现代传感器技术及原理综述
姓名：杨光照 学号：G2012XXXX 学院：机电学院 摘要：感器是信息系统的源头,在某种程度上是决定系统特性和性能指标的关键
部件。本文试图探讨现代传感器技术发展方向,从概念、原理、性能和应用等层面评述了9 种传感器:光纤传感器、集成传感器、MEMS 传感器、模糊传感器、智能传感器、多功能传感器、模型传感器、网络传感器及生物传感器。
1 引言
传感器是将物理、化学、生物等自然科学和机械、土木、化工等工程技术中的非电信号转换成电信号的换能器。传感器可从不同角度分类。从被测量不同,分为几何机械量(例如尺寸、角度、表面参数、位移、速度、加速度、角位移、角速度等) ,热工量(例如温度、压力、流量、密度、黏度、质量等) ,光学量(强度、功率、波长、频率、相位、速度、脉宽、延迟、折射率、束散角等) ,声学量,生物参数,医学量(生理参数) 等。从传感器的输出不同,可分为模拟信号(连续波和脉冲波) ,数字信号,电压和电流等传感器。本文从原理和技术角度论述现代传感器。传感器是信息系统的源头。在客观对象的测量、测试、检测、监测、分析、定位、跟踪、导航、制导、控制及健康管理等系统中,传感器是不可缺少的且在一定程度上是决定系统性能的重要部件。因此,无论是材料、元器件和部件,还是系统研发者对传感器进展高度关注。传感器是科学和工程结合产物,既依赖于科学的新现象和新规律,又依赖于新技术和工艺。
2 光纤传感器
2. 1 定义与优点
光纤传感器是利用光纤元件的传感器。与传统传感器相比,光纤传感器具有敏感度高、抗电磁干扰、耐腐蚀、电绝缘性好,便于与计算机和被测实物连接,结构简单、体积小、重量轻、耗电少、适合于有毒有害、防火防爆环境及远程分布场合应用等优点。
2. 2 分类
光纤传感器有很多分类方法。按照工作原理不同可分为功能型和非功能型。功能型光纤传感器是利用光纤作敏感元件,基于光纤的物理效应,被测量调制光纤参数,再调制光纤中的光波参数,故也称为传感型或全光型光纤传感器。图1 为这种传感器的原理示意图。非功能型传感器是利用其它敏感元件感受被测量的变化,且敏感元件参数调制光波参数,光纤只作为传输介质,传输来自远处或难以接近场所的光信号,故也称为传光型或混合型光纤传感器。
按被测量不同可分为光纤温度传感器、光纤位移传感器、光纤浓度传感器、光纤电流传感器、光纤流速传感器等。不管功能型或非功能型光纤传感器,被测量都要直接或间接调制光波参数,按调制的光波参数不同,光纤传感器可分为光强调制型、相位调制型、频率调制型、偏振调制型和波长(颜色) 调制型光纤传感器。表1 列出了功能型和非功能型5 种光调制传感器的调制机理和解调方式。
2. 3 光纤光栅
目前,光纤传感器的热点是光纤光栅传感器。这种传感器利用光纤光栅作敏感元件。光纤光栅是利用掺杂光纤(如掺锗、掺磷等) 的光敏特性,使光纤折射率沿轴向周期或非周期变化。光纤光栅的作用可等效为纤芯内形成一个窄带的(透射或反射) 滤光器或发射镜。光纤光栅种类很多,折射率沿轴向周期均匀变化的光栅称为光纤布拉格光栅( FBG) 。图2 表示FB G传感器原理。反射光波波长与栅距
3 集成传感器
3. 1 概念定义与一般结构
集成传感器是利用集成电路工艺(镀膜、掩膜、腐蚀等) 将半导体敏感元件及测量处理电路集成在一个芯片上的传感器。集成传感器的一般电路结构如图3所示。
图3
半导体敏感元件是基于半导体材料和P2N 结的物理效应将被测的非电量转换成电量。例如,热敏、光敏、磁敏、压敏等效应。传感器输出归一化的测量信号,由仪器完成采集、处理等操作。若将仪器的采集、处理、控制与显示等电路均集成在同一芯片上,则称为集成仪器芯片。若将多个仪器及系统接口也集成在同一芯片上,则称为集成测量系统芯片。
