传感器的非线性校正及动态补偿研究

绪论
敏感元件是直接感受被测量，并输出与被测量成确定关系的某一物理量的元 件。转换元件是将敏感元件的输出作为输入转换为电路参数量。转换电路将上述 电路参数量转换为电量输出。实际上，有些传感器很简单，有些则较复杂，大多 数是开环系统，也有些是带反馈的闭环系统[3]。 最简单的传感器由一个敏感元件（兼转换元件）组成，它感受被测量时直接 输出电量，如热电偶。有些传感器由敏感元件和转换元件组成，没有转换电路。 有些传感器转换元件不只一个，要经过若干次转换。敏感元件与转换元件在结构 上常是装在一起的，而转换电路为了减小外界的影响也希望和它们装在一起，不 过由于空间的限制或者其他原因，转换电路常装入电箱中。 在大多数情况下，被测信息的第一次传输与转换都是由传感器完成的。所以 传感器往往是测试系统中的核心元件， 测试系统分析的大量工作集中在传感器上， 其重要性已被人们充分认识，并已成为研究和开发的热点，而对传感器的研究主 要集中在如何提高传感器的性能指标。传感器性能指标是衡量其优劣的标准，是 其设计的目标，是用户选择的依据。根据被测量是否随时间变化，传感器表现出 两种特性：静态特性（非线性特性）和动态特性。
ቤተ መጻሕፍቲ ባይዱ
保密□，在 本学位论文属于 不保密□√。 （请在以上方框内打“√” ）
年解密后适用本授权书。
学位论文作者签名：赵阳 日期： 2007 年 2 月 1 日
指导教师签名：田社平 日期：2007 年 2 月 1 日
上海交通大学硕士学位论文
第一章
绪论
第一章
绪论
1.1 研究背景
根据国家标准，传感器定义为：能够感受规定的被测量，并按照一定规律转 换成可用输出信号的器件或装置[1]。 随着新技术革命的到来，世界开始进入信息时代，而传感器技术、通讯技术 以及计算机技术并列为现代信息技术的三大基础，分别构成信息技术系统的“感 官” 、 “神经”和“大脑” 。在利用信息的过程中，首先要解决的就是要获取准确可 靠的信息，而传感器处于自动检测与控制系统之首，是感知、获取与检测信息的 窗口，并且处于研究对象与测控系统的接口位置，一切科学研究和生产过程要获 取的信息，都要通过它转换为易传输和易处理的电信号。因此，传感器的地位与 作用特别重要，甚至有“谁掌握和支配了传感技术谁就支配了新时代”[2]的说法。 在基础学科研究中，传感器更具有突出的地位。现代科学技术的发展，使其 进入很多新领域：例如在宏观上要观察上千光年的茫茫宇宙，微观上要观察小到 10-13cm 的粒子世界，短到 10-24s 的瞬间反应。此外还有对超高温、超低温、超高 压、超高真空、超强磁场、超弱磁场等等极端技术的研究。显然，要获取大量人 类感官无法获取的信息，没有相适应的传感器是不可能的[3]。 随着传感器在各学科和工程领域的广泛应用，人们为了在恶劣条件下能获取 更为精确的信息，对传感器的准确度、稳定性和抗干扰性有了更高的要求，所以 也需要利用更加深入的理论研究和实验方面的分析来设计低成本、高精度的传感 器。
关键词：神经网络，非线性校正，辨识建模，动态补偿
第 II 页
上海交通大学硕士学位论文
ABSTRACT
RESEARCH ON NONLINEAR CORRECTION AND DYNAMIC COMPENSATION OF SENSORS
ABSTRACT
Sensor is the core component in the measuring systems, and its accuracy play a decisive role in the performance of measuring systems. Moreover, the key to enhance the performance of sensors lies in correcting or compensating their static characteristics (nonlinear) and dynamic characteristics, which has already become an important subject researched both at home and abroad at present time. The main task of this dissertation is the nonlinear correction and dynamic compensation of sensors. A new nonlinear correction method is proposed, and the first choice of dynamic compensation methods under different environment is given by comparison. This dissertation proposes a new type of nonlinear correction method after briefly introducing the traditional methods. Firstly, the feasibility of this method is deduced theoretically and the model is established. This method can reduce the system's complexity comparing with the traditional ones. Then the measuring system using two distance sensors is set up to acquire data through the computer. The nonlinear correction model with two inputs and one output can be established by the neural network because of its nonlinear approximation, self-learning and fault-tolerant abilities. The system linked this model has a good linear input-output characteristic. RPE (recursive prediction error) and RBF (Radial Basis
第I页
