前沿传感技术.ppt

单击此处编辑母版标题样式,单击此处编辑母版文本样式,第二级,第三级,第四级,第五级,*,*,第,11,章 前沿传感技术,11.1,概述,11.2,微机电传感器,11.3,软测量与软传感器,11.4,模糊传感器,11.5,混沌测量,11.6,仿生学传感器,11.1,概述,1.,什么叫前沿,根据科学的思维方法，一般认为：人类的某些先进的思维、思想、概念、观点、理论、模式、方式、学科、专业、技能、产品、服务、技巧、心理体验等的信息综合，称为前沿。,2.,前沿传感技术,传感技术是前沿技术，传感技术学科属前沿学科；,本章内容主要介绍其他章节较少涉及的内容；,只作常识介绍,单一微传感器,。,显著特点是尺寸小,(,从微米级到毫米级、有的甚至达到纳米级,),，主要采用精密加工、微电子技术以及,MEMS,技术，使尺寸大大减小。,集成微传感器,。,将微小的敏感元件、信号处理器、数据处理装置封装在一块芯片上，形成集成的传感器。,微传感器系统,。,包括微传感器、微执行器，可以独立工作。此外，还可以由多个微传感器组成传感器,网络,或者通过其他网络实现异地联网。（如血管机器人）,11.2,微机电传感器,11.2.1,微传感器,1,力,微传感器：（,1,）工作,原理,由于力的作用，能够引起物体的变形，因此只要能够测得变形量，就能够测到力。,在这种通过物体变形来测量力的系统中，一般由弹性元件来感受力的作用，产生弹性变形，再由敏感元件将这种变形转换成另一种信号输出。,11.2.3,几种典型微机电传感器,1,力,微传感器：（,2,）电容式硅微加速度计,该加速度计由一个与两端固定的梁带动中央的质量块构成，质量块的位移由其上下金属电极的电容信号读出。,2,微陀螺：（,1,）工作原理,微机械振动陀螺：利用振动元件来测出角速度，振动陀螺的工作原理是基于哥氏效应，通过一定形式的装置产生并检测哥氏加速度。,2,微陀螺：（,2,）微陀螺示例,微机械振动陀螺：利用振动元件来测出角速度。,11.3.1,软测量概述,11.3.2,软测量技术基本原理,11.3.3,软测量技术的应用,11.3,软测量与软传感器,软测量技术一般是根据某种最优准则，通过选择一些容易测量且与,主导变量,密切联系的,二次变量,(,辅助变量,),来预测主导变量，它所建立的软测量模型可以完成一些实际硬件检测仪器所不能完成的测量任务。,在测量中不存在直接的物理传感器或仪器实体，而是利用其他由直接物理传感器实体得到的信息，通过数学模型计算手段得到所需检测信息的一种功能实体。,11.3.1,软测量概述,1,软测量技术的,数学描述,和结构,软测量的目的就是利用所有可以获得的信息求取主导变量的最佳估计值，即构造从可测信息集,到 的映射。可测信息集,包括所有的可测主导变量,y,(,y,可能部分可测,),、辅助变量,、,控制变量,u,和可测扰动,d,1,。,f,为估计函数关系，即软测量模型。,在这样的框架结构下，软测量的性能主要取决于过程的描述、噪声和扰动的特性、辅助变量的选取以及最优准则。,11.3.2,软测量技术基本原理,1,软测量技术的数学描述和,结构,软测量技术的,核心,是建立工业对象的精确可靠的,模型,。,初始,软测量模型是对过程变量的,历史,数据进行辨识而来的。,在现场测量数据中可能含有随机误差甚至粗大误差，必须经过数据变换和数据校正等,预处理,，将真实信号从含噪声的混合信号中分离出来，才能用于软测量建模或作为软测量模型的输入。,软测量模型的,输出,就是软测量对象的,实时估计值,。