![](https://csdnimg.cn/release/download_crawler_static/18161658/bg1.jpg)
第
2
卷第
1
期
南京师范大学学报(工程技术版)
Vo
l.
2 No.1
2002
年
JOURNAL
OF
NANJING
NORMAL
UNlVERSITY(ENGINEERING
AND
TECHNOLOGY)
2002
基于逆向学习的距离和位置的传感器模型
刘清
(南京师范大学数学与计算机科学系
.210097.
南京)
[摘要]
提出了一种通过逆向学习得到非线性传感器系统逆模型的方法,该模型对应一个由传感器输入样本点和希望输
出值组成的线性表,再由该逆模型结合查表和插值的方法反演出测量点的位置.该方法可以有效地校正传感器的非线性,提
高测量系统的精度.
[关键词]
非线性,逆向学习,反演,线性表,插值,误差
[中图分类号]T
P18;
[文献标识码
]A;
[文章编号]
1672
-
1292(2002)01
-
0001
-
04
1
问题提出
在检测仪表和测量系统中,对距离和位置的测量,一般使用传感器测得到被测对象的距离和位置,
再将该物理量送到传感器接口,接口输出的电信号的幅度与被测对象的距离和位置相对应(传感器和接
口合称为传感器系统)
.该电信号被送到处理器(计算机)中加以处理,得到具体距离和位置.这几部分组
合为一个距离和位置测量系统,如图
1
所示
r
,
...
E
亟
3
←
E
豆口
匮
E
二
匮
tMftl
传感器系统
‘........__..--.--..._-_.....…---....._--……_....
.'
图
1
传感器系统原理图
在系统中,处理器的主要作用是控制A/
D
转换器对电信号进行
A/D
采样,并将来样的值转换成测
量对象的距离或位置.目前,大多数转换算法是将传感器系统看成一个线性系统(考虑单输入单输出系
统
SISO)
,可表示为
:
y =
f(x)
= k x x + a
其中
y
表示传感器系统输出口表示传感器系统输入叶是转换率;而
a
是零点偏移量,转换算法的作用
是根据
y
求得
x.
x =
rl(y)
=
F(y)
=
(y
-
a)/k
但是实际使用的传感器一般都是非线性的,特别是在传感器的两端.所以这种转换算法只适用于测
量精度要求不高或只使用传感器传输特性的一段(该段的非线性较小)的测量系统.而对测量精度高和
范围宽的系统,只能采用其它方法,即将
F(
.
)看成一个非线性系统模型.对非线性
SISO
系统的处理当
前也有多种方法:①若已知非线性系统模型
F(')
的结构,可用自适应参考模型的方法辩识出
F(')
的参
数
[1].
②用多项式以及最小二乘法拟合,得到非线性系统模型的结构和参数
[2].
③使用神经元方法进行
结构和参数的辩识,例如:径向基函数网络(简称
RFBN)
或自适应模糊推理系统(简称
ANFIS)
,当规则
数不限时,通过学习的方法,可以以任意精度匹配紧集上的任意非线性系统模型(
Stone-
W
eierstrass
定
理
)[3.4].
所有这些方法都是辩识问题,即结构和参数辩识.而辩识的过程涉及到大量且复杂的运算,如
果处理器的运算速度快和内存容量大时,可以采用上述方法.但在大多数检测仪表和测量系统中,处理
器的性能都不是很高,经常采用单片机作为处理器,无法进行非线性系统模型的结构和参数辩识.为此,
收稿日朔
:2001-12
一
16
作者简介:刘清
.1962
-
.南京师范大学与
it
算机科学系副教授.河海大学博士研究生,主要从事智能控制和智能仪表方面研究.
一
1
一