第11章 前沿传感技术v11.1 概述v11.2 微机电传感器 v11.3 软测量与软传感器 v11.4 模糊传感器 v11.5 混沌测量 v11.6 仿生学传感器11.1 概述v1.什么叫前沿根据科学的思维方法，一般认为：人类的某些先进的思维、思想、概念、观点、理论、模式、方式、学科、 专业、技能、产品、服务、技巧、心理体验等的信息综合，称为前沿。v2. 前沿传感技术 传感技术是前沿技术，传感技术学科属前沿学科； 本章内容主要介绍其他章节较少涉及的内容； 只作常识介绍v 单一微传感器。显著特点是尺寸小(从微米级到毫米 级、有的甚至达到纳米级)，主要采用精密加工、微电 子技术以及MEMS技术，使尺寸大大减小。v 集成微传感器。 将微小的敏感元件、信号处理器、 数据处理装置封装在一块芯片上，形成集成的传感器。v 微传感器系统。包括微传感器、微执行器，可以独 立工作。此外，还可以由多个微传感器组成传感器网络 或者通过其他网络实现异地联网。11.2 微机电传感器 11.2.1 微传感器1力微传感器：（1）工作原理v由于力的作用，能够引起物体的变形，因此只要能 够测得变形量，就能够测到力。v在这种通过物体变形来测量力的系统中，一般由弹 性元件来感受力的作用，产生弹性变形，再由敏感 元件将这种变形转换成另一种信号输出。 11.2.3 几种典型微机电传感器1力微传感器：（2）电容式硅微加速度计v该加速度计由一个与两端固定的梁带动中央 的质量块构成，质量块的位移由其上下金属 电极的电容信号读出。2微陀螺：（1）工作原理v微机械振动陀螺：利用振动元件来测出角速 度，振动陀螺的工作原理是基于哥氏效应， 通过一定形式的装置产生并检测哥氏加速度 。 2微陀螺：（2）微陀螺示例v微机械振动陀螺：利用振动元件来测出角速 度。 11.3.1 软测量概述11.3.2 软测量技术基本原理11.3.3 软测量技术的应用 11.3 软测量与软传感器v软测量技术一般是根据某种最优准则，通过选择一 些容易测量且与主导变量密切联系的二次变量(辅 助变量)来预测主导变量，它所建立的软测量模型 可以完成一些实际硬件检测仪器所不能完成的测量 任务。v在测量中不存在直接的物理传感器或仪器实体，而 是利用其他由直接物理传感器实体得到的信息，通 过数学模型计算手段得到所需检测信息的一种功能 实体。 11.3.1 软测量概述1软测量技术的数学描述和结构v软测量的目的就是利用所有可以获得的信息求取主导变量的 最佳估计值，即构造从可测信息集到 的映射。可测信息 集包括所有的可测主导变量y(y可能部分可测)、辅助变量 、控制变量u和可测扰动d1。f为估计函数关系，即软测量模型。v在这样的框架结构下，软测量的性能主要取决于过程的描述 、噪声和扰动的特性、辅助变量的选取以及最优准则。11.3.2 软测量技术基本原理1软测量技术的数学描述和结构v软测量技术的核心是建立工业对象的精确可靠的模型。v初始软测量模型是对过程变量的历史数据进行辨识而来的 。v在现场测量数据中可能含有随机误差甚至粗大误差，必须 经过数据变换和数据校正等预处理，将真实信号从含噪声 的混合信号中分离出来，才能用于软测量建模或作为软测 量模型的输入。v软测量模型的输出就是 软测量对象的实时估计 值。2影响软测量性能的主要因素（1）中间辅助变量的选择：1)变量类型的选择 v灵敏性：能对过程输出或不可测扠动作出快速反应； v特异性：对过程输出或不可测扰动之外的干扰不敏感； v过程适用性：工程上易于获得并能达到一定的测量精度 ；v精确性：构成的软测量估计器满足精度要求；v鲁棒性：构成的软测量估计器对模型误差不敏感。v遗憾的是以上选择原则难以用定量的形式表示，而现代工 业某些对象具有数百个检测变量，面对如此庞大的可测变 量集，若采用定性分析的方法对每个变量逐一进行判断， 工作量非常大，简直不可能实现。