,2,影响软测量性能的主要因素,（,1,）中间,辅助变量,的选择：,1),变量,类型,的选择,灵敏性,：能对过程输出或不可测扠动作出快速反应；,特异性,：对过程输出或不可测扰动之外的干扰不敏感；,过程适用性,：工程上易于获得并能达到一定的测量精度；,精确性,：构成的软测量估计器满足精度要求；,鲁棒性,：构成的软测量估计器对模型误差不敏感。,遗憾的是以上选择原则难以用定量的形式表示，而现代工业某些对象具有数百个检测变量，面对如此庞大的可测变量集，若采用定性分析的方法对每个变量逐一进行判断，工作量非常大，简直不可能实现。现在主要根据工业对象的机理、工艺流程以及专家经验来选择辅助变量。,2,影响软测量性能的主要因素,（,1,）中间,辅助变量,的选择：,2),变量,数目,的选择,辅助变量数量的下限是被估计的变量数，然而最优数量的确定目前尚无统一的结论。一般来说，原始辅助变量数目、类型很多，往往有数十个，并且相关程度差异较大，为了实时运行方便，有必要对输入变量进行适当的降维处理。,选择,思想,是对各原始辅助变量与主导变量之间的相关性进行分析，根据分析所得相关性的强弱，以决定哪些适合作为建模用的辅助变量。,2,影响软测量性能的主要因素,（,1,）中间,辅助变量,的选择：,3),检测点,位置,的选择,对于许多工业工程，与各辅助变量相对应的检测点位置的选择是相当重要的。在使用软测量技术时，检测位置对模型的动态特性有一定影响。因此，对输入中间辅助变量各个检测点的检测方法、位置和仪表精确度等需有一定要求。,采用奇异值分解或工业控制仿真软件等方法进行检测点的选取，一般情况下，辅助变量的数目和位置常常是同时确定的，用于选择变量数目的准则往往也被用于检测点位置的选择。,2,影响软测量性能的主要因素,（,2,）输入数据的处理,软仪表是根据过程测量数据经过数值计算从而实现软测量的，其性能很大程度上依赖于所获过程测量数据的准确性和有效性。,一方面，在数据采集时，要注意数据的,“,信息,”,量，均匀分配采样点，尽量拓宽数据的涵盖范围，减少信息重叠，避免某一方面信息冗余，否则会影响最终建模的质量；另一方面，对采集来的数据进行适当的处理，因为现场采集的数据必然会受到不同程度环境噪声的影响而存在误差。,2,影响软测量性能的主要因素,（,2,）输入数据的处理,数据,预处理,：由于工业现场采集的数据具有一定随机性，数据预处理主要是消除突变噪声和周期性波动噪声的影响。为提高数据处理的精确度，除去随机噪声，可采用数据平滑化方法如时域平滑滤波和频域滤波法等。,数据,二次处理,：根据软测量采用的系统建模方法及其机理不同，须对预处理后的数据进行二次处理，如采用神经网络方法进行系统建模需要对预处理后的数据进行归一化处理，采用模糊逻辑方法需对预处理后的数据进行量化处理。,2,影响软测量性能的主要因素,（,3,）,数学模型,的建立：,1,）,机理,方法,机理模型通常由代数方程组或微分方程组组成。在对工业对象的物理化学过程获得了全面清晰的认识后，通过列写对象的平衡方程,(,如物料平衡、能量平衡、动量平衡、相平衡等,),和反映流体传热传质等基本规律的动力学方程、物性参数方程和设备特性方程等，确定不可测主导变量和可测辅助变量的数学关系，建立估计主导变量的精确数学模型。,机理建模的应用受模型准确程度的影响，而且由于要求解方程组，计算量大，收敛慢，难以满足在线实时估计的要求，对模型进行简化必然会降低模型的精度。计算时间和计算精度的矛盾制约了机理建模的应用。,2,影响软测量性能的主要因素,（,3,）,数学模型,的建立：,1,）,机理,方法,由于大多数实际过程存在着严重的非线性和不确定性，难以单独采用机理方法，但可以借助已知的对象特性确定经验模型的结构或辅助变量，再利用经验方法确定模型的具体参数。这种方法目前应用最广泛。,（,3,）,数学模型,的建立：,2,）经验,方法,经验模型是根据测量对象的外特性来描述其动态行为的模型。