上海交通大学硕士学位论文
摘 要
本论文还在动态模型的辨识建模基础上分析了原有的几种动态补 偿方案：系统辨识法和零极点配置法，以及比较新颖的神经网络动态 补偿方法，首先从理论的角度分析了运用各种方法时需要注意的问题 和局限性，随后用上述各种方法对存在和不存在非线性静态误差的力 传感器进行动态补偿的仿真试验，通过辨识建模和神经网络建模的方 法建立传感器动态补偿环节，串接到传感器测试系统进行动态补偿， 得到动态补偿后的输出特性。通过对仿真试验结果的分析得到了一些 结论，可以应用于动态补偿方案的选择。 本文提出的这种新型传感器非线性校正方案可以大幅度提高距 离传感器测试系统的精度，具有很强的抗干扰性，可以应用在环境比 较恶劣情况下的距离测量，而通过仿真分析得到的动态补偿方案选择 结论可以帮助我们在对传感器进行动态补偿时能够选择最优的动态补 偿方案，具有很强的实际意义。
KEY WORDS: neural network, nonlinear correction, modeling, dynamic compensation
第 IV 页
上海交通大学 学位论文原创性声明
本人郑重声明：所呈交的学位论文，是本人在导师的指导下，独立进行研究工作 所取得的成果。除文中已经注明引用的内容外，本论文不包含任何其他个人或集 体已经发表或撰写过的作品成果。对本文的研究做出重要贡献的个人和集体，均 已在文中以明确方式标明。本人完全意识到本声明的法律结果由本人承担。
上海交通大学 硕士学位论文 传感器的非线性校正及动态补偿研究 姓名：赵阳 申请学位级别：硕士 专业：精密仪器及机械 指导教师：田社平 20070101
上海交通大学硕士学位论文
摘 要
传感器的非线性校正及动态补偿研究
摘 要
传感器是检测系统中的核心元件，其测试的准确性对检测系统的 性能起着决定性的作用，而提高传感器的性能指标关键在于提高其静 态特性（非线性特性）和动态特性，这也成为了目前国内外研究的一 项重要课题。本论文研究的主要内容是传感器的非线性校正及动态补 偿，提出了一种新的非线性校正方法，通过比较现有几种动态补偿方 法的优劣给出了不同环境下的优先选择。 本论文在简要介绍传感器的传统非线性校正方法基础上，提出了 一种应用于距离传感器的新型非线性校正方案，首先通过理论分析计 算证明了此方案的可行性，建立了此非线性校正方法的模型，与传统 的非线性校正方法相比降低了系统的复杂度。然后根据非线性校正模 型，利用两个距离传感器来构建传感器测试系统，通过计算机对数据 进行采集。在非线性校正环节的建模时，利用神经网络具有的非线性 逼近能力、自学习能力以及容错能力可以建立双输入单输出的校正环 节神经网络模型,将其接入该测试系统进行验证,其输入输出具有良好 的线性特性。在这里用到了 RPE(递推预报误差)神经网络和 RBF(径向 基函数)神经网络算法，详细介绍了这两种算法的计算过程和特点，并 且在建模过程中分析了它们在应用中需要注意的一些问题，如隐层节 点数的选择，容许误差的选择。
学位论文作者签名：赵阳
日期： 2007 年 2 月 1 日
上海交通大学 学位论文版权使用授权书
本学位论文作者完全了解学校有关保留、使用学位论文的规定，同意学校保留并 向国家有关部门或机构送交论文的复印件和电子版，允许论文被查阅和借阅。本 人授权上海交通大学可以将本学位论文的全部或部分内容编入有关数据库进行检 索，可以采用影印、缩印或扫描等复制手段保存和汇编本学位论文。
第 III 页
上海交通大学硕士学位论文
ABSTRACT
Function) neural network algorithm are given. A detailed description and some application problems such as the choice of hidden nodes and allowance error are analyzed in the process of modeling. This dissertation also analyzes several kinds of traditional dynamic compensation methods: the system identification method, disposing zero-pole point method and the method based on neural network. The questions and limitations of these methods are analyzed theoretically. Two kinds of strength sensors are compensated by the above methods. The dynamic compensation models which are established through the identification or the neural network modeling are linked with the strength sensors to obtain the expected output characteristic. The conclusion obtained from the simulation results can be applied in dynamic compensation. This nonlinear correction method can enhance the precision of sensor greatly and is of strong anti-jamming. It can be applied in the distance measurement in bad circumstance. The rules about the dynamic compensation which are obtained from the simulation analysis can help us select the best method.
1.2 传感器原理
传感器一般由敏感元件、转换元件和基本转换电路三部分组成[4]，如图 1-1 所示：
被测量 敏感 元件 转换 元件 基本转换 电路 电量 测量 电路
图 1-1 传感器的组成[4] Fig. 1-1 The composing of sensors
第1页
上海交通大学硕士学位论文
第一章