4 MEMS 传感器
4. 1 概念与结构
MEMS 传感器是利用集成电路技术工艺和微机械加工方法将基于各种物理效应的机电敏感元器件和处理电路集成在一个芯片上的传感器。MEMS 是微电子机械系统的缩写,一般简称微机电。如图14 所示,主要由微型机光电敏感器和微型信号处理器组成。前者功能与传统传感器相同,区别是用MEMS 工艺实现传统传感器的机光电元器件。后者功能是对敏感元件输出的数据进行各种处理,以补偿和校正敏感元件特性不理想和影响量引入的失真,进而恢复真实的被测量。
MEMS 传感器主要用于控制系统。利用MEMS 技术工艺将MEMS 传感器、MEMS 执行器和MEMS 控制处理器都集中在一个芯片上,则所构成的系统称为MEMS 芯片控制系统。图4表示了MEMS 控制系统。微控制处理器的主要功能包括A/ D 和D/ A 转换,数据处理和执行控制算法。微执行器将电信号转换成非电量,使被控对象产生平动、转动、声、光、热等动作。系统接口单元便于同高层的管理处理器通信,以适合远程分布测控。
图4
4 模糊传感器
4. 1 概念及结构
模糊传感器是基于模糊集理论和技术,将输入的模拟或数字被测量(即传统传感器的输出量) 转换成模糊量的传感器。模糊集合论认为某元素既属于集合A 又属于集合B ,由隶属函数值判断最终所属的集合,而经典集合论认为某元素属于集合A 就不属于集合B ,反之亦然。模糊传感器的原理是将被测量值范围划分成若
干区间,利用隶属度值判断被测量值所处的区间,并用区间中值或相应的特定符号表示被测量值,这一过程称为模糊化。实现模糊化过程的变换器称为模糊器,或符号变换器。显然,模糊区间越小精度越高,而测量速度越慢。隶属函数的选取也影响模糊传感器的精度和速度。常选用三角函数或高斯函数等。图17 给出模糊传感器功能结构。范围划分器提供区间端点值。模糊器计算各区间的隶属函数值,判断被测量值所属的区间,并输出表示被测量值的区间中值或相应的区间符号。组合模糊判决器将多个被测量符号进行组合判决,并依模糊判据给出最终测量结果。
5 智能传感器
5. 1 定义与功能
智能传感器概念最早由美国宇航局在研发宇宙飞船过程中提出来,并于1979 年形成产品。宇宙飞船上需要大量的传感器不断向地面或飞船上的处理器发送温度、位置、速度和姿态等数据信息,即便使用一台大型计算机也很难同时处理如此庞大的数据。何况飞船又限制计算机体积和重量,于是引入了分布处理的智能传感器概念。其思想是赋于传感器智能处理功能,以分担中央处理器集中处理功
能。同时,为了减少智能处理器数量,通常不是一个传感器而是多个传感器系统配备一个处理器,且该系统处理器配备网络接口。目前,智能传感器尚没有标准化的科学定义。归纳诸多学者的观点,笔者认为应模仿人的感官和大脑功能来定义智能传感器。本质上,它应定义为基于人工智能理论,利用微处理器实现智能处理功能的传感器。智能传感器不仅具有视觉、触觉、听觉、嗅觉、味
图5
觉功能,且应具有记忆、学习、思维、推理和判断等“大脑”能力。前者由传统的传感器来完成。此处的传统传感器的功能结构包括敏感元件、调理电路和模数转换器(ADC) ,敏感元件将描述客观对象与环境状态或特性的物理量转换成电路元件参量或状态参量,调理电路将电路参量转换成电压信号并进行归一化处理以满足ADC 动态范围。智能处理器应对ADC 输出的数字信号进行智能处理,主要智能处理功能如下:
1 ) 自补偿功能
根据给定的传统传感器和环境条件的先验知识,处理器利用数字计算方法,自动补偿传统传感器硬件线性、非线性和漂移以及环境影响因素引起的信号失真,以最佳地恢复被测信号。计算方法用软件实现,达到软件补偿硬件缺陷的目的。
2) 自计算和处理功能