由测量数据直接求取模型的方法称为系统辨识；根据既定模型结构由测量数据确定参数的方法称为参数估计。,2,影响软测量性能的主要因素,（,3,）数学,模型,的,建立,：,3),基于,人工智能,的方法,人工智能技术因无需对象精确的数学模型成为软测量技术中建模的有效方法。人工神经网络、模糊技术等模仿人脑的逻辑思维，用于处理模型未知或不精确的控制问题，在软测量中也得到大量的应用。,（,4,）数学模型的,修正,由于过程的随机噪声和不确定性，所建数学模型与实际对象间有误差，如果误差大于工艺允许的范围时，应对数学模型进行校正。校正方法可以是自学习方法，也可根据当前数据进行重新建模。采用卡尔曼,布西观测器进行状态估计时，可通过闭环校正进行数学模型修正。,1,软测量技术的应用条件,软测量技术作为一种新的检测与控制技术，与其他技术相似，只有在其适用范围内才能充分发挥自身优势，因此，必须对其适用条件进行分析；,通过软测量技术所得到的过程变量估计值必须在工艺过程所允许的精确度范围内；,能通过其他检测手段根据过程变量估计值对系统数学模型进行校验，并根据两者偏差确定数学模型校正与否；,直接检测被估过程变量的自动化仪器仪表较贵或维护困难；,被估过程变量应具有灵敏性、精确性、鲁棒性、合理性及特异性。,11.3.3,软测量技术的应用,2,工程化实施步骤,(1),二次变量的选择,(2),现场数据采集与处理,(3),软测量模型结构选择,(4),软测量模型的在线校正,(5),软测量模型的实施,3,软测量技术在工业中的应用,推断控制,推断控制简介,主导变量,以软件来代替硬件控制,软仪表和控制器,4,研究展望,（,1,）,与,控制技术,结合：检测的目的是为了控制，好的检测手段是精确控制的基础。因此，将软测量技术与各种控制方法相结合将推动过程工业的更快发展。同时，飞速发展的通讯技术为现场检测数据的实时传播提供了便利的条件，尤其采用基于现场总线的智能仪表后，在一台仪表中实现多个回路的控制将成为可能。,（,2,）,与,计算机技术,结合：即实现软测量技术软件化，通用化。这将大大提高软测量技术的可用性，降低应用难度，拓宽其应用领域。,4,研究展望,（,3,）,与,虚拟仪器系统,集成：虚拟仪器技术综合运用了计算机软件技术、智能测试技术、模板及总线的标准化技术、数字信号处理,(DSP),技术、图形处理,(GPS),技术及高速专用集成电路,(ASIC),制造技术等，虚拟仪器是建立在标准化、系列化、模块化、积木化的硬件与软件平台上的一个完全开放的系统，一个仪器集成的系统软测量方法与虚拟仪器技术具有内在的、密切的结构上的联系。二者的结合将成为现代测试系统发展的主流，在诸多工业过程难测参数中亦将展示其优势。,4,研究展望,（,4,）,与,传感器硬件,结合：软测量方法的发展带动传感器技术的软件和硬件紧密结合共同发展，集高速数据处理能力和直接传感器实体为,体的新一代传感器产品将会有更广阔的前景。,（,5,）,与,因特网技术,结合：利用不断普及和发展,Internet,资源，在更广泛的领域里有效地利用各种数据信息，发展真正意义的网络协同软测量，实现基于,Internet,的广域交互检测控制网络。,11.4,模糊传感器,11.4.1,模糊理论与模糊传感器,11.4.2模糊传感器的结构,11.4.3,模糊传感器的应用,11.4.1,模糊理论简述,概念,是思维的基本形式之一，它反映了客观事物的本质特征。人类在认识过程中，把感觉到的事物的共同特点抽象出来加以概括，这就形成了概念。,一个概念有它的,内涵,和,外延,：,内涵,是指该概念所反映的事物本质属性的总和，也就是概念的内容；,外延,是指一个概念所确指的对象的范围。