基于數據融合技術的智能壓力傳感器研究

作者：時間：2012-09-13 來源：網絡

加入技術交流群
- 掃碼加入
  和技術大咖面對面交流
  海量資料庫查詢

2．1 多維回歸分析法
回歸分析法的基本思想是：用多維回歸方程來建立被測目標參量與傳感器輸出量之問的對應關系。與經典傳感器一維實驗標定／校準不同的足要進行多維標定／校準實驗，通過最小二乘法原理由實驗標定／校準數據計算出回歸方程中的系數。這樣，當測得傳感器輸出值時，就可由已知系數的多維回歸方程來計算出相應的輸入被測目標參數。具體的算法是已知壓力傳感器輸出電壓U代表壓力信息，另一溫度傳感器輸出電壓Ut代表溫度信息，則壓力參量P’可以用U及Ut二元函數來表示才完備，即：
P’=f(U，Ut)
由二維坐標(Ui，Uit)決定的Pi在同一平面上，可利用二維回歸方程來描述：

式中：a0～a5為常系數；ε1為高階無窮小。
由最小二乘法原理得到系數a0～a5，代入二維回歸方程中，確定檢測壓力P’和輸出U的二元輸入-輸出特性。當采集到二個傳感器的輸出值U及Ut時，代入式中就可以計算得到傳感器的被測參量P’。
2．2 BP神經網絡法
神經元之間的連接方式不同，網絡的拓撲結構也不同。根據神經元之間的連接方式，可將神經網絡結構分為2大類，層次型結構和互聯型結構。層次型結構的神經網絡將神經元按功能分成若干層，如輸入層、中間層(也稱為隱層)和輸出層，各層順序相連。輸入層各神經元負責接受來自外界的輸入信息，并傳遞給中間各隱層神經元；隱層是神經網絡的內部信息處理層，負責信息變換；最后隱層傳遞到輸出層各神經元的信息經近一步處理后由輸出層向外界輸出信息處理結果。圖3給出一個單隱層BP神經網絡模型，它具有2個輸入，每個輸入都通過一個適當的權值w和下一層相連，網絡輸出可以表示為式(1)，f是表示輸入／輸出關系的傳遞函數。

本文引用地址：http://www.czjhyjcfj.com/article/159899.htm

在網絡中，隱含層的激勵函數選用S型函數，即：

輸出層的激勵函數選用線性函數，即：

式中：xi為節點接受的信息；wij為相關連接權重；y為節點輸出；θ為閾值；n為節點數。如上所述，建立一個三層BP神經網絡模型，把實驗標定的樣本數據輸入網絡進行學習訓練后，再進行交叉敏感的消除，從而達到數據融合的目的。
由以上的討論可以看出，多維回歸算法和BP神經網絡算法均能有效達到溫度補償的效果。前者算法簡單，容易理解，但是數據融合能力有限，補償程度不如后者；后者數據融合能力強，補償效果明顯，但是算法較難理解，軟件編程工作量大。在本設計中，多維回歸融合算法可以滿足要求，并且軟件編程工作量小，所以本文采用多維回歸算法補償溫度對壓力傳感器的影響。

3 智能壓力傳感器數據融合的應用
3．1 溫度敏感元件的標定
對傳感器進行靜態標定，標定系統由YJF型浮球式標準壓力計、HT-1714C直流穩壓電源、34401 A型數字萬用表、奔騰4PC機和自制的控溫系統組成。在此分別對傳感器在27℃，37 ℃，47 ℃，57℃，67℃的溫度條件下做了靜態標定，如表1所示。