根据给定的间接测量和组合测量数学模型,智能处理器利用补偿的数据可计算出不能直接测量的物理量数值。利用给定的统计模型可计算被测对象总体的统计特性和参数。利用已知的电子数据表,处理器可重新标定传感器特性。
3) 自学习与自适应功能
传感器通过对被测量样本值学习,处理器利用近似公式和迭代算法可认知新的被测量值,即有再学习能力。同时,通过对被测量和影响量的学习,处
理器利用判断准则自适应地重构结构和重置参数。例如,自选量程,自选通道、自动触发、自动滤波切换和自动温度补偿等。
4) 自诊断功能
因内部和外部因素影响,传感器性能会下降或失效,分别称为软、硬故障。处理器利用补偿后的状态数据,通过电子故障字典或有关算法可预测、检测和定位故障。
5) 其它的常用功能
包括用于数据交换通信接口功能,数字和模拟输出功能及使用备用电源的断电保护功能等。
6 多功能传感器
6. 1 定义
从测量功能角度传统的传感器是将一个被测非电量转换成一个电量。从系统
角度是单输入单输出系统(不含用于补偿的影响量输入) 。而多功能传感器是将多个(2 个以上) 被测量转换成1 个电信号。从数学角度,它能实现多元函数功能。图6 表示多功能传感器概念。
图6
6. 2 结构模型
多功能传感器不能单个应用,必须组成阵列,且被测量个数应等于传感器个数,因为这种配置是精度和成本平衡的最佳选择。如图22 所示。每个传感器的输出yi 都是N 个被测量x 组合作用的结果。信号重构器经有限样本训练后,通过某些算法可由输入量y 重构被测量的最佳值x′。
6. 3 问题描述与重构方法
传感器阵列看做是结构已知的无记忆时不变的多输入输出系统,输入2输出映射关系为
Y= f ( X) (4)
式中: X 是输入矢量,Y是输出矢量, f (·) 是向量映射函数。问题是已知映射函数f (·) 和观测矢量Y,如何构造一个逆系统来重构任意的被测矢量值X。这一问题一般称为信号重构、恢复或分离,在数学上称为函数反演问题。逆系统可由下式来描述
X = f - 1 (Y) (5)
式中: f - 1 (·) 表示f (·) 的反函数。在实际遇到的很多问题中,向量值函数f (·) 非常复杂,很难甚至不可能用数学方法直接求出反函数f - 1 (·) 的解析式。在给定样本集{ ( Xi ,Yi ) } Ni = 1 时,构造近似的网络或算法模型来逼近函数f - 1 (·) 。图7表示基于神经网络模型的逆系统框图。在这种描述情况下, Xi和Yi 交换了位置:矢量Yi 为输入,矢量X′i 为输出,Xi 为期望的响应。假定矢量ei 表示X′i 与Xi 的误差。利用误差向量信号调节网络的自由参
数(权值和阈值) ,最终使误差信号ei 的平方差、均方差、标准差或信息熵在整个训练样本集上达到统计意义上最小,从而完成网络参数的最优估计。在学习过程结束后,进行测试过程。在测试时,输入整个测试范围内的任何矢量值Xi ,多功能传感器都能给出满足一定精度的最佳估计值X′i 。
构造神经网络重构器的关键是:1) 假设或选择网络模型。网络模型很多,例如单层感知器、多层感知器等,通常选择BP 网络和RBP 网络用于函数逼近。网络模型的选择依赖于实际对象映射函数f (·) 的复杂性。模型选择的有效性采用交叉确认方法判断,即将训练集分成2 个子集,一个子集用于估计网络参数,另一个子集测试确认。2) 参数估计公式。根据选择的网络模型,利用数学工具优化推导,得出参数估计的递归迭代公式。3) 样本训练。利用选定的样本集,通过参数估计公式反复训练参数,直至获得满足要求的最佳参数值为止,学习过程停止。样本集大小N 依赖于网络参数(权值和阈值) 总和。基于算法模型的重构器有最小二乘估计器、最小二乘支持向量机等,读者可参考介绍信号重构、恢复或分离算法的有关文献。
