障类型，以便后续操作中采取相应的对策。 对传感器进行故障诊断主要以传感器的输出为基础，一般有硬件冗余诊断法、基于数学模型的诊断法和基于信号处理的诊断法等。14.2.3自诊断:1.硬件冗余诊断法 对容易失效的传感器进行冗余备份，一般采用两个、三个或者四个相同传感器来测量同一个被测量，通过冗余传感器的输出量进行相互比较以验证整个系统输出的一致性。 一般情况下，该方法采用两个冗余传感器可以诊断有无传感器故障，采用三个或者三个以上冗余传感器可以分离发生故障的传感器。14.2.3自诊断:2.基于数学模型的诊断法 建立适当的数学模型来表征测量系统的特性，通过比较模型输出与实际输出之间的差异来判断是否有传感器故障。 参数估计诊断法：故障致使模型参数发生变化，通过参数的估计值与正常值之间的偏差情况来判断传感器是否发生故障。 ①通过标定建立被测量对象的输入输出模型；②通过测量获得传感器的输入输出系列，估计模型参数序列和过程参数系列；③根据参数变化序列的统计特性，判断传感器故障，如有故障则进行故障的分离、估计和决策。（2）状态估计诊断法：通过估计系统的状态，并结合数学模型进行故障诊断。①由观测序列Y重构被控过程(对象)X状态，并构造残差序列；②通过构造适当的模型并采用统计检验方法检测故障，并做进一步的分离、估计和决策。①通过标定建立被测量对象的输入输出模型②通过测量获得传感器的输入输出系列，估计模型参数序列和过程参数系列③根据参数变化序列的统计特性，判断传感器故障，如有故障则进行故障的分离、估计和决策。14.2.3自诊断:3.基于信号处理的诊断法 直接对检测到的各种信号进行加工、交换以提取故障特征，回避了基于模型方法需要抽取对象数学模型的难点。基于信号处理的诊断方法虽然可靠，但也有局限性，如某些状态发散导致输出量发散的情况，该方法不适用；另外，阈值选择不当，也会造成该方法的误报或者漏报。 直接信号比较法：在正常情况下，被测量过程的输入输出应该在正常范围变化，来判断是否发生了故障。传感器动态校正器y(t)yc(t)u(t)�标准值VR零点标准值多路转换A/D转换G微控制器MCUVXY放大器14.2.3自诊断:4.基于人工智能的故障诊断法 （1）基于专家系统的故障诊断方法：在故障诊断专家系统的知识库中，储存了某个对象的故障征兆、故障模式、故障成因、处理意见等内容，专家系统在推理机构的指导下，根据用户的信息，运用知识进行推理判断，将观察到的现象与潜在的原因进行比较，形成故障判据。 （2）基于神经网络的故障诊断方法：可利用神经网络强大的自学习功能、并行处理能力和良好的容错能力，神经网络模型由诊断对象的故障诊断事例集经训练而成，避免了解析冗余中实时建模的需求。14.2.4动态特性校正 在利用传感器对瞬变信号实施动态测量时，传感器由于机械惯性、热惯性、电磁储能元件及电路充放电等多种原因，使得动态测量结果与真值之间存在较大的动态误差(即输出量随时间的变化曲线与被测量的变化曲线相差较大)。 在智能传感器中，对传感器进行动态校正的方法大多是用一个附加的校正环节与传感器相联，使合成的总传递函数达到理想或近乎理想状态。��A/DK1K2K3K4因此，需要对传感器进行动态校正。在智能传感器中，对传感器进行动态校正的方法大多是用一个附加的校正环节与传感器相联，使合成的总传递函数达到理想或近乎理想(满足准确度要求)状态。14.2.4动态特性校正 用低阶微分方程表示传感器动态特性：使补偿环节传递函数的零点与传感器传递函数的极点相同，通过零极抵消的方法实现动态补偿。该方法要求确定传感器的数学模型。由于确定数学模型时的简化和假设，这种动态补偿器的效果受到限制。 按传感器的实际特性建立补偿环节：根据传感器对输入信号响应的实测参数以及参考模型输出，通过系统辨识的方法设计动态补偿环节。由于实际测量系统不可避免地存在各种噪声，辨识得到的传感器动态补偿环节存在一定误差。14.2.5自校准与自适应量程 自校准在一定程度上相当于每次测量前的重新定标,以消除传感器的系统漂移。自校准可以采用硬件自校准、软件自校准和软硬件结合的方法。 校零：输入信号的零点标准值，进行零点校准；校准：输入信号标准值测量；测量：对输入信号进行测量。