现在主要根据工业对象 的机理、工艺流程以及专家经验来选择辅助变量。2影响软测量性能的主要因素（1）中间辅助变量的选择：2)变量数目的选择v辅助变量数量的下限是被估计的变量数，然而最优数量的确 定目前尚无统一的结论。一般来说，原始辅助变量数目、类 型很多，往往有数十个，并且相关程度差异较大，为了实时 运行方便，有必要对输入变量进行适当的降维处理。v选择思想是对各原始辅助变量与主导变量之间的相关性进行 分析，根据分析所得相关性的强弱，以决定哪些适合作为建 模用的辅助变量。2影响软测量性能的主要因素（1）中间辅助变量的选择：3) 检测点位置的选择v对于许多工业工程，与各辅助变量相对应的检测点位置的选 择是相当重要的。在使用软测量技术时，检测位置对模型的 动态特性有一定影响。因此，对输入中间辅助变量各个检测 点的检测方法、位置和仪表精确度等需有一定要求。v采用奇异值分解或工业控制仿真软件等方法进行检测点的选 取，一般情况下，辅助变量的数目和位置常常是同时确定的 ，用于选择变量数目的准则往往也被用于检测点位置的选择 。2影响软测量性能的主要因素（2） 输入数据的处理v软仪表是根据过程测量数据经过数值计算从而实现软测量的 ，其性能很大程度上依赖于所获过程测量数据的准确性和有 效性。v一方面，在数据采集时，要注意数据的“信息”量，均匀分配采样点，尽量拓宽数据的涵盖范围，减少信息重叠，避免某 一方面信息冗余，否则会影响最终建模的质量；另一方面， 对采集来的数据进行适当的处理，因为现场采集的数据必然 会受到不同程度环境噪声的影响而存在误差。2影响软测量性能的主要因素（2） 输入数据的处理v数据预处理：由于工业现场采集的数据具有一定随机性，数 据预处理主要是消除突变噪声和周期性波动噪声的影响。为 提高数据处理的精确度，除去随机噪声，可采用数据平滑化 方法如时域平滑滤波和频域滤波法等。v数据二次处理：根据软测量采用的系统建模方法及其机理不 同，须对预处理后的数据进行二次处理，如采用神经网络方 法进行系统建模需要对预处理后的数据进行归一化处理，采 用模糊逻辑方法需对预处理后的数据进行量化处理。2影响软测量性能的主要因素（3）数学模型的建立：1）机理方法v机理模型通常由代数方程组或微分方程组组成。在对工业对 象的物理化学过程获得了全面清晰的认识后，通过列写对象 的平衡方程(如物料平衡、能量平衡、动量平衡、相平衡等) 和反映流体传热传质等基本规律的动力学方程、物性参数方 程和设备特性方程等，确定不可测主导变量和可测辅助变量 的数学关系，建立估计主导变量的精确数学模型。v机理建模的应用受模型准确程度的影响，而且由于要求解方 程组，计算量大，收敛慢，难以满足在线实时估计的要求， 对模型进行简化必然会降低模型的精度。计算时间和计算精 度的矛盾制约了机理建模的应用。2影响软测量性能的主要因素（3）数学模型的建立：1）机理方法v由于大多数实际过程存在着严重的非线性和不确定性，难以 单独采用机理方法，但可以借助已知的对象特性确定经验模 型的结构或辅助变量，再利用经验方法确定模型的具体参数 。这种方法目前应用最广泛。（3）数学模型的建立：2） 经验方法v经验模型是根据测量对象的外特性来描述其动态行为的模型 。由测量数据直接求取模型的方法称为系统辨识；根据既定 模型结构由测量数据确定参数的方法称为参数估计。2影响软测量性能的主要因素（3）数学模型的建立：3) 基于人工智能的方法v人工智能技术因无需对象精确的数学模型成为软测量技术中 建模的有效方法。人工神经网络、模糊技术等模仿人脑的逻 辑思维，用于处理模型未知或不精确的控制问题，在软测量 中也得到大量的应用。（4）数学模型的修正v由于过程的随机噪声和不确定性，所建数学模型与实际对象 间有误差，如果误差大于工艺允许的范围时，应对数学模型 进行校正。校正方法可以是自学习方法，也可根据当前数据 进行重新建模。