论文部分内容阅读
本文针对二维传感器动态特性不理想和维间耦合现象严重的问题，采用神经网络逆动态补偿方法对其进行了动态补偿和解耦的仿真和实验研究。本文首先根据逆系统原理，分析原传感器系统的可逆性，推导其逆系统的大致表达式（该逆系统即传感器的动态补偿器），并用静态神经网络加微分器的结构实现了逆系统动态补偿器（称为神经网络逆动态补偿器），并将其串联在原传感器系统之后，构成了一个复合的测量系统。通过仿真和实验，均证实了这样构成的复合测量系统，既能动态跟踪输入信号，提高传感器的动态响应品质，又能去除传感器各维之间的耦合，提高了传感器的测量精度。
论文的主要工作如下：
（1）理论上分析了传感器的输入输出动态方程，给出了其可逆性条件和逆系统的表达式，并由此设计了由微分器和静态神经网络构成的神经网络逆动态补偿器，并给出了该动态补偿器实现的具体步骤。
（2）在理论分析的基础上，进行了进一步的仿真实验，用MATLAB/SIMULINK构建了二维传感器的模型。然后用各种激励信号对其进行作用，得到了其输入输出的响应数据，并进一步处理成为可以用来训练静态神经网络的训练样本集；通过训练程序，得到了期望的神经网络模块，并将其与微分器构成了神经网络逆动态补偿器。在此基础上，进行了神经网络逆动态补偿的仿真实验，并对仿真结果进行了分析和讨论。
（3）设计了一个具体的扁环式二维传感器，同时基于NI公司的PXI设备构建了能够实现动态补偿的实验平台，并用LabVIEW和XATLAB编制了相应的动态补偿程序。然后分别对二维力传感器主通道和二维传感器进行了补偿实验。实验表明，由动态补偿器和传感器构成的复合测量系统具有很好的动态特性和测量精度，而且在实现补偿的同时也实现了对二维传感器的解耦。