传感器1传感器2传感器n…多传感器系统综合数据模块知识获取知识库推理引擎智能模块嵌入式系统人机交互模块网络接口模块网络用标准激励或校准传感器进行实时自校准的电路如图14-8所示。智能传感器的自校准过程通常分为以下三个步骤：14.2.5自校准与自适应量程 要综合考虑被测量的数值范围，以及对测量准确度、分辨率的要求等诸因素来确定增益(含衰减)档数的设定和确定切换档的准则，这些都依具体问题而定。 在电压输入回路中插入四量程电阻衰减器，每个量程相差10倍，在每个量程中设置两个数据限，上限通常在满刻度值附近取值，下限一般取为上限的1/10。智能传感器在工作中通过判断测量值是否达到上下限来自动切换量程。传感参量上下极限等DSP处理器TMS320F2812插值、解耦、自校正多传感参量智能模块32位ARM处理器S3C2440(64M)SDRAM(2片16bit×16bit)FLASH(64M)微处理器模块TFT-LCD触摸屏AX88796嵌入式系统压力传感器多传感器系统PH值传感器湿度传感器温度传感器乙醇传感器网络HR911105A在电压输入回路中插入四量程电阻衰减器，每个量程相差10倍，在每个量程中设置两个数据限，上限称升量程限，下限称降量程限，上限通常在满刻度值附近取值，下限一般取为上限的1/10。智能传感器在工作中通过判断测量值是否达到上下限来自动切换量程。上限称升量程限，下限称降量程限，第14章智能传感技术 14.1智能传感器概述 14.2智能传感器的关键技术 14.4智能传感器技术新发展14.4.1嵌入式智能传感器14.4.2阵列式智能传感器14.4.1嵌入式智能传感器 嵌入式智能传感器一般是指应用了嵌入式系统技术、智能理论和传感器技术，具备网络传输功能，并且集成了多样化外围功能的新型传感器系统。 经典智能传感器一般是使用单片机再加上控制规则进行工作的，较少涉及智能理论（人工智能技术、神经网络技术和模糊技术等）。 因此，基于嵌入式系统来应用智能理论的嵌入式智能传感器，具有更高智能化程度。14.4.1嵌入式智能传感器：总体结构知识库用于存放嵌入式智能传感器运行过程中所需要的专家知识、经验及传感器的基本参数，知识库里的知识是推理引擎发出命令的根据。综合数据模型用于存储原始数据、常用数据和各种参量。推理引擎根据传感器及综合数据中的数据，利用知识库中的知识进行思维、判断、推理，并修改嵌入式智能传感器的各种参数。知识获取指从数据集合中自动抽取隐藏在数据中的那些有用的信息，这些信息的表现形式为规则、概念、规律及模式等，它可帮助分析历史数据及当前数据，并从中发现隐藏的关系和模式，进而预测未来可能发生的行为。传感器1传感器2传感器n…预处理1预处理2预处理n…多传感器阵列预处理模块嵌入式处理器阵列处理器多传感器集成阵列阵列式智能传感器14.4.1嵌入式智能传感器 液态乙醇浓度在线检测的嵌入式智能传感器图14-50为应用于液态乙醇浓度在线检测的嵌入式智能传感器原理结构图。本传感器上电后，通过触摸屏TFT-LCD（Sharp公司3.5寸的集“TFTLCD”和触摸屏于一体的显示模块）的可视化界面操作设置各传感采集通道的开关状态和采集数据类型（包括温度、湿度、乙醇浓度、PH值和压力）。设置完成后，传感器开始正常工作，多传感器系统实时检测环境中各种传感量的大小，将检测到的各参数数值传送到32位DSP（TMS000F2812）进行基于多尺度理论插值、解耦自校正人工智能处理，将各传感数据根据定义好的通讯协议进行数据打包，通过串行口传送到32位嵌入式ARM9（S3C2440）中，传感数据借助触摸屏的LCD人机交互界面进行显示。网络接口模块中的以太网控制器（AX88796）将接收到的数据进行TCP数据打包，通过RJ45接口（HR911105A型）将其传送到Internet上。在Internet上，上位机实时接收发送上来的测量信息，根据环境需要，向嵌入式智能传感器发送相应的控制命令。嵌入式智能传感器接收到发送过来的控制命令后执行相应的操作，实时地调节环境参数，使其保持在一个合适的范围之内。本嵌入式智能传感器具有适应性、透明性、交互性，可以有效地进行推理，其液态乙醇浓度检测范围为100-70000mg/L，响应时间≤15S，测量误差小于±2%。14.4.2阵列式智能传感器 将多个传感器排布成若干行列的阵列结构，并行提取检测对象相关特征信息并进行处理的新型传感器系统。 