采用卡尔曼布西观测器进行状态估计时，可通过闭环校正进行数学模型修正。1软测量技术的应用条件v软测量技术作为一种新的检测与控制技术，与其他技术相似 ，只有在其适用范围内才能充分发挥自身优势，因此，必须 对其适用条件进行分析；v通过软测量技术所得到的过程变量估计值必须在工艺过程所 允许的精确度范围内；v能通过其他检测手段根据过程变量估计值对系统数学模型进 行校验，并根据两者偏差确定数学模型校正与否；v直接检测被估过程变量的自动化仪器仪表较贵或维护困难；v被估过程变量应具有灵敏性、精确性、鲁棒性、合理性及特 异性。11.3.3 软测量技术的应用2工程化实施步骤 v(1)二次变量的选择 v(2)现场数据采集与处理 v(3)软测量模型结构选择 v(4)软测量模型的在线校正 v(5)软测量模型的实施 3软测量技术在工业中的应用 v推断控制 推断控制简介 主导变量 以软件来代替硬件控制 软仪表和控制器4研究展望v（1）与控制技术结合：检测的目的是为了控制，好的检测 手段是精确控制的基础。因此，将软测量技术与各种控制方 法相结合将推动过程工业的更快发展。同时，飞速发展的通 讯技术为现场检测数据的实时传播提供了便利的条件，尤其 采用基于现场总线的智能仪表后，在一台仪表中实现多个回 路的控制将成为可能。v（2）与计算机技术结合：即实现软测量技术软件化，通用 化。这将大大提高软测量技术的可用性，降低应用难度，拓 宽其应用领域。4研究展望v（3）与虚拟仪器系统集成：虚拟仪器技术综合运用了计算机软件技术、智能测试技术、模板及总线的标准化技术、数字信号处理(DSP)技术、图形处理(GPS)技术及高速专用集成电路(ASIC)制造技术等，虚拟仪器是建立在标准化、系列化、模块化、积木化的硬件与软件平台上的一个完全开放的系统，一个仪器集成的系统。软测量方法与虚拟仪器技术具有内在的、密切的结构上的联系。二者的结合将成为现代测试系统发展的主流，在诸多工业过程难测参数中亦将展示其优势。4研究展望v（4）与传感器硬件结合：软测量方法的发展带动传感器技 术的软件和硬件紧密结合共同发展，集高速数据处理能力和 直接传感器实体为体的新一代传感器产品将会有更广阔的前景。v（5）与因特网技术结合：利用不断普及和发展Internet资 源，在更广泛的领域里有效地利用各种数据信息，发展真正 意义的网络协同软测量，实现基于Internet的广域交互检测 控制网络。 11.4 模糊传感器v11.4.1 模糊理论与模糊传感器v11.4.2 模糊传感器的结构v11.4.3 模糊传感器的应用 11.4.1 模糊理论简述v概念是思维的基本形式之一，它反映了客观事物的本质特征 。人类在认识过程中，把感觉到的事物的共同特点抽象出来 加以概括，这就形成了概念。v一个概念有它的内涵和外延：内涵是指该概念所反映的事物 本质属性的总和，也就是概念的内容；外延是指一个概念所 确指的对象的范围。v所谓模糊概念是指这个概念的外延具有不确定性，或者说它 的外延是不清晰的，是模糊的。v模糊性是精确性的对立面，但不能消极地理解模糊性代表的 是落后的生产力，恰恰相反，我们在处理客观事物时，经常 借助于模糊性。 11.4.1 模糊理论简述v在实用上有必要将传统明确集合中绝对属于的概念扩充 至相对属于的概念；即允许论域中的元素在某种程度上 是属于该集合，同時也可以在某种程度上不属于该集合 ，强调具有“亦此亦彼的模糊概念集合”便称之为“模糊 集合”。v模糊理论是以模糊集合为基础，其基本精神是接受模糊 性现象存在的事实，而以处理概念模糊不确定的事物为 其研究目标，并积极的将其严密的量化成计算机可以处 理的讯息，不主张用繁杂的数学分析即模型来解决模型 。11.4.1 模糊理论简述v传统的传感器测量是一种数值测量。它将被测量映 射到实数集合中，以数值符号的形式来描述被测量 状态，因此称之为数值传感器。它一方面具有精度 高、无冗余的优点，另一方面又存在