7 模型传感器
7. 1 定义
模型传感器是用模型描述实际传感器特性和过程的传感器,或定义为能建立模型的传感器。模型是实际事物和过程(简称对象) 的等效表示形式。它可以是实物模型(例如电路、网络模型) 、数学模型、数据模型或程序模型等。传感器数模型便于利用数学手段分析传感器性能和系统建模,为优化设计提供基础。例如,利用求导和微分可分析其灵敏度,稳定性,并寻求最佳结构参数值等。网络模型便于模拟实验分析和设计传感器和其组成的系统性能特性。程序模型便于使用计算机分析、仿真设计传感器和系统。数据模型用于上述模型的验证和参数估计。利用逆模型可补偿实际传感器性能不理想和外界环境引起的信号失真,补偿的最终目的是提高传感器的精度和扩展传感器的动态范围和频响范围等。
7. 2 建模方法
如果已知传感器结构和参数,利用系统分析理论和数学方法可直接导出描述传感器输入2输出特性的精确函数公式。通常,被建模的实际传感器是复杂的系统,很难甚至不可能精确的建立数学模型。通常采用近似模型来逼近实际特性。神经络可逼近实际传感器的输入2输出映射函数,假设实际传感器是多输入2输出的非线性未知系统,则可用图27 所示的神经网络模型进行系统辨识。假定Xi 是输入矢量, Di 是未知系统的输出矢量, Yi 是神经网络的输出矢量,Ei 是误差矢量。利用实际传感器测试的样本集合{ ( Xi , Di ) } Ni = 1 训练神经网络,并用这
个误差信号来调节神经网络的自由参数(权值和阈值) ,最终使误差信号在整个样本集上的平方差在统计意义上达到最小,从而得到实际对象的神经网络模型。
图8
根据实际对象先验知识,可以假设一个N 阶多项式作为系统的逼近模型。利用最小二乘法可确定模型阶数和参数。利用实验设备和方法可获得传感器特性数据模型。利用编程语言、函数、过程、对象和组件等基本软件实体以及分支、循环调用、代理和中间件等方法可设计程序系统模型。
8 网络传感器
8. 1 概念及优点
网络传感器是配备网络接口的传感器。网络接口用微处理器实现,故也称为智能网络传感器。这种传感器(或执行器) 应符合IEEE1451 标准,故也称为
IEEE1451 传感器(或执行器) 。这种传感器可作为局域网(LAN) 、城域网(MAN) 、广域网(WAN) 以及国际互联网Internet的终端,可通过网络接口访问网络结点计算机、其他仪器和传感器等终端设备,交换和共享数据。这种传感器(或执行器) 特别适合远程分布测量、监视、控制和维修等应用。传感器厂家不需要构造支持特定网络协议的多种定制接口,且传感器(或执行器) 接口和网络接口之间也采用标准的有线和无线连接方法。由于厂家生产的传感器(或执行器) 的接口模块及其网络接口模块都是符合标准的配套件,故传感器系统和网络都能实现即插即用。
9 生物传感器
9. 1 定义与结构
生物传感器是配有生物敏感元件的传感器。生物敏感元件由抗原抗体、酶、核酸、细胞、组织、微生物等活性生物物质或材料制成的元件,它基于化学反应将被测物(对象) 的参量转成一次非电物理量,然后利用一般物理传感器将一次非电信号转换成适合远传和便于后续加工的电信号。
图9 参考文献：
微纳米技术及其应用 李德胜 科学出版社
孙圣和. 现代传感器发展方向[ C] . 第一届仪器仪表与测控技术学术大会,2007 ,成都.
孙圣和. 现代传感器发展方向[C] . 第二届仪器仪表与测控技术学术大会,2008. 徐鼎新.
开关型霍尔效应集成传感器的原理与应用[J ] . 计量与测试技术,2003
(4) :33234.
孙圣和. 光纤测量与传感技术[M] . 哈尔滨:哈尔滨工业大学出版社,2002 ,8.
