学位论文 > 优秀研究生学位论文题录展示

传感器动态特性研究

作　者: 赵微微
导　师: 葛化敏
学　校: 南京信息工程大学
专　业: 系统分析与集成
关键词: 传感器动态非线性 Wiener模型 LMS自适应算法自适应决策
分类号: TP212
类　型: 硕士论文
年　份: 2012年
下　载: 250次
引　用: 0次
阅　读: 论文下载

内容摘要

传感器是物联网的神经末梢,是人类全面感知自然最核心的元件,为了提高传感器的测量精度,需要对其特性进行深入的研究。而传感器的动态特性对其测量精度有重要的影响,因此,本文从非线性出发对传感器的动态特性进行了一系列理论和实验研究,包括传感器动态非线性建模、传感器动态性能分析以及传感器动态非线性校正等。传感器动态特性研究的基础是建立准确的传感器动态模型,目的是通过补偿提高其动态性能。因此,为提高建模和补偿精度,本文提出了一种可扩展到非线性的新的变步长变参数最小均方(LMS)自适应算法以用于传感器动态特性研究中的信号预处理滤波及系统辨识。而且,还研究了一种改进的解相关原理以提高系统对相关信号输入时的辨识能力。理论分析和仿真实验验证了所提算法较其他算法具有明显的优越性。本文利用块联模型的优点,从提高传感器动态性能出发采用Wiener模型来表征传感器动态模型,结合上述自适应算法和神经网络思想建立了一种基于Wiener模型的动态非线性自适应神经网络两步辨识法,给出了辨识的步骤和训练过程,采用最小二乘与自适应算法相结合对Wiener模型的两部分进行辨识。用LabVIEW和Matlab结合模拟传感器,验证了本文关于传感器模型的描述以及传感器模型辨识方法的正确性。在正确分析传感器性能指标的基础上,提出了基于Wiener模型的动态非线性自适应神经网络两步补偿法,分别对Wiener模型的两部分采用与建模一致的系统辨识法进行补偿。为解决实际系统动态补偿可能会带来的高频噪声干扰问题,文章还提出了自适应决策的思想。仿真验证了本文动态补偿和自适应决策思想的正确性,实际使用时可根据待补偿系统性能选择是否加入自适应决策。根据热膜式空气质量流量传感器的工作原理,设计了其动静态标定实验,对实验数据进行预处理,将上述经仿真验证有效的系统建模和补偿方法应用于该传感器的动态特性研究,正确的描述了该传感器的动态非线性模型,并通过补偿提高了其动态性能。

全文目录

摘要  5-6
Abstract  6-8
第一章绪论  8-14
  1.1 研究背景及意义  8-9
  1.2 国内外研究现状  9-12
    1.2.1 动态非线性建模研究现状  10-11
    1.2.2 动态非线性补偿研究现状  11
    1.2.3 最小均方自适应算法研究现状  11-12
  1.3 研究内容  12-13
  1.4 创新点  13-14
第二章变步长变参数最小均方自适应算法  14-41
  2.1 LMS自适应算法  14-16
    2.1.1 LMS自适应算法性能分析  15-16
  2.2 变步长变参数LMS自适应算法  16-25
    2.2.1 算法的确定  16-18
    2.2.2 算法性能分析  18-24
    2.2.3 调节参数m、k的选取原则  24-25
  2.3 变步长变参数LMS自适应滤波  25-31
    2.3.1 自适应滤波原理  25-26
    2.3.2 滤波仿真  26-31
  2.4 解相关变步长变参数LMS自适应系统辨识  31-40
    2.4.1 自适应系统辨识原理  31-32
    2.4.2 解相关原理  32-34
    2.4.3 系统辨识仿真  34-40
  2.5 小结  40-41
第三章基于Wiener模型的传感器动态非线性建模  41-58
  3.1 块联模型  41-44
    3.1.1 Wiener模型和Hammerstein模型的区别  42-44
      3.1.1.1 Wiener模型的特点  42-43
      3.1.1.2 Hammerstein模型的特点  43
      3.1.1.3 Wiener模型和Hammerstein模型补偿的比较  43-44
  3.2 动态非线性模型的建立方法  44-45
  3.3 基于Wiener模型的动态非线性自适应神经网络两步辨识法  45-48
    3.3.1 辨识步骤  46
    3.3.2 训练过程  46-48
  3.4 建模仿真  48-57
    3.4.1 最小二乘法及其在传感器动态非线性建模中的应用  49-51
      3.4.1.1 最小二乘算法的推导  49-50
      3.4.1.2 最小二乘法在Wiener模型动态非线性建模中的应用  50-51
    3.4.2 自适应算法在Wiener模型动态非线性建模中的应用  51-54
    3.4.3 LabVIEW与Matlab混合编程  54
    3.4.4 移位寄存器技术  54-55
    3.4.5 建模仿真结果  55-57
  3.5 小结  57-58
第四章传感器动态特性分析  58-63
  4.1 传感器动态特性的分析方法及性能指标  58-59
    4.1.1 动态指标  58-59
    4.1.2 静态指标  59
  4.2 动态误差产生的原因及影响  59-61
  4.3 性能指标计算及分析  61-62
  4.4 小结  62-63
第五章基于Wiener模型的传感器动态非线性补偿  63-75
  5.1 动态补偿技术原理  63-64
  5.2 基于Wiener模型的动态非线性自适应神经网络两步补偿法  64-71
    5.2.1 静态非线性校正  64-65
    5.2.2 动态线性补偿  65-68
      5.2.2.1 自适应系统辨识动态补偿法  65-67
      5.2.2.2 基于FLANN设计的动态补偿法  67-68
    5.2.3 基于Wiener模型的动态非线性自适应神经网络两步补偿法  68
    5.2.4 仿真  68-71
  5.3 自适应决策思想  71-74
    5.3.1 自适应决策的实现  72
    5.3.2 仿真  72-74
  5.4 小结  74-75
第六章热膜式MAF传感器的动态特性研究  75-87
  6.1 热膜式MAF传感器动静态标定实验  76-77
    6.1.1 静态实验  76
    6.1.2 动态实验  76-77
  6.2 热膜式MAF传感器动态非线性建模  77-82
    6.2.1 数据预处理  77-78
    6.2.2 静态非线性环节建模  78-79
    6.2.3 动态线性环节建模  79-82
      6.2.3.1 静态非线性逆模型的确定  79
      6.2.3.2 动态线性建模  79-82
  6.3 动态非线性和线性建模比较  82-83
  6.4 热膜式MAF传感器动态非线性补偿  83-86
    6.4.1 热膜式MAF传感器动态性能分析  83
    6.4.2 静态非线性校正环节设计  83-84
    6.4.3 动态线性补偿环节设计  84-85
    6.4.4 热膜式MAF传感器动态非线性补偿实验  85-86
  6.5 小结  86-87
第七章总结与展望  87-89
  7.1 总结  87-88
  7.2 展望  88-89
参考文献  89-93
致谢  93-94
硕士在读期间发表的论文清单  94-95
附录  95-96

传感器动态特性研究

内容摘要

全文目录

相似论文