傳感器非線性信號(hào)的智能處理與融合

1 傳感器中的非線性信號(hào)及其反演
1.1 傳感器中的非線性信號(hào)
1.1.1 壓力傳感器的零點(diǎn)電漂移特性指標(biāo)
1.1.2 壓力傳感器的零點(diǎn)電漂移特性的理論分析
1.1.3 零點(diǎn)電漂移的利用和抑制
1.1.4 小結(jié)
1.2 反向漏電對(duì)熱零點(diǎn)漂移的影響
1.2.1 國(guó)外科學(xué)家提出的熱零點(diǎn)漂移模型
1.2.2 反向漏電流對(duì)熱零點(diǎn)漂移影響模型
1.3 壓力傳感器靈敏度電壓非線性分析
1.3.1 擴(kuò)散電阻的理論模型
1.3.2 靈敏度電壓非線性理論分析
1.3.3 對(duì)靈敏度電壓非線性特性的模擬及實(shí)驗(yàn)
1.3.4 小結(jié)
1.4 壓力傳感器零點(diǎn)電漂移與熱漂移特性的模擬
1.4.1 概述
1.4.2 利用PSPICE處理非線性電阻的方法
1.4.3 模擬結(jié)果
1.4.4 實(shí)驗(yàn)結(jié)果
1.4.5 小結(jié)
1.5 氣敏傳感器的靈敏度非線性信號(hào)
1.5.1 以TiO2膜為基的NO2氣敏傳感器中的靈敏度非線性
1.5.2 新型智能TiO2基的氧敏傳感器中的靈敏度非線性
1.5.3 ZnO薄膜的丙酮?dú)饷籼匦?br /> 1.6 轎車(chē)門(mén)二限位器疲勞試驗(yàn)平臺(tái)與拉力傳感器的非線性信號(hào)
1.6.1 概述
1.6.2 疲勞實(shí)驗(yàn)平臺(tái)機(jī)械結(jié)構(gòu)
1.6.3 力傳感器的制作
1.7 非線性信號(hào)的反演
1.7.1 反演問(wèn)題的困難
1.7.2 電阻率測(cè)量中的反演問(wèn)題
2 經(jīng)典非線性信號(hào)(函數(shù))擬合法
2.1 最小二乘法
2.1.1 直線最小二乘法
2.1.2 曲線最小二乘法
2.2 牛頓插值法
2.2.1 牛頓插值法基本原理
2.2.2 用牛頓插值法對(duì)傳感器輸出的非線性信號(hào)進(jìn)行反演
2.2.3 小結(jié)
3 近代非線性信號(hào)(函數(shù))擬合法
3.1 MATLAB算法
3.1.1 曲線擬合
3.1.2 坐標(biāo)點(diǎn)不在一條曲線上的擬合
3.2 模擬退火算法
3.2.1 模擬退火算法的模型
3.2.2 模擬退火算法的參數(shù)控制問(wèn)題
3.2.3 模擬退火算法的應(yīng)用
3.3 遺傳算法
3.3.1 遺傳算法定義
3.3.2 遺傳算法的特點(diǎn)
3.3.3 遺傳算法的一般過(guò)程
3.3.4 遺傳算法的運(yùn)算過(guò)程
3.3.5 遺傳算法的應(yīng)用
3.4 非線性函數(shù)規(guī)范化多項(xiàng)式擬合法
3.4.1 原理
3.4.2 擬合精度的影響因素
3.4.3 規(guī)范化矩陣的各階同構(gòu)逆矩陣
3.5 輸出信號(hào)基于規(guī)范化多項(xiàng)式擬合的智能壓力傳感器
3.5.1 概述
3.5.2 融入環(huán)境溫度信息的壓力解析表達(dá)式
3.5.3 小結(jié)
3.6 利用多項(xiàng)式擬合規(guī)范化方法實(shí)現(xiàn)范德堡函數(shù)的高精度反演
3.6.1 概述
3.6.2 范德堡函數(shù)的局域反演和全局反演
3.6.3 范德堡函數(shù)非線性多項(xiàng)式在硅單晶圓片測(cè)試中的應(yīng)用
3.6.4 范德堡函數(shù)非線性擬合多項(xiàng)式的誤差分析
3.6.5 小結(jié)
3.7 對(duì)硅的電阻率溫度系數(shù)與電阻率的關(guān)系曲線的各種擬合方法結(jié)果的比較
3.7.1 各種擬合方法結(jié)果
3.7.2 小結(jié)
3.8 非線性函數(shù)反演“歸十”擬合法
3.8.1 算法的基本原理
3.8.2 實(shí)驗(yàn)數(shù)據(jù)擬合成規(guī)范化多項(xiàng)式時(shí)各階變量系數(shù)間的關(guān)系
3.8.3 歸十化多項(xiàng)式中│wi/wi-1│的關(guān)系
3.8.4 包括│wi/wi-1│>1的全部情況的β、γ、δ的取值范圍
