傳感器非線性信號的智能處理與融合

1 傳感器中的非線性信號及其反演
1.1 傳感器中的非線性信號
1.1.1 壓力傳感器的零點電漂移特性指標
1.1.2 壓力傳感器的零點電漂移特性的理論分析
1.1.3 零點電漂移的利用和抑制
1.1.4 小結
1.2 反向漏電對熱零點漂移的影響
1.2.1 國外科學家提出的熱零點漂移模型
1.2.2 反向漏電流對熱零點漂移影響模型
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 對靈敏度電壓非線性特性的模擬及實驗
1.3.4 小結
1.4 壓力傳感器零點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 模擬結果
1.4.4 實驗結果
1.4.5 小結
1.5 氣敏傳感器的靈敏度非線性信號
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薄膜的丙酮氣敏特性
1.6 轎車門二限位器疲勞試驗平臺與拉力傳感器的非線性信號
1.6.1 概述
1.6.2 疲勞實驗平臺機械結構
1.6.3 力傳感器的制作
1.7 非線性信號的反演
1.7.1 反演問題的困難
1.7.2 電阻率測量中的反演問題
2 經(jīng)典非線性信號(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 用牛頓插值法對傳感器輸出的非線性信號進行反演
2.2.3 小結
3 近代非線性信號(函數(shù))擬合法
3.1 MATLAB算法
3.1.1 曲線擬合
3.1.2 坐標點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)控制問題
3.2.3 模擬退火算法的應用
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
3.3.3 遺傳算法的一般過程
3.3.4 遺傳算法的運算過程
3.3.5 遺傳算法的應用
3.4 非線性函數(shù)規(guī)范化多項式擬合法
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逆矩陣
3.5 輸出信號基于規(guī)范化多項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式
3.5.3 小結
3.6 利用多項式擬合規(guī)范化方法實現(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)非線性多項式在硅單晶圓片測試中的應用
3.6.4 范德堡函數(shù)非線性擬合多項式的誤差分析
3.6.5 小結
3.7 對硅的電阻率溫度系數(shù)與電阻率的關系曲線的各種擬合方法結果的比較
3.7.1 各種擬合方法結果
3.7.2 小結
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 實驗數(shù)據(jù)擬合成規(guī)范化多項式時各階變量系數(shù)間的關系
3.8.3 歸十化多項式中│wi/wi-1│的關系
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式去“歸十”化
3.8.6 算法的應用
3.8.7 小結
3.9 神經(jīng)網(wǎng)絡擬合法
3.9.1 人工神經(jīng)網(wǎng)絡模型
3.9.2 人工神經(jīng)網(wǎng)絡的分類
3.9.3 有學習率神經(jīng)網(wǎng)絡擬合法
3.10 無學習率權值調整神經(jīng)計算法擬合范德堡函數(shù)多項式
3.10.1 樣本數(shù)與權值數(shù)相等的神經(jīng)網(wǎng)絡擬合算法擬合范德堡函數(shù)
3.10.2 樣本數(shù)大于權值數(shù)時誤差迭代下降的神經(jīng)網(wǎng)絡擬合算法
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 典例仿真與對比分析
3.12 模糊擬合算法
3.12.1 模糊數(shù)學的名詞
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式模糊擬合在人臉圖像識別中的應用
3.13.1 人臉識別問題
3.13.2 人臉圖像數(shù)據(jù)的非線性降維
3.13.3 實驗結果
3.14 利用模糊數(shù)學分類和繪制硅片上電阻率等值線
3.14.1 概述
3.14.2 模糊數(shù)學在硅片上電阻率等值線連接中的應用
3.14.3 編程及利用現(xiàn)有的軟件畫出等值線
3.14.4 如何利用MATIAB軟件將現(xiàn)有的10個模糊集繪制成等值線
3.14.5 等值線的連接質量評價
3.15 蟻群優(yōu)化算法
3.15.1 算法基本原理
3.15.2 改進蟻群優(yōu)化算法及其在多機器人氣味源定位中的應用
4 傳感器非線性信號的補償與融合
4.1 非線性信號補償
4.1.1 圖形補償
4.1.2 函數(shù)補償
4.2 非線性信號信息融合
4.2.1 概述
4.2.2 自然融合法
4.2.3 強制融合法
4.2.4 小結
4.3 網(wǎng)絡熱敏結點的可變電阻、二極管并聯(lián)脫敏法脫敏應用
4.3.1 概述
4.3.2 理論分析
4.3.3 實驗結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用
4.3.5 小結
4.4 壓力傳感器靈敏度溫漂補償技術
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 靈敏度溫漂補償方法及技術
4.5 壓力傳感器的熱零點漂移現(xiàn)象各種補償方法的比較
4.5.1 概述
4.5.2 壓力傳感器的熱零點漂移現(xiàn)象
4.5.3 最佳擬合直線的補償原理
4.5.4 非線性反函數(shù)補償方法
4.5.5 非線性函數(shù)多項式規(guī)范化擬合原理
4.5.6 基于神經(jīng)網(wǎng)絡的非線性補償
4.5.7 各種補償方法擬合結果的比較
4.6 自平衡電橋激勵的壓力傳感器零點輸出信號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
4.7 電阻率測量中的有限厚度樣品電場分布的畸變修正補償問題
4.7.1 方形探針測試法的厚度修正
4.7.2 非線性厚度修正系數(shù)的規(guī)范化多項式擬合
4.7.3 試驗驗證
4.7.4 小結
參考文獻