现代传感器技术及原理综述
姓名：杨光照 学号：G2012XXXX 学院：机电学院 摘要：感器是信息系统的源头,在某种程度上是决定系统特性和性能指标的关键
部件。本文试图探讨现代传感器技术发展方向,从概念、原理、性能和应用等层面评述了9 种传感器:光纤传感器、集成传感器、MEMS 传感器、模糊传感器、智能传感器、多功能传感器、模型传感器、网络传感器及生物传感器。
1 引言
传感器是将物理、化学、生物等自然科学和机械、土木、化工等工程技术中的非电信号转换成电信号的换能器。传感器可从不同角度分类。从被测量不同,分为几何机械量(例如尺寸、角度、表面参数、位移、速度、加速度、角位移、角速度等) ,热工量(例如温度、压力、流量、密度、黏度、质量等) ,光学量(强度、功率、波长、频率、相位、速度、脉宽、延迟、折射率、束散角等) ,声学量,生物参数,医学量(生理参数) 等。从传感器的输出不同,可分为模拟信号(连续波和脉冲波) ,数字信号,电压和电流等传感器。本文从原理和技术角度论述现代传感器。传感器是信息系统的源头。在客观对象的测量、测试、检测、监测、分析、定位、跟踪、导航、制导、控制及健康管理等系统中,传感器是不可缺少的且在一定程度上是决定系统性能的重要部件。因此,无论是材料、元器件和部件,还是系统研发者对传感器进展高度关注。传感器是科学和工程结合产物,既依赖于科学的新现象和新规律,又依赖于新技术和工艺。
2 光纤传感器
2. 1 定义与优点
光纤传感器是利用光纤元件的传感器。与传统传感器相比,光纤传感器具有敏感度高、抗电磁干扰、耐腐蚀、电绝缘性好,便于与计算机和被测实物连接,结构简单、体积小、重量轻、耗电少、适合于有毒有害、防火防爆环境及远程分布场合应用等优点。
2. 2 分类
光纤传感器有很多分类方法。按照工作原理不同可分为功能型和非功能型。功能型光纤传感器是利用光纤作敏感元件,基于光纤的物理效应,被测量调制光纤参数,再调制光纤中的光波参数,故也称为传感型或全光型光纤传感器。图1 为这种传感器的原理示意图。非功能型传感器是利用其它敏感元件感受被测量的变化,且敏感元件参数调制光波参数,光纤只作为传输介质,传输来自远处或难以接近场所的光信号,故也称为传光型或混合型光纤传感器。
按被测量不同可分为光纤温度传感器、光纤位移传感器、光纤浓度传感器、光纤电流传感器、光纤流速传感器等。不管功能型或非功能型光纤传感器,被测量都要直接或间接调制光波参数,按调制的光波参数不同,光纤传感器可分为光强调制型、相位调制型、频率调制型、偏振调制型和波长(颜色) 调制型光纤传感器。表1 列出了功能型和非功能型5 种光调制传感器的调制机理和解调方式。
2. 3 光纤光栅
目前,光纤传感器的热点是光纤光栅传感器。这种传感器利用光纤光栅作敏感元件。光纤光栅是利用掺杂光纤(如掺锗、掺磷等) 的光敏特性,使光纤折射率沿轴向周期或非周期变化。光纤光栅的作用可等效为纤芯内形成一个窄带的(透射或反射) 滤光器或发射镜。光纤光栅种类很多,折射率沿轴向周期均匀变化的光栅称为光纤布拉格光栅( FBG) 。图2 表示FB G传感器原理。反射光波波长与栅距
3 集成传感器
3. 1 概念定义与一般结构
集成传感器是利用集成电路工艺(镀膜、掩膜、腐蚀等) 将半导体敏感元件及测量处理电路集成在一个芯片上的传感器。集成传感器的一般电路结构如图3所示。
图3
半导体敏感元件是基于半导体材料和P2N 结的物理效应将被测的非电量转换成电量。例如,热敏、光敏、磁敏、压敏等效应。传感器输出归一化的测量信号,由仪器完成采集、处理等操作。若将仪器的采集、处理、控制与显示等电路均集成在同一芯片上,则称为集成仪器芯片。若将多个仪器及系统接口也集成在同一芯片上,则称为集成测量系统芯片。
