自动检测算法.ppt

第5章 自动检测算法 原来靠硬件电路难以实现的信号处理问题得以解决，从而克服和弥补了包括传感器在内的各个测量环节中硬件本身的缺陷或弱点，提高了系统的综合性能。 自动检测算法的主要功能 随机误差的克服（数字滤波） 系统误差的消除 量程自动切换 工程量变换等 5.1 数字滤波技术 ①数字滤波无需硬件，只是一个计算过程，因此可靠性高，不存在阻抗匹配问题。尤其是数字滤波可以对频率很高或很低的信号进行滤波，这是模拟滤波器所不及的。 ②数字滤波用软件算法实现，可以使多个输入通道共用一个软件‘滤波器’，可降低硬件成本。 ③只要适当改变软件滤波器的滤波程序和运算参数，即可改变滤波特性，这对于低频脉冲于扰、随机噪声特别有效。 滤波方法 5.1.1 程序判断法 5.1.2中位值滤波法 5.1.3 算术平均滤波法 5.1.4 递推平均滤波法 5.1.5 加权递推平均滤波法 5.1.6 一阶惯性滤波法 5.1.7 复合滤波法 5.1.1 程序判断法 程序判断法又称限幅滤波 关键问题：a 的选择＝T＊Vmax 5.1.2中位值滤波法 对被测参数连续采样（n次奇数次）一系列值之后，对采样值按照大小排队，取中间值作为本次采样值。 注意适用范围：被测参数缓慢变化 5.1.3 算术平均滤波法 算术平均滤波就是连续取几个采样值进行算术平均。 算术平均滤波法适用于对一般具有随机干扰的信号进行滤波。这种信号的特点是有一个平均值，信号在某一数值范围附近做上下波动，在这种情况下，仅取一个采样值作为依据来显示是不准确的。 算术平均滤波法对信号的平滑程度完全取决于N值，当N值较大时，平滑度高，但灵敏度低；当N值较小时，平滑度低，但灵敏度高。 算术平均滤波程序只需要注意两点：时间和存储容量 5.1.4 递推平均滤波法 应用：实时系统中，要求数据计算速率高。 递推平均滤波法是把N个测量数据看成一个队列，队列的长度固定为N，每进行一次新的测量，把测量结果放在队尾，而扔掉原来队首的一个数据，这样在队列中始终有N个“最新”数据。 计算滤波值时，只要把队列中的N个数据进行算术平均，就可得到新的滤波值。这样每进行一次测量，就可计算得到一个新的平均滤波值，这种滤波算法称为递推平均滤波法。 N为递推平均项数 的选择：参考工程经验 。 5.1.5 加权递推平均滤波法 为了增加新采样数据在速推平均中的比重，以提高系统对当前采样值中所受干扰的灵敏度，可采用加权选推平均滤波算法。它是递推平均滤波算法的改进，即不同时刻的数据加以不同的权，通常越接近现时刻的数据，权取得越大。 常系数C0,C1,```,CN-1的选取有多种方法，其中最常用的是加权系数法。 故加权速推平均滤波算法适用于有较大纯滞后时间常数的对象和采样周期较短的系统。而对于纯滞后时间常数较小、采样周期较长、缓慢变化的信号，则不能迅速反应系统当前所受干扰的严重程度，滤波效果差。 5.1.6 一阶惯性滤波法 在模拟量输入通道等硬件电路中，常用一阶惯性RC模拟滤波器来抑制干扰。一阶惯性滤波算法对周期性干扰具有良好的抑制作用，适用于波动频繁的参数滤波，其不足之处是带来了相位滞后，灵敏度低。同时，它不能滤除频率高于采样频率二分之一（称为奈奎斯特频率）的干扰信号。 在采用硬件方法时要确定RC网络滤波器有大的时间常数和多高精度。而一阶惯性滤波算法是一种以数字形式通过算法来实现的动态RC滤波方法. 一阶惯性滤波算法的实现 5.1.7 复合滤波法 常把前面所介绍的两种以上的方法结合起来使用，形成复合滤波。 达到更好的滤波效果。 5.2 消除系统误差的软件算法 系统误差是指在相同条件下，多次测量同一量时其大小和符号保持不变或按一定规律变化的误差。 系统误差不能依靠概率统计方法来消除或消弱，不像抑制随机干扰那样能导出一些普遍适用的处理方法，而只能针对某一具体情况在测量技术上采取一定的措施。 通常都采用离线处理的方法来确定校正算法和数学表达式，在线测量时则利用此校正算式对系统误差做出修正。 5.2.1 系统误差的模型校正法（非线性校正） 5.2.2 系统误差的标准数据校正法 5.2.3 系统零位误差和增益误差的校正方法 5.2.4 传感器温度误差的校正方法 5.2.1 系统误差的模型校正法（非线性校正） 在某些情况下，对系统误差进行理论分析和数学处理，可以建立起系统误差模型。一旦有了模型，就可以确定校正系统误差的算法和表达式。 常常要从系统的实际精度要求出发，用逼近法来降低一个已知非线性特性函数的次数，以简化数学模型。便于计算和处理。 具体方法 1.代数插值法 2.非线性校正 3.最小二乘法 4.最佳一致逼近法 （1）线性插值 线性插值就是最常用的直线方程校正法 线性插值是在一组