论文题目: 基于先进数据处理技术的智能称重传感器研究
论文类型: 博士论文
论文专业: 测试计量技术及仪器
作者: 朱子健
导师: 王鑫伟
关键词: 智能传感器,神经网络,模糊补偿,灰色理论,补偿
文献来源: 南京航空航天大学
发表年度: 2005
论文摘要: 传感器技术是高科技发展的重要基础,数字化、智能化是当前传感器领域发展的主导方向。本文主要研究称重传感器,结合目前国内外称重传感器的应用现状,设计了一种基于RS485通讯的数字式智能称重传感器,硬件设计中采用了AVR24位单片机,及高度集成的CS-5532 A/D芯片,重点在对称重传感器的各种主要技术参数的误差补偿、称重系统的数据处理及故障诊断等方面作了深入细致的研究,论文的主要工作及创新性点如下:1. 系统分析了称重传感器主要误差的成因及其应用场合,在此基础上,设计开发了 基于先进数据处理方法的高性能智能称重传感器。这种传感器吸收了模糊数学、 人工智能等方面的新成果,采用合理灵活的先进数据处理方法实现传感器误差的 数字补偿,避免了传统称重传感器中繁琐且精度不高的模拟的补偿方法及传统的 数学建模的数字补偿,精度可达 OIMLC6。2. 根据称重传感器的非线性与温度误差特性,将函数连接型神经网络引入称重传感 器的补偿设计中,提出了称重传感器的非线性及温度误差的神经网络补偿并给出 了易于单片机化的实现方法。研究表明:采用所提出的补偿方法精度高且灵活可 靠且方便易行。3. 根据称重传感器的蠕变特性,在传感器的设计中引入模糊理论,创造性地提出了 称重传感器蠕变的在线模糊补偿理论并给出了易于单片机化的实现方法。研究表 明:采用提出的补偿方法,传感器的蠕变补偿简单方便,可靠性、精度好。4. 开发了基于新型传感器的智能称重系统。在分析了现有称重系统的现状并保留传 统称重系统功能的同时,增加了免标定、系统故障自诊断、不间断工作,传感器 故障预报等新功能,智能化程度及称重精度都得到极大提高。对各项功能给出了 实现的方法及实例说明,这些方法具有较高的参考意义和实用价值。5. 在智能称重系统的设计中引入灰色理论,创造性地提出了称重传感器软故障的灰 色预测理论并给出了切实可行的实现方法。通过灰色建模,对传感器的软故障进 行预报,提高系统可靠性。 本文的研究结果包括数字式智能称重传感器、一套综合智能模型及几种有效的数据处理方法,对于智能称重传感器的发展和应用有重要的参考意义。
论文目录:
摘要
ABSTRACT
第一章 绪论
1.1 引言
1.2 传感器的发展趋势
1.2.1 新材料，新领域
1.2.2 数字化，智能化
1.2.3 集成化，微型化
1.3 称重传感器
1.3.1 模拟式称重传感器介绍
1.3.2 数字式称重传感器现状
1.3.3 数字式智能称重传感器的特点
1.4 国内外称重传感器现状及发展趋势
1.4.1 国内外称重传感器研究现状
1.4.2 先进数据处理在传感器领域的应用现状
1.4.3 人工神经网络
1.4.4 模糊理论
1.4.5 灰色理论
1.5 本文的研究内容
第二章 智能称重传感器总体设计
2.1 称重传感器技术指标
2.1.1 传感器输入量与输出量的关系
2.1.2 满量程输出,灵敏度
2.1.3 非线性
2.1.4 滞后
2.1.5 重复性
2.1.6 零点输出
2.1.7 零点温度系数
2.1.8 灵敏度温度系数
2.1.9 蠕变
2.2 本文传感器要求的技术指标
2.2.1 设计目标
2.2.2 技术指标说明
2.3 智能传感器总体设计
2.3.1 总体结构
2.3.2 数字传感器的组成
2.3.3 模拟部分
2.3.4 数字部分
2.3.5 上位机部分
2.4 本章小节
第三章 数字部分的软硬件实现
3.1 传感器数字部分设计
3.2 硬件设计标准
3.2.1 基本要求
3.2.2 EMC（电磁兼容性）要求
3.3 基本电路介绍
3.3.1 主要元器件
