论文部分内容阅读
传感器技术，是现今社会科学技术以及一个国家的综合实力的重要标志，也是快速发展、令人瞩目的一种高新技术，已经引起广泛关注。电涡流传感器结构简单，体积小，灵敏度高, 适用性强，且具有非接触测量、不损伤被测工件表面的特点，因此获得广泛应用。传感器的测量精度问题也成为我们目前需要解决的主要问题。
本文分析了影响电涡流传感器测量位移精度的主要因素，分别是温度漂移和输入输出特性线性度。针对温度漂移问题，本文给出了三种算法对其进行温度补偿，分别为多元回归算法、BP 神经网络算法和基于遗传优化小波神经网络算法（GA-WNN）。其中小波神经网络算法有极易陷入局部最小值的问题，而遗传算法善于全局搜索，使用遗传算法来对小波神经网络的权值和阀值进行优化就显示出了优势互补，可以加快小波神经网络的收敛速度和提高神经网络的精度。针对线性度问题，本文使用了曲线拟合的方法对输入输出特性曲线进行非线性校正。最后，本文设计了一个完整的智能传感器位移测量系统，设计包括硬件部分和软件部分。硬件部分以STM32单片机为核心，包括信号采集、放大模块、A/D 转换模块、报警模块、nRF24L01 无线收发模块以及LCD显示模块。软件部分使用模块化编程思想进行设计，将GA-WNN算法固化到单片机CPU中进行温度融合，然后进行整体系统调试，在LCD液晶显示屏上实时显示校正后的测量位移数据。
分析结果表明，非线性度由原来的5.43%降低到2%，非线性得到明显校正，达到预期目标。经过温度补偿之后，二元回归算法的零位温度系数从原来的 -34.78?10 /℃提升到现在的 4 06.67?10? / C、灵敏度温度系数从原来的 38.69?10? /℃提升到 4 09.63?10? / C；BP 神经网络算法补偿后的零位温度系数和灵敏度温度系数分别提升到 4 04.43?10? / C、4 08.03?10? / C；经过基于遗传优化的小波神经网络算法补偿后零位温度系数和灵敏度温度系数则提升到 4 01.85?10? / C、 4 03.48?10? / C ，均提升了一个数量级。经过对比分析可知，三种算法都对电涡流传感器测量位移起到了温度补偿的作用，但基于遗传优化的小波神经网络算法的补偿效果最好。
本文分析了影响电涡流传感器测量位移精度的主要因素，分别是温度漂移和输入输出特性线性度。针对温度漂移问题，本文给出了三种算法对其进行温度补偿，分别为多元回归算法、BP 神经网络算法和基于遗传优化小波神经网络算法（GA-WNN）。其中小波神经网络算法有极易陷入局部最小值的问题，而遗传算法善于全局搜索，使用遗传算法来对小波神经网络的权值和阀值进行优化就显示出了优势互补，可以加快小波神经网络的收敛速度和提高神经网络的精度。针对线性度问题，本文使用了曲线拟合的方法对输入输出特性曲线进行非线性校正。最后，本文设计了一个完整的智能传感器位移测量系统，设计包括硬件部分和软件部分。硬件部分以STM32单片机为核心，包括信号采集、放大模块、A/D 转换模块、报警模块、nRF24L01 无线收发模块以及LCD显示模块。软件部分使用模块化编程思想进行设计，将GA-WNN算法固化到单片机CPU中进行温度融合，然后进行整体系统调试，在LCD液晶显示屏上实时显示校正后的测量位移数据。
分析结果表明，非线性度由原来的5.43%降低到2%，非线性得到明显校正，达到预期目标。经过温度补偿之后，二元回归算法的零位温度系数从原来的 -34.78?10 /℃提升到现在的 4 06.67?10? / C、灵敏度温度系数从原来的 38.69?10? /℃提升到 4 09.63?10? / C；BP 神经网络算法补偿后的零位温度系数和灵敏度温度系数分别提升到 4 04.43?10? / C、4 08.03?10? / C；经过基于遗传优化的小波神经网络算法补偿后零位温度系数和灵敏度温度系数则提升到 4 01.85?10? / C、 4 03.48?10? / C ，均提升了一个数量级。经过对比分析可知，三种算法都对电涡流传感器测量位移起到了温度补偿的作用，但基于遗传优化的小波神经网络算法的补偿效果最好。