改进的传感器神经网络逆动态补偿算法.pdfVIP

维普资讯 第22卷 第4期 青 岛大 学 学报 (工 程 技 术 版 ) Vo1．22NO．4 2007年 12月 JOURNALOFQINGDAOUNIVERSITY (ET) DeC．200 7 文章编号 ：1006—9798(2007)04—0007—04 改进的传感器神经网络逆动态补偿算法 刘 军 ，袁珊娜。，王冬青。，禹东川。 (1．山东省科技馆 ，山东济南 250012；2．青岛大学 自动化工程学院，山东青岛266071) 摘要：针对神经网络逆动态补偿策略中基于向后差分的微分估计算法在噪声环境下存在 较大的微分估计误差 ，且提高估计精度会增加硬件成本等缺陷，提出了改进的微分估计算 法，并以加速度传感器为例，设计了动态补偿实验装置，给出了基于改进 的微分估计算法 的动态补偿算法的实现步骤。改进的微分估计算法，采用低通滤波器以去除高频噪声对 微分的影响。实验结果验证该方法能明显改进和提高加速度传感器 的动态性能，实现对 脉冲力的高精度重构 。 关键词：动态补偿 ；传感器 ；神经网络 ；逆系统 中图分类号：TJ3O6；TP212 文献标识码 ：A 在冲击测试中，加速度传感器的动态性能指标是否满足测量要求至关重要。当加速度传感器的动态性 能不能满足某使用要求时，通过采用合适的动态补偿方法提高其动态性能是较经济的做法。传感器动态补 偿的理论研究一直广受关注，早期发展的反卷积L】]、逆滤波 ]、零极点配置等方法能有效实现对线性时不变 传感器的动态补偿 ，达到提高传感器动态性能的 目的。为了进一步提高动态补偿精度，传感器的动态非线性 特性不能被忽略。由于非线性特性的多样性，因此对于动态非线性传感器的补偿 问题不能简单按照最小二 乘等参数辨识 的手段来实现。近年来 ，由于神经网络强大的非线性 函数逼近能力[4]，基于神经网络逆 的传感 器动态补偿理论研究成为热点，其中微分估计问题是神经网络逆补偿算法工程应用 中最关键的问题之一[5]。 文献[5]采用了最简单的向后差分方法 ，且为了确保微分估计的精度 ，采样步长常常要求设计得很小 ，这将增 加硬件 的成本；同时，该算法对噪声敏感 ，当测量噪声存在时，存在较大的微分估计误差 ，这将严重影响到神 经网络的辨识精度和动态补偿性能。本文在文献Es]的基础上，提出了一种改进的神经网络逆动态补偿算 法，该算法提出了改进的微分估计算法，该微分估计算法引入低通滤波器以去除高频噪声对微分的影响，神 经网络辨识及其实现方法仍与文献[5]相同。以加速度传感器为例 ，实验证 明了该改进方法的有效性 ，能获 得 比向后差分方法更好的动态补偿结果。 1 问题描述 大量的研究表明，加速度传感器可以用一二阶输入输出模型来描述，其模型函数为 ，(y， ，Y，U，z2， ) 0 (1) 式 中，“为传感器输入信号 ；为传感器输 出信号；f描述了系统动力学 。当传感器的输 出不能跟随输入变化 时，对传感器的输出设计适当的动态补偿系统，可以实现传感器更好的跟随性能。因此，设计传感器动态补 偿系统的理论 目标是实现传感器的逆系统。根据 Yu等人提出的神经网络逆动态补偿算法 ]可知：当在某 开集 D上～厂／a“≠O，那么存在 函数 g，在开集 D上使得 U= g(X) (2) 式中，x=( ，，Y，z2， )。 要实现传感器的逆 ，首先要通过适当的实时数字微分估计算法获得 ， ， ， 的估计值；然后通过神 收稿 日期 ：2007一lO一22 基金项 目：国家 自然科学基金项 目资助 作者简介：刘军(1975一)，男 ，本科 ，工程师 ，研究方向为检测技术与计算机应用 。