4 MEMS 传感器
4. 1 概念与结构
MEMS 传感器是利用集成电路技术工艺和微机械加工方法将基于各种物理效应的机电敏感元器件和处理电路集成在一个芯片上的传感器。MEMS 是微电子机械系统的缩写,一般简称微机电。如图14 所示,主要由微型机光电敏感器和微型信号处理器组成。前者功能与传统传感器相同,区别是用MEMS 工艺实现传统传感器的机光电元器件。后者功能是对敏感元件输出的数据进行各种处理,以补偿和校正敏感元件特性不理想和影响量引入的失真,进而恢复真实的被测量。
MEMS 传感器主要用于控制系统。利用MEMS 技术工艺将MEMS 传感器、MEMS 执行器和MEMS 控制处理器都集中在一个芯片上,则所构成的系统称为MEMS 芯片控制系统。图4表示了MEMS 控制系统。微控制处理器的主要功能包括A/ D 和D/ A 转换,数据处理和执行控制算法。微执行器将电信号转换成非电量,使被控对象产生平动、转动、声、光、热等动作。系统接口单元便于同高层的管理处理器通信,以适合远程分布测控。
图4
4 模糊传感器
4. 1 概念及结构
模糊传感器是基于模糊集理论和技术,将输入的模拟或数字被测量(即传统传感器的输出量) 转换成模糊量的传感器。模糊集合论认为某元素既属于集合A 又属于集合B ,由隶属函数值判断最终所属的集合,而经典集合论认为某元素属于集合A 就不属于集合B ,反之亦然。模糊传感器的原理是将被测量值范围划分成若
干区间,利用隶属度值判断被测量值所处的区间,并用区间中值或相应的特定符号表示被测量值,这一过程称为模糊化。实现模糊化过程的变换器称为模糊器,或符号变换器。显然,模糊区间越小精度越高,而测量速度越慢。隶属函数的选取也影响模糊传感器的精度和速度。常选用三角函数或高斯函数等。图17 给出模糊传感器功能结构。范围划分器提供区间端点值。模糊器计算各区间的隶属函数值,判断被测量值所属的区间,并输出表示被测量值的区间中值或相应的区间符号。组合模糊判决器将多个被测量符号进行组合判决,并依模糊判据给出最终测量结果。
5 智能传感器
5. 1 定义与功能
智能传感器概念最早由美国宇航局在研发宇宙飞船过程中提出来,并于1979 年形成产品。宇宙飞船上需要大量的传感器不断向地面或飞船上的处理器发送温度、位置、速度和姿态等数据信息,即便使用一台大型计算机也很难同时处理如此庞大的数据。何况飞船又限制计算机体积和重量,于是引入了分布处理的智能传感器概念。其思想是赋于传感器智能处理功能,以分担中央处理器集中处理功
能。同时,为了减少智能处理器数量,通常不是一个传感器而是多个传感器系统配备一个处理器,且该系统处理器配备网络接口。目前,智能传感器尚没有标准化的科学定义。归纳诸多学者的观点,笔者认为应模仿人的感官和大脑功能来定义智能传感器。本质上,它应定义为基于人工智能理论,利用微处理器实现智能处理功能的传感器。智能传感器不仅具有视觉、触觉、听觉、嗅觉、味
图5
觉功能,且应具有记忆、学习、思维、推理和判断等“大脑”能力。前者由传统的传感器来完成。此处的传统传感器的功能结构包括敏感元件、调理电路和模数转换器(ADC) ,敏感元件将描述客观对象与环境状态或特性的物理量转换成电路元件参量或状态参量,调理电路将电路参量转换成电压信号并进行归一化处理以满足ADC 动态范围。智能处理器应对ADC 输出的数字信号进行智能处理,主要智能处理功能如下:
1 ) 自补偿功能
根据给定的传统传感器和环境条件的先验知识,处理器利用数字计算方法,自动补偿传统传感器硬件线性、非线性和漂移以及环境影响因素引起的信号失真,以最佳地恢复被测信号。计算方法用软件实现,达到软件补偿硬件缺陷的目的。
2) 自计算和处理功能