,所谓,模糊概念,是指这个概念的,外延,具有不确定性，或者说它的外延是不清晰的，是模糊的。,模糊性是精确性的对立面，但不能消极地理解模糊性代表的是落后的生产力，恰恰相反，我们在处理客观事物时，经常借助于模糊性。,11.4.1,模糊理论简述,在实用上有必要将传统明确集合中绝对属于的概念扩充至相对属于的概念；即允许论域中的元素在某种程度上是属于该集合，同時也可以在某种程度上不属于该集合，强调具有,“,亦此亦彼的模糊概念集合,”,便称之为,“,模糊集合,”,。,模糊理论是以模糊集合为基础，其基本精神是接受模糊性现象存在的事实，而以处理概念模糊不确定的事物为其研究目标，并积极的将其严密的量化成计算机可以处理的讯息，不主张用繁杂的数学分析即模型来解决模型。,11.4.1,模糊理论简述,传统的传感器测量是一种数值测量。它将被测量映射到实数集合中，以,数值符号的形式,来描述被测量状态，因此称之为数值传感器。它一方面具有精度高、无冗余的优点，另一方面又存在测量结果不易理解，数值存储量大和涉及人类自身行为以及某些高层逻辑信息难以描述的问题。,模糊传感器是在经典传感器数值测量的基础上，经过模糊推理与知识集成，以,自然语言符号,描述的形式输出测量结果。,11.4.2,模糊传感器的结构,（,1,）学习功能,：人类知识积累的实现、测量结果的高级逻辑表达等都是通过学习功能实现的；能够根据测量任务的要求学习有关知识是模糊传感器与传统传感器的重要差别；模糊传感器的学习功能是通过有导师学习算法和无导师学习算法完成的。,（,2,）推理联想功能,：模糊传感器在接收到外界信息后，可以通过对人类知识的集成而生成的模糊推理规则实现传感器信息的综合处理，对被测量的测量值进行拟人类自然语言的表达等；为了实现这一功能，推理机制和知识库,(,存放基本模糊推理规则,),是必不可少的。,1,、模糊传感器的基本功能,THANK YOU,SUCCESS,2024/12/15 周日,31,可编辑,1.,模糊传感器的基本功能,（,3,）感知功能,：模糊传感器与传统传感器一样可以感知敏感元件确定的被测量，但是模糊传感器不仅可以输出数量值，而且可以输出易于人类理解和掌握的自然语言符号量，因此必须具有,数值,/,符号,转换器。,（,4,）通信功能,：模糊传感器具有自组织能力，不仅可进行自检测、自校正、自诊断等，而且可以与上级系统进行信息交换。,2.,模糊传感器的基本结构,逻辑,框图其逻辑结构可以分为转换部分和符号处理与通信部分。从功能上看，有信息调理与转换层、数值符号转换层、符号处理层、有指导信息层和通信层。这些功能有机地集成在一起，完成数值符号转换功能。,2.,模糊传感器的基本结构,物理,结构框图：模糊传感器以,CPU,为核心，以传统测量为基础，采用软件实现符号的生成与处理，在人机智能接口的支持下实现有导师学习功能，通过通信单元实现与外部的通信。,2.,模糊传感器的基本结构,多维,模糊传感器结构：基础测量单元完成传统的传感测量任务；语言符号生成与处理单元，实现模糊传感器的核心工作,“,数值符号转换,”,，即模糊变换。,知识库,中存放的知识主要有符号量及其隶属函数合成概念的规则、被测对象的背景知识及测量系统的有关知识等。知识库中经验隶属函数可通过模糊统计、选择比较等方法产生。对不同测量对象具体确定相应的隶属函数时，既可在知识库中经验隶属函数的基础上，通过模糊语言关系自动产生，也可在导师指导下通过学习和训练来产生和修正隶属函数，这正是设计,学习单元,的主要目的。,调整好的符号量和隶属关系放入知识库中。通过调整符号量的隶属函数，可使模糊传感器适于不同测量目的。,通过对一组采样样本的训练，模糊传感器可自动产生一个概念序列，放在,数据库,中。