阵列中的每个传感器都能测量来自空间不同位置的输入信号并能提供给使用者以空间信息。阵列式智能传感器总体结构如图14-51所示，由三个层次组成。第一层次为传感器组的阵列实现集成，称为多传感器阵列；第二层次是将多传感器阵列和预处理模块阵列集成在一起，称为多传感器集成阵列；第三层次是将多传感器阵列、预处理模块阵列和处理器全部集成在一起时，称为阵列式智能传感器。对智能传感器，目前尚无统一确切的定义。智能传感器主要由传感器、微处理器（或微计算机）及相关电路组成，其基本结构如图14-1所示。传感器将被测量转换成相应的电信号，送到信号调理电路中，经过滤波、放大、模－数转换后送到微处理器。微处理器对接收的信号进行计算、存储、数据分析和处理后，一方面通过反馈回路对传感器与信号调理电路进行调节以实现对测量过程的调节和控制，另一方面将处理后的结果传送到输出接口，经过接口电路的处理后按照输出格式和界面定制输出数字化的测量结果。智能传感器中微处理器是智能化的核心，图中的软件部分的运算及其相关的调节与控制只有通过它才能实现。按实现结构形式的不同，智能传感器可以分为模块式、混合式和集成式三种形式。其中，传感器、调理电路至A/D转换器的输入x-输出u特性如图14-3（a）所示，微处理器对输入按图14-3（b）进行反非线性变换，使其输入x与输出y成线性或近似线性关系，如图14-3（c）所示。（2）状态估计诊断法：通过估计系统的状态，并结合数学模型进行故障诊断。①由观测序列Y重构被控过程(对象)X状态，并构造残差序列；②通过构造适当的模型并采用统计检验方法检测故障，并做进一步的分离、估计和决策。①通过标定建立被测量对象的输入输出模型②通过测量获得传感器的输入输出系列，估计模型参数序列和过程参数系列③根据参数变化序列的统计特性，判断传感器故障，如有故障则进行故障的分离、估计和决策。因此，需要对传感器进行动态校正。在智能传感器中，对传感器进行动态校正的方法大多是用一个附加的校正环节与传感器相联，使合成的总传递函数达到理想或近乎理想(满足准确度要求)状态。用标准激励或校准传感器进行实时自校准的电路如图14-8所示。智能传感器的自校准过程通常分为以下三个步骤：在电压输入回路中插入四量程电阻衰减器，每个量程相差10倍，在每个量程中设置两个数据限，上限称升量程限，下限称降量程限，上限通常在满刻度值附近取值，下限一般取为上限的1/10。智能传感器在工作中通过判断测量值是否达到上下限来自动切换量程。上限称升量程限，下限称降量程限，图14-50为应用于液态乙醇浓度在线检测的嵌入式智能传感器原理结构图。本传感器上电后，通过触摸屏TFT-LCD（Sharp公司3.5寸的集“TFTLCD”和触摸屏于一体的显示模块）的可视化界面操作设置各传感采集通道的开关状态和采集数据类型（包括温度、湿度、乙醇浓度、PH值和压力）。设置完成后，传感器开始正常工作，多传感器系统实时检测环境中各种传感量的大小，将检测到的各参数数值传送到32位DSP（TMS000F2812）进行基于多尺度理论插值、解耦自校正人工智能处理，将各传感数据根据定义好的通讯协议进行数据打包，通过串行口传送到32位嵌入式ARM9（S3C2440）中，传感数据借助触摸屏的LCD人机交互界面进行显示。网络接口模块中的以太网控制器（AX88796）将接收到的数据进行TCP数据打包，通过RJ45接口（HR911105A型）将其传送到Internet上。在Internet上，上位机实时接收发送上来的测量信息，根据环境需要，向嵌入式智能传感器发送相应的控制命令。嵌入式智能传感器接收到发送过来的控制命令后执行相应的操作，实时地调节环境参数，使其保持在一个合适的范围之内。本嵌入式智能传感器具有适应性、透明性、交互性，可以有效地进行推理，其液态乙醇浓度检测范围为100-70000mg/L，响应时间≤15S，测量误差小于±2%。阵列式智能传感器总体结构如图14-51所示，由三个层次组成。第一层次为传感器组的阵列实现集成，称为多传感器阵列；第二层次是将多传感器阵列和预处理模块阵列集成在一起，称为多传感器集成阵列；第三层次是将多传感器阵列、预处理模块阵列和处理器全部集成在一起时，称为阵列式智能传感器。