3.8.5 歸十的反演擬合多項(xiàng)式去“歸十”化
3.8.6 算法的應(yīng)用
3.8.7 小結(jié)
3.9 神經(jīng)網(wǎng)絡(luò)擬合法
3.9.1 人工神經(jīng)網(wǎng)絡(luò)模型
3.9.2 人工神經(jīng)網(wǎng)絡(luò)的分類(lèi)
3.9.3 有學(xué)習(xí)率神經(jīng)網(wǎng)絡(luò)擬合法
3.10 無(wú)學(xué)習(xí)率權(quán)值調(diào)整神經(jīng)計(jì)算法擬合范德堡函數(shù)多項(xiàng)式
3.10.1 樣本數(shù)與權(quán)值數(shù)相等的神經(jīng)網(wǎng)絡(luò)擬合算法擬合范德堡函數(shù)
3.10.2 樣本數(shù)大于權(quán)值數(shù)時(shí)誤差迭代下降的神經(jīng)網(wǎng)絡(luò)擬合算法
3.10.3 兩種神經(jīng)算法的比較
3.11 量子粒子群優(yōu)化算法及仿真分析
3.11.1 QPsO算法
3.11.2 QDPS0算法
3.11.3 典例仿真與對(duì)比分析
3.12 模糊擬合算法
3.12.1 模糊數(shù)學(xué)的名詞
3.12.2 四控制要素模糊算法
3.12.3 三控制要素模糊算法
3.13 基于三控制要素的多項(xiàng)式模糊擬合在人臉圖像識(shí)別中的應(yīng)用
3.13.1 人臉識(shí)別問(wèn)題
3.13.2 人臉圖像數(shù)據(jù)的非線性降維
3.13.3 實(shí)驗(yàn)結(jié)果
3.14 利用模糊數(shù)學(xué)分類(lèi)和繪制硅片上電阻率等值線
3.14.1 概述
3.14.2 模糊數(shù)學(xué)在硅片上電阻率等值線連接中的應(yīng)用
3.14.3 編程及利用現(xiàn)有的軟件畫(huà)出等值線
3.14.4 如何利用MATIAB軟件將現(xiàn)有的10個(gè)模糊集繪制成等值線
3.14.5 等值線的連接質(zhì)量評(píng)價(jià)
3.15 蟻群優(yōu)化算法
3.15.1 算法基本原理
3.15.2 改進(jìn)蟻群優(yōu)化算法及其在多機(jī)器人氣味源定位中的應(yīng)用
4 傳感器非線性信號(hào)的補(bǔ)償與融合
4.1 非線性信號(hào)補(bǔ)償
4.1.1 圖形補(bǔ)償
4.1.2 函數(shù)補(bǔ)償
4.2 非線性信號(hào)信息融合
4.2.1 概述
4.2.2 自然融合法
4.2.3 強(qiáng)制融合法
4.2.4 小結(jié)
4.3 網(wǎng)絡(luò)熱敏結(jié)點(diǎn)的可變電阻、二極管并聯(lián)脫敏法脫敏應(yīng)用
4.3.1 概述
4.3.2 理論分析
4.3.3 實(shí)驗(yàn)結(jié)果與理論分析的比較
4.3.4 熱敏基元在壓力傳感器中的應(yīng)用
4.3.5 小結(jié)
4.4 壓力傳感器靈敏度溫漂補(bǔ)償技術(shù)
4.4.1 壓阻型壓力傳感器靈敏度溫漂
4.4.2 靈敏度溫漂產(chǎn)生的原因
4.4.3 靈敏度溫漂補(bǔ)償方法及技術(shù)
4.5 壓力傳感器的熱零點(diǎn)漂移現(xiàn)象各種補(bǔ)償方法的比較
4.5.1 概述
4.5.2 壓力傳感器的熱零點(diǎn)漂移現(xiàn)象
4.5.3 最佳擬合直線的補(bǔ)償原理
4.5.4 非線性反函數(shù)補(bǔ)償方法
4.5.5 非線性函數(shù)多項(xiàng)式規(guī)范化擬合原理
4.5.6 基于神經(jīng)網(wǎng)絡(luò)的非線性補(bǔ)償
4.5.7 各種補(bǔ)償方法擬合結(jié)果的比較
4.6 自平衡電橋激勵(lì)的壓力傳感器零點(diǎn)輸出信號(hào)的電漂移特性及熱漂移消除
4.6.1 概述
4.6.2 理論分析
4.6.3 小結(jié)
4.7 電阻率測(cè)量中的有限厚度樣品電場(chǎng)分布的畸變修正補(bǔ)償問(wèn)題
4.7.1 方形探針測(cè)試法的厚度修正
4.7.2 非線性厚度修正系數(shù)的規(guī)范化多項(xiàng)式擬合
4.7.3 試驗(yàn)驗(yàn)證
4.7.4 小結(jié)
參考文獻(xiàn)