3.3.2 基本电路介绍
3.4 硬件部分整体设计
3.4.1 电路介绍
3.4.2 PCB 设计
3.5 PCB 板性能测试
3.5.1 抗电磁场辐射
3.5.2 静电放电
3.5.3 电脉冲群测试数据
3.5.4 综合测试
3.6 传感器软件部分设计
3.6.1 单片机程序执行主流程
3.6.2 零点及灵敏度补偿子程序流程
3.6.3 非线性温度补偿子程序流程
3.6.4 蠕变补偿子程序流程
3.7 本章小结
第四章 基于函数链神经网络的非线性及温度补偿
4.1 传感器非线性误差分析及补偿方式介绍
4.1.1 弹性元件产生的非线性误差
4.1.2 电阻应变片产生的非线性误差
4.1.3 桥路产生的非线性误差
4.1.4 非线性误差的综合分析
4.1.5 非线性及温度的模拟补偿方法
4.1.6 传统的非线性及温度数字补偿方法
4.1.7 本文采用的补偿方法
4.2 函数连接型神经网络的基本理论
4.2.1 函数连接型神经网络
4.2.2 函数连接型神经网络的结构
4.2.3 函数增强方式
4.3 称重传感器非线性校正及温度补偿的模型的建立
4.3.1 模型总体结构
4.3.2 建模方案
4.3.3 实施步骤及学习方法
4.3.4 建模过程
4.4 补偿效果分析
4.5 本章小结
第五章 蠕变的在线模糊补偿
5.1 蠕变的定义及成因
5.1.1 蠕变的定义及工作特性
5.1.2 正蠕变的成因
5.1.3 负蠕变的成因
5.2 蠕变调整方法简介
5.2.1 模拟补偿方法
5.2.2 一般数字补偿方法
5.3 蠕变的在线模糊数字补偿
5.3.2 传感器工作过程分析
5.3.3 蠕变的在线模糊数字补偿原理
5.4 蠕变在线模糊补偿的实现方法
5.4.1 模糊识别原则
5.4.2 传感器输出变化状况的辨识
5.4.3 蠕变的在线模糊补偿过程描述
5.5 补偿效果验证
5.6 本章小结
第六章 基于灰色理论的传感器故障预测
6.1 灰色理论
6.1.1 灰色理论基本观点
6.1.2 灰色动态建模基本机理
6.1.3 灰色动态建模基本步骤
6.2 基于灰色理论的传感器故障预测实例
6.2.1 零点漂移的预测
6.2.2 重量分配关系变化的预测
基于先进数据处理技术的智能称重传感器研究
6.3 本章小结
第七章 智能称重系统
7.1 称重系统结构
7.1.1 传统的模拟称重系统结构
7.1.2 智能称重系统结构及其功能
7.2 智能称重系统的实施
7.2.1 系统安装
7.2.2 标定系统及角差调整
7.2.3 系统故障诊断及防作弊
7.2.4 不间断工作
7.2.5 传感器故障预测
7.3 本章小结
第八章 总结与展望
8.1 全文小节
8.2 展望
8.3 结束语
参考文献
发布时间: 2005-07-08
参考文献
- [1].大尺寸飞行器质量特性测量关键技术研究[D]. 王超.哈尔滨工业大学2014
相关论文
- [1].汽车衡多传感器相关性与智能容错方法研究[D]. 林海军.湖南大学2009
- [2].智能位移传感器系统的研究[D]. 冯平.浙江大学2001
- [3].公路动态称重系统的设计理论研究[D]. 凌杰.长安大学2001
- [4].网络化测试系统及实时性研究[D]. 李凤保.电子科技大学2003
- [5].压电智能结构冲击荷载及损伤识别方法的研究[D]. 周晚林.南京航空航天大学2005
- [6].多传感器数据融合及其在电机故障诊断中的应用研究[D]. 陈理渊.浙江大学2005
- [7].遗传算法与小波神经网络中若干问题的研究[D]. 刘守生.南京航空航天大学2005
- [8].面向目标跟踪的无线传感器网络研究[D]. 林瑞仲.浙江大学2005
- [9].基于电气制导与误差修正的几何量计量新方法及新型栅式智能位移传感器研究[D]. 刘小康.重庆大学2005
- [10].车辆动态称重技术研究[D]. 程路.浙江大学2008