基于ANN的应变天平漂移抑制.docVIP

基于ANN的应变天平漂移抑制 　　【摘要】应变式称重传感器有成本低，结构简单等优点，但它存在时漂、温漂和蠕变，加上输出幅度小，需要高倍数的放大电路，由此引入1/f噪声，以上因素均制约应变天平精度地提高。这些噪声最后表现为应变天平结果的漂移，针对漂移变化缓慢的特点，采用一种基于人工神经网络（ANN）的模型对它进行估计，从而进行有效地抑制。文中对模型进行了介绍，并给出实验结果。实验结果表明，该算法能够有效提高应变天平的称重精度。 　　【关键词】漂移;人工神经网络;估计;应变天平 　　1.引言 　　高精度电子分析天平在化学工业、材料、科学研究等各个方面都是必不可少的工具。目前，高精度电子分析天平中大部分采用电磁力平衡传感器，它成本高、机械加工要求精密。而电阻应变式称重传感器有测量范围广、结构简单、价格便宜等优点[1]，但它存在温漂、时漂和蠕变，加上满量程输出幅度低，需要使用高倍数的直流放大器进行放大，由此带来的放大器1/f噪声也不容忽视，因此以电阻应变式称重传感器为核心的应变天平精度一般只能在几千分度的量级。 　　本文通过对制约应变天平精度提高的漂移进行分析，采用ANN模型对漂移进行估计，从而有效地抑制，在不增加硬件成本的前提下有效提高电阻应变式天平的精度。 　　2.应变天平称重原理 　　应变天平称重部分电路的主要作用是将传感器输出的幅度较低的信号进行放大，使之适合进行A/D转换，然后经A/D转换器转换成数字信号后输出给单片机，其原理框图如图1所示。 　　图1 应变天平称重单元原理图 　　图中，虚线框部分为电阻应变式称重传感器原理示意图，呈电阻电桥形式，当传感器上加载重量时，各桥臂电阻值会相应地发生变化。向电源端加入VCC后，两输出端会输出随重量变化的电压，通常此电压幅度较小，经仪用放大器IA进行放大后，送往A/D转换器进行模数转换，然后以数字的形式输出到单片机，由单片机将结果送到通信口或者显示单元。这里需要提到的是，通常A/D转换器和参考电压与桥压采用一个电压，即比例称重结构[2]，它可以有效消除电源电压波动的影响，降低电源部分的稳定度和精确性要求。 　　3.应变天平的漂移问题 　　在高精度测量电路中，噪声对测量结果的影响非常大。电路噪声一般包括外部干扰和自身噪声两部分，自身噪声主要由热噪声、散粒噪声、闪烁噪声和1/f噪声等。对于应变天平这种低频放大电路，以1/f噪声最为严重，其噪声功率谱可表示为[3]： 　　（1） 　　其中，Kf器件常数，Idc是流过该器件的平均电流，f为工作频率。可见工作频率越低，产生噪声越大，由于和有用信号频谱重叠，无法采用经典滤波器滤除。 　　如果根据加载和漂移信号变化趋势的先验知识有效地判别出变化量是漂移还是加载信号，并且对漂移变化量进行合理地估计，则可以很好地去除漂移信号。 　　4.ANN漂移跟踪算法设计 　　4.1 漂移的可预测性讨论 　　由于噪声的存在，应变天平称重部分的输入、输出关系可表示为： 　　y（t）=x（t）+n（t） （2） 　　式中，y（t）表示输出，x（t）为天平上加载的物体重量，n（t）则为传感器本身和调理电路引入的噪声，这里起主要作用的是漂移;输出结果经A/D转换器后输出为离散值y（n）。 　　由（2）式可知，从输出端的观测信号中无法直接得知输入的真值，如果能够得知漂移噪声的特性，并对它进行估计，就可以从观测信号中估算出真值。 　　从之前的分析中可知，漂移主要包括1/f噪声、温漂、时漂和蠕变等，而这些信号变化缓慢，其功率谱的大部分能量集中在非常窄的低频区。对于应变天平中的漂移信号则属于前者，前后的相关性很大，因此可以根据前面的信号对下一时刻的信号进行估计。即寻找一个关系式： 　　 （3） 　　式（3）是根据噪声的先验知识来确定，无法直接确定其解析式。但可以通过神经网络对该式进行拟合[6]。 　　4.2 ANN漂移跟踪模型 　　图2为本文采用的漂移跟踪模型原理示意图。预处理模块采用短窗口去极值平滑滤波的方法去除尖峰干扰。 　　图2 ANN漂移跟踪模型 　　A/D转换器出来的值x（n）经过预处理模块后得到x（n），再分成两路，一路经过神经网络进行漂移预测，另一路则经过处理后与漂移值相减得到输出结果y（n）。神经网络的输入由u（n）的延时信号和预测漂移结果反馈两部分组成，经过多层神经网络的运算后，产生两路输出结果，一路为预测的漂移值s（n），另一路则为判断是否载荷变化的布尔逻辑信号d（n）。它控制开关S，当d（n）为假，即判定不是载荷变化时，开关S接通端口2，u（n）经过长窗口滑窗滤波，得到更稳定的结果，再与预测得到的漂移值s（n）相减得到输出;当判定是载荷变化时，d（n）将控制开关S接通端口1，u（n）不经过滑窗滤波直