根据给定的间接测量和组合测量数学模型,智能处理器利用补偿的数据可计算出不能直接测量的物理量数值。利用给定的统计模型可计算被测对象总体的统计特性和参数。利用已知的电子数据表,处理器可重新标定传感器特性。
3) 自学习与自适应功能
传感器通过对被测量样本值学习,处理器利用近似公式和迭代算法可认知新的被测量值,即有再学习能力。同时,通过对被测量和影响量的学习,处
理器利用判断准则自适应地重构结构和重置参数。例如,自选量程,自选通道、自动触发、自动滤波切换和自动温度补偿等。
4) 自诊断功能
因内部和外部因素影响,传感器性能会下降或失效,分别称为软、硬故障。处理器利用补偿后的状态数据,通过电子故障字典或有关算法可预测、检测和定位故障。
5) 其它的常用功能
包括用于数据交换通信接口功能,数字和模拟输出功能及使用备用电源的断电保护功能等。
6 多功能传感器
6. 1 定义
从测量功能角度传统的传感器是将一个被测非电量转换成一个电量。从系统
角度是单输入单输出系统(不含用于补偿的影响量输入) 。而多功能传感器是将多个(2 个以上) 被测量转换成1 个电信号。从数学角度,它能实现多元函数功能。图6 表示多功能传感器概念。
图6
6. 2 结构模型
多功能传感器不能单个应用,必须组成阵列,且被测量个数应等于传感器个数,因为这种配置是精度和成本平衡的最佳选择。如图22 所示。每个传感器的输出yi 都是N 个被测量x 组合作用的结果。信号重构器经有限样本训练后,通过某些算法可由输入量y 重构被测量的最佳值x′。
6. 3 问题描述与重构方法
传感器阵列看做是结构已知的无记忆时不变的多输入输出系统,输入2输出映射关系为
Y= f ( X) (4)
式中: X 是输入矢量,Y是输出矢量, f (·) 是向量映射函数。问题是已知映射函数f (·) 和观测矢量Y,如何构造一个逆系统来重构任意的被测矢量值X。这一问题一般称为信号重构、恢复或分离,在数学上称为函数反演问题。逆系统可由下式来描述
X = f - 1 (Y) (5)
式中: f - 1 (·) 表示f (·) 的反函数。在实际遇到的很多问题中,向量值函数f (·) 非常复杂,很难甚至不可能用数学方法直接求出反函数f - 1 (·) 的解析式。在给定样本集{ ( Xi ,Yi ) } Ni = 1 时,构造近似的网络或算法模型来逼近函数f - 1 (·) 。图7表示基于神经网络模型的逆系统框图。在这种描述情况下, Xi和Yi 交换了位置:矢量Yi 为输入,矢量X′i 为输出,Xi 为期望的响应。假定矢量ei 表示X′i 与Xi 的误差。利用误差向量信号调节网络的自由参
数(权值和阈值) ,最终使误差信号ei 的平方差、均方差、标准差或信息熵在整个训练样本集上达到统计意义上最小,从而完成网络参数的最优估计。在学习过程结束后,进行测试过程。在测试时,输入整个测试范围内的任何矢量值Xi ,多功能传感器都能给出满足一定精度的最佳估计值X′i 。
构造神经网络重构器的关键是:1) 假设或选择网络模型。网络模型很多,例如单层感知器、多层感知器等,通常选择BP 网络和RBP 网络用于函数逼近。网络模型的选择依赖于实际对象映射函数f (·) 的复杂性。模型选择的有效性采用交叉确认方法判断,即将训练集分成2 个子集,一个子集用于估计网络参数,另一个子集测试确认。2) 参数估计公式。根据选择的网络模型,利用数学工具优化推导,得出参数估计的递归迭代公式。3) 样本训练。利用选定的样本集,通过参数估计公式反复训练参数,直至获得满足要求的最佳参数值为止,学习过程停止。样本集大小N 依赖于网络参数(权值和阈值) 总和。基于算法模型的重构器有最小二乘估计器、最小二乘支持向量机等,读者可参考介绍信号重构、恢复或分离算法的有关文献。