有数值测量结果送入时，按最大隶属度原则选一符号量输出，即实现了数值符号转换。,语言概念合成器,主要用来实现合成多个语言概念。语言概念的合成是建立在经验知识基础上的，不能通过公式计算，须利用知识库中的经验知识通过模糊推理实现。,为实现有导师学习，还必须具有,输入设备,，,用户通过它实现对传感器的控制和调整概念。,语言数值转换器,则可将语言符号转换为数值量。,通信接口,实现模糊传感器与上级系统之间的信息交换，把测量结果,(,数值量与符号量,),输出到系统总线，并从系统总线接收上级系统的命令。人机接口是模糊传感器与操作者进行信息交流的通道。,11.4.3,模糊传感器的应用,1,模糊血压传感器,模糊血压传感器的功能,隶属函数产生过程,模糊血压传感器的工作过程,2,模糊温度传感器,硬件结构,数值符号变换原理,有导师学习主程序流程,11.5,混沌测量,11.5.1,混沌理论概述,11.5.2,混沌在测量中的应用,混沌是指发生在确定性系统中的貌似随机的不规则运动，一个确定性理论描述的系统，其行为却表现为不确定性,不可重复、不可预测，这就是混沌现象。,混沌现象起因于物体不断以某种规则复制前一阶段的运动状态，而产生无法预测的随机效果。所谓,“,差之毫厘，失之千里,”,正是此一现象的最佳批注。,混沌现象发生于易变动的物体或系统，该物体在行动之初极为单纯，但经过一定规则的连续变动之后，却产生始料所未及的后果，也就是混沌状态。但是此种混沌状态不同于一般杂乱无章的的混乱状况，此一混沌现象经过长期及完整分析之后，可以从中理出某种规则出来。,混沌是非线性动力系统的固有特性，是非线性系统普遍存在的现象。,10.5.1,混沌理论概述,线性,系统与,非线性,系统的,区别,运动的形式不同。线性系统典型地在空间和时间上表现为光滑、规则运动，而非线性系统往往会表现出从光滑变为混沌运动，看上去像随机行为。,对于线性系统来说，当它的参数有微小的变化时，其响应曲线仍然是光滑的。而对于非线性系统来说，参数的变化可能产生运动轨迹巨大量的差异。,线性系统中孤立的脉冲通常会随着时间而传播、衰减，而非线性系统中，由于可以存在高度相干稳定的局部结构，而可以长时间维持下去。,混沌现象的,基本特征,1,、内在随机性。从确定性非线性系统的演化过程看它们在混沌区的行为都表现出随机不确定性。然而这种不确定性不是来源于外部环境的随机因素对系统运动的影响，而是系统自发产生的。,2,、初值敏感性。对于没有内在随机性的系统，只要两个初始值足够接近从它们出发的两条轨线在整个系统溟过程中都将保持足够接近。但是对具有内在随机性的混沌系统而言，从两个非常接近的初值出发的两个轨线在经过长时间演化之后，可能变得相距,“,足够,”,远，表现出对初值的极端敏感，即所谓,“,失之毫厘，谬之千里,”,。,传统的测量技术以线性方法为主,强调的是稳定、平衡和均匀性。,用,“,混沌,”,方法的非线性观点却以不稳定、非平衡和不均匀性作为它的基本特征，非线性系统就是在不稳定、非平衡的状态中来提取信息、处理信息，从而来显示它特有的优点的。,混沌测量具有极高的灵敏度和极高的分辨率，而且它还具有极强的适应能力，是很有发展前途的领域。,11.5.2,混沌在测量中的应用,1,引言,混沌系统中最重要的一个性质是初值敏感性和参数敏感性。,初值敏感性是指混沌系统中初值有一微小变化就会引起混沌轨道的很大变化；同样，参数敏感性是指当混沌系统的参数有一微小变化时，经过一定时间的演化，其混沌轨道也将发生显著的变化。,2,测量原理,11.5.2,混沌在测量中的应用,3.,基于混沌系统初值敏感性的检测技术,基于混沌系统初值敏感性的检测技术的基本思想就是将敏感元件作为混沌电路的一部分，其敏感参数随待测量变化而变化，并使系统的混沌轨道变化，测出混沌轨道的变化从而得到被测量。