[第九章智能传感器.pptVIP

新型传感器技术 第九章 智能传感器 9.1 智能传感器概述 9.2 智能传感器的结构、功能与特点 智能传感器的实现结构 智能传感器具有以下特点 9.3 智能传感器的实现途径 9.3.2.1 非线性自校正技术 测量系统的线性度（非线性误差）是影响系统精度的重要指标之一。产生非线性的原因，一方面是由于传感器本身的非线性，另一方面非电量转换过程中也会出现非线性。经典传感器技术主要是从传感器本身的设计和电路环节设计非线性校正器。而智能传感器系统的非线性自动校正技术是通过软件来实现的它并不介意系统前端的传感器及其条例电路至A/D转换器的输入－输出特性有多么严重的非线性，也不需要再为改善测量系统中的每一个测量环节的非线性特性而耗费精力。只要求他们的输入－输出特性具有重复性。如图所示，它能够自动按照图所示的反非线性特性进行特度转换，输出系统的被测输入值。输出y与输入x呈理想直线关系。也就是说智能传感器系统能够进行非线性的自动校正，只要前端传感器及其调理电路的输入－输出特性（x－u）具有重复性。 自检是智能传感器自动开始或人为触发开始执行的自我检验过程。自检的内容分为硬件自检和软件自检。硬件自检时指对系统中硬件设备功能的检查，主要是CPU、存储器和外围设备；软件自检则是系统中ROM或磁盘所存放的软件检验。无论是硬件自检还是软件自检都是由CPU依靠自检软件来实现的。通过对系统软硬件故障的检测，能大大提高系统的可靠性。 9.3.3.1多传感器信息类型及其融合方法 多传感器感知系统采集到的信息是多种多样的，为使这些信息能得以统一协调的利用，对信息进行分类是必要的。针对不同类型的信息，采用不同的融合方法。 9.3.3.2 多传感器信息融合过程 9.3.3.3 多传感器信息融合结构 9.3.3.4 多传感器信息融合方法 融合处理是将多维输入数据根据信息融合的功能，在不同融合层次上采用不同的数学方法，对数据进行综合处理，最终实现融合。多传感器信息融合的数学方法很多，常用的方法可概括为概率统计方法和人工智能方法两大类。与概率统计有关的方法包括：估计理论、卡尔曼滤波、假设检验、贝叶斯方法，统计决策理论以及其他变形的方法。而人工智能类则有模糊逻辑理论、神经网络、粗集理论、专家系统等。 9.3.3.5 多传感器融合实例 9.3.4 网络化 9.3.4.1基于现场总线的智能传感器  9.4典型智能传感器简介 思考题 什么是智能传感器？与传统传感器相比其突出特点有哪些？ 简述智能传感器的主要形式和结构。 智能传感器的软件实现方法有哪些？ 为什么要对传感器进行频率补偿，利用软件方法进行频率补偿的途径有哪些？ 什么叫传感器信息融合技术，有哪些具体数据融合算法？ 多传感器信息融合系统的结构有哪三种？ 网络化传感器的结构和特点是什么？ 基于现场总线的网络化智能传感器系统有哪些部分组成。 目前比较流行的网络化传感器的国际标准有哪些？ 列举几种典型的智能化传感器，并说明其各自特点。 控制和信息 融合计算机 自主移动装配机器人 装配机械手 力觉传感器 触觉传感器 视觉传感器 超声波传感器 激光测距传感器 多传感器信息融合自主移动装配机器人 Evaluation only. Created with Aspose.Slides for .NET 3.5 Client Profile 5.2.0.0. Copyright 2004-2011 Aspose Pty Ltd. Evaluation only. Created with Aspose.Slides for .NET 3.5 Client Profile 5.2.0.0. Copyright 2004-2011 Aspose Pty Ltd. 将传感器与网络紧密联系在一起成为网络传感器，能够通过各类集成化的微型传感器协作地实时监测、感知和采集各种环境或监测对象的信息，通过嵌入式系统对信息进行处理，并通过随机自组织通信网络以多跳中继方式将所感知信息传送到用户终端。从而组成高精度、功能强大的测控网络。 网络化智能传感器一般由信号采集单元、数据处理单元和网络接口单元组成。 Evaluation only. Created with Aspose.Slides for .NET 3.5 Client Profile 5.2.0.0. Copyright 2004-2011 Aspose Pty Ltd. Evaluation only. Created with Aspose.Slides for .NET 3.5 Client Profile 5.2.0.0. Copyright 2004-2011