7 模型传感器
7. 1 定义
模型传感器是用模型描述实际传感器特性和过程的传感器,或定义为能建立模型的传感器。模型是实际事物和过程(简称对象) 的等效表示形式。它可以是实物模型(例如电路、网络模型) 、数学模型、数据模型或程序模型等。传感器数模型便于利用数学手段分析传感器性能和系统建模,为优化设计提供基础。例如,利用求导和微分可分析其灵敏度,稳定性,并寻求最佳结构参数值等。网络模型便于模拟实验分析和设计传感器和其组成的系统性能特性。程序模型便于使用计算机分析、仿真设计传感器和系统。数据模型用于上述模型的验证和参数估计。利用逆模型可补偿实际传感器性能不理想和外界环境引起的信号失真,补偿的最终目的是提高传感器的精度和扩展传感器的动态范围和频响范围等。
7. 2 建模方法
如果已知传感器结构和参数,利用系统分析理论和数学方法可直接导出描述传感器输入2输出特性的精确函数公式。通常,被建模的实际传感器是复杂的系统,很难甚至不可能精确的建立数学模型。通常采用近似模型来逼近实际特性。神经络可逼近实际传感器的输入2输出映射函数,假设实际传感器是多输入2输出的非线性未知系统,则可用图27 所示的神经网络模型进行系统辨识。假定Xi 是输入矢量, Di 是未知系统的输出矢量, Yi 是神经网络的输出矢量,Ei 是误差矢量。利用实际传感器测试的样本集合{ ( Xi , Di ) } Ni = 1 训练神经网络,并用这
个误差信号来调节神经网络的自由参数(权值和阈值) ,最终使误差信号在整个样本集上的平方差在统计意义上达到最小,从而得到实际对象的神经网络模型。
图8
根据实际对象先验知识,可以假设一个N 阶多项式作为系统的逼近模型。利用最小二乘法可确定模型阶数和参数。利用实验设备和方法可获得传感器特性数据模型。利用编程语言、函数、过程、对象和组件等基本软件实体以及分支、循环调用、代理和中间件等方法可设计程序系统模型。
8 网络传感器
8. 1 概念及优点
网络传感器是配备网络接口的传感器。网络接口用微处理器实现,故也称为智能网络传感器。这种传感器(或执行器) 应符合IEEE1451 标准,故也称为
IEEE1451 传感器(或执行器) 。这种传感器可作为局域网(LAN) 、城域网(MAN) 、广域网(WAN) 以及国际互联网Internet的终端,可通过网络接口访问网络结点计算机、其他仪器和传感器等终端设备,交换和共享数据。这种传感器(或执行器) 特别适合远程分布测量、监视、控制和维修等应用。传感器厂家不需要构造支持特定网络协议的多种定制接口,且传感器(或执行器) 接口和网络接口之间也采用标准的有线和无线连接方法。由于厂家生产的传感器(或执行器) 的接口模块及其网络接口模块都是符合标准的配套件,故传感器系统和网络都能实现即插即用。
9 生物传感器
9. 1 定义与结构
生物传感器是配有生物敏感元件的传感器。生物敏感元件由抗原抗体、酶、核酸、细胞、组织、微生物等活性生物物质或材料制成的元件,它基于化学反应将被测物(对象) 的参量转成一次非电物理量,然后利用一般物理传感器将一次非电信号转换成适合远传和便于后续加工的电信号。
图9 参考文献：
微纳米技术及其应用 李德胜 科学出版社
孙圣和. 现代传感器发展方向[ C] . 第一届仪器仪表与测控技术学术大会,2007 ,成都.
孙圣和. 现代传感器发展方向[C] . 第二届仪器仪表与测控技术学术大会,2008. 徐鼎新.
开关型霍尔效应集成传感器的原理与应用[J ] . 计量与测试技术,2003
(4) :33234.
孙圣和. 光纤测量与传感技术[M] . 哈尔滨:哈尔滨工业大学出版社,2002 ,8.