集成智能传感器新进展.docVIP

集成智能传感器的新进展 李炳乾　朱长纯　刘君华 (西安交通大学电信学院电子工程系,西安　710049) 摘要: 阐述了集成智能传感器的概念,对集成智能传感器理论和技术等方面的国际研究热点作了分析,介绍了几种具有代表性的智能传感器,并提出了我国应采取的对策。 关键词:集成化;智能化;传感器　　 　集成智能传感器[1]的概念提出来仅仅十余年，但近年发展很快，国外刊物上关于新型集成智能传感器研制的报道很多，国内一些著名高校和研究所也在开展此类工作。集成智能传感器主要是指利用集成电路工艺和微机械技术将传感器敏感元件与功能强大的电子线路集成在同一芯片上(或二次集成在同一外壳内)，通常具有信号提取、信号处理、逻辑判断、双向通讯、决策、量程切换、自检、自校准、自补偿、自诊断、计算等功能。和经典的传感器相比,集成智能传感器具有体积小、成本低、功耗小、速度快、可靠性高、精度高以及功能强大等优点。集成智能传感器的优点使它成为目前传感器研究的热点和传感器发展的主要方向,必将主宰下个世纪的传感器市场。 1　集成智能传感器的发展方向　　 集成电路和微机械工艺促进了传感器技术的发展,改变了传感器作为单纯物理量转换的传统概念。目前,传感器的发展主要集中在集成化和智能化两个方面。　 传感器的集成化是指将多个功能相同或不同的敏感器件制作在同一个芯片上构成传感器阵列，主要有三个方面的含义：一是将多个功能完全相同的敏感单元集成制造在同一个芯片上，用来测量被测量的空间分布信息，例如压力传感器阵列或我们熟知的ＣＣＤ器件。二是对多个结构相同、功能相近的敏感单元进行集成，例如将不同气敏传感元集成在一起组成“电子鼻”，利用各种敏感元对不同气体的交叉敏感效应，采用神经网络模式识别等先进数据处理技术，可以对混合气体的各种组分同时监测，得到混合气体的组成信息，同时提高气敏传感器的测量精度；这层含义上的集成还有一种情况是将不同量程的传感元集成在一起，可以根据待测量的大小在各个传感元之间切换，在保证测量精度的同时，扩大传感器的测量范围。集成化的第三层含义是指对不同类型的传感器进行集成，例如集成有压力、温度、湿度、流量、加速度、化学等敏感单元的传感器，能同时测到环境中的物理特性或化学参量，用来对环境进行监测。　 集成电路和各种传感器的特征尺寸已达到亚微米和深亚微米量级,由于非电子元件接口未能做到同等尺寸而限制了其体积、重量、价格等的减小。智能化是将传感器(或传感器阵列)与信号处理电路和控制电路集成在同一芯片上(或封装在同一管壳内)。系统能够通过电路进行信号提取和信号处理，根据具体情况自主地对整个传感器系统进行自检、自校准和自诊断，并能根据待测物理量的大小及变化情况自动选择量程和测量工作方式。和经典的传感器相比，集成智能传感器能够减小系统的体积、降低制造成本、提高测量精度、增强传感器功能，是目前国际上传感器研究的热点,也是未来传感器发展的主流。 智能传感器的研究热点 2.1　物理转化机理　 理论上讲,有很多种物理效应可以将待测物理量转换为电学量[2]。在智能传感器出现之前，为了数据读取的方便，人们选择物理转化机理时，被迫优先选择那些输入-输出传递函数为线性的转化机理，而舍弃掉其他传递函数为非线性，但具有长期稳定性、精确性等性质的转换机理或材料。由于智能传感器可以很容易对非线性的传递函数进行校正，得到一个线性度非常好的输出结果，从而消除了非线性传递函数对传感器应用的制约，所以一些科研工作者正在对这些稳定性好、精确度高、灵敏度高的转换机理或材料重新进行研究。 例如，谐振式传感器具有高稳定性、高精度、准数字化输出等许多优点[3]，但以前频率信号检测需要较复杂的设备，限制了谐振式传感器的应用和发展，现在利用同一硅片上集成的检测电路，可以迅速提取频率信号，使得谐振式微机械传感器成为国际上传感器领域的一个研究热点。 数据融合理论　 　数据融合[4]是智能传感器理论的重要领域，也是各国研究的热点。数据融合通过分析各个传感器的信息，来获得更可靠、更有效、更完整的信息，并依据一定的原则进行判断，作出正确的结论。对于多个传感器组成的阵列，数据融合技术能够充分发挥各个传感器的特点，利用其互补性、冗余性，提高测量信息的精度和可靠性，延长系统的使用寿命，进而实现识别、判断和决策。　 多传感器系统的融合中心接受各传感器的输入信息,得到一个基于多传感器决策的联合概率密度函数,然后按一定的准则做出最后决策。融合中心常用的融合方法有错误率最小化法、Ｎ-Ｐ法、自适应增强学习法、ｍ-ａrｙ法、广义证据处理法等等。传感器数据融合是传感器技术、模式识别、人工智能、模糊理论、概率统计等交叉的新兴学科,目前还有许多问题没有解决，如最优的分布检测方法、数据融合的分布式处理结构、基于模糊理论的融合方法、神经网络应用于多传感器系统、多传