如基于混沌理论的频率测量、温度测量、电阻电容电感测量等。,11.5.2,混沌在测量中的应用,11.6,仿生学传感器,11.5.1,仿生学概述,11.5.2,仿生传感器的工作原理,11.5.3,电子鼻,仿生学的任务就是要研究生物系统的优异能力及产生的原理，并把它模式化，然后应用这些原理去设计和制造新的技术设备。,仿生学的主要研究方法就是提出模型，进行模拟。其研究程序大致有以下,三个阶段,：,首先,是对生物原型的研究。根据生产实际提出的具体课题，将研究所得的生物资料予以简化，吸收对技术要求有益的内容，取消与生产技术要求无关的因素，得到一个生物模型；,第二阶段,是将生物模型提供的资料进行数学分析，并使其内在的联系抽象化，用数学的语言把生物模型,“,翻译,”,成具有一定意义的数学模型；,最后,数学模型制造出可在工程技术上进行实验的实物模型。,11.5.1,仿生学概述,仿生传感器是一种采用新的检测原理的新型传感器，它采用固定化的细胞、酶或者其他生物活性物质与换能器相配合组成传感器。,仿生传感器按照使用的介质可以分为：酶传感器、微生物传感器、细胞传感器、组织传感器等。,11.5.2,仿生传感器的工作原理,1,电子鼻简介,电子鼻是利用气体传感器阵列的响应图案来识别气味的电子系统，它可以在几小时、几天甚至数月的时间内连续地、实时地监测特定位置的气味状况。,电子鼻主要由气味取样操作器、气体传感器阵列和信号处理系统三种功能器件组成。,电子鼻识别气味的主要机理是在阵列中的每个传感器对被测气体都有不同的灵敏度。,11.5.3,电子鼻,2,电子鼻技术原理,(1),将性能彼此重叠的多个气体传感器组成阵列，模拟人鼻内的大量嗅感受器细胞，借助精密测试电路，得到对气味瞬时敏感的阵列检测器；,(2),气体传感器的响应经滤波、,A/D,转换后，将对研究对象而言的有用成分和无用成分加以分离，得到多维有用响应信号的数据处理器；,(3),利用多元数据统计分析方法、神经网络方法和模糊方法将多维响应信号转换为感官评定指标值或组成成分的浓度值，得到被测气味定性分析结果的智能解释器。,3,电子鼻传感器的基本类型,导电型,传感器的基本特点是：其置于挥发性化合物,(VOC),时的响应形式是电阻值发生变化。,活性材料是锡、锌、钛、钨或铱的氧化物，衬底材料一般是硅、玻璃、塑料，发生接触反应需满足,200,400,的温度条件，因此在底部设置了加热器。氧化物材料中用铂、钯等贵重金属搀杂形成两条金属接触电极。,3,电子鼻传感器的基本类型,压电类,的基本特点是：与,VOC,的接触响应形式体现为频率的变化，可以分为石英晶体微量天平,(QCM),传感器和声表面波,(SAW),传感器两种。,3,电子鼻传感器的基本类型,光纤传感器对气体化合物的响应形式是光谱色彩发生变化。传感器的主干部分是玻璃纤维，在玻璃纤维的各面敷有很薄的化学活性材料涂层,(,固定在有机聚合物矩阵中的荧光染料,),。,当与,VOC,接触时，来自外部光源的单频或窄频带光脉冲沿光纤传播并激励活性材料，使其与,VOC,相互作用反应。这种反应改变了染料的极性，从而改变了荧光发射光谱,。,思考题,什么叫尺寸效应？在微机电领域，物质的宏观特性发生了什么变化？,举例说明微传感器的特点。,什么是软测量技术？它主要包括哪几方面内容？,简述软测量技术的原理与应用。,简述模糊理论与模糊传感器原理结构。,什么叫混沌理论？它在测量中有何应用？,举例说明仿生学在测量中的应用。,简述仿生传感器的原理与应用。,参考资料,（插 图）,THANK YOU,SUCCESS,2024/12/15 周日,62,可编辑,