智能傳感器動態(tài)非線性研究及其補(bǔ)償.pdf

1、由于智能傳感器的動態(tài)非線性響應(yīng)特性，導(dǎo)致智能傳感器系統(tǒng)存在動態(tài)測量誤差等問題。針對這些問題，本文采用Hammerstein模型和Wiener模型描述其動態(tài)非線性，并提出了基于Hammerstein模型和Wiener模型的動態(tài)非線性組合神經(jīng)網(wǎng)絡(luò)的智能傳感器系統(tǒng)辨識和補(bǔ)償方法。 智能傳感器系統(tǒng)可以看成靜態(tài)非線性模塊和動態(tài)線性模塊組合而成。本文提出的Hammerstein模型和Wiener模型都是由一個非線性靜態(tài)子環(huán)節(jié)和一個線性動態(tài)子

2、環(huán)節(jié)串聯(lián)的模型體系，主要區(qū)別在于模型中兩個環(huán)節(jié)順序的不同。針對這兩種模型相似的結(jié)構(gòu)特征，分別采用LDN線性神經(jīng)網(wǎng)絡(luò)模擬兩個模型中的線性動態(tài)子環(huán)節(jié)和PID非線性神經(jīng)網(wǎng)絡(luò)模擬非線性靜態(tài)子環(huán)節(jié)，利用該組合神經(jīng)網(wǎng)絡(luò)來對Hammerstein模型和Wiener模型進(jìn)行系統(tǒng)辨識。該辨識方法具有對靜態(tài)非線性環(huán)節(jié)的系數(shù)和線性動態(tài)子環(huán)節(jié)的系數(shù)進(jìn)行同步辨識和分離的效果，辨識后可得到Hammerstein模型和Wiener模型的動態(tài)線性環(huán)節(jié)和靜態(tài)非線性環(huán)節(jié)，

3、從而確定系統(tǒng)的動態(tài)非線性。仿真結(jié)果驗(yàn)證了組合神經(jīng)網(wǎng)絡(luò)辨識算法的有效性，具有較高的辨識精度。 在組合神經(jīng)模型辨識的基礎(chǔ)上，進(jìn)一步提出了基于Hammerstein模型和Wiener模型的動態(tài)非線性兩步補(bǔ)償方法，包括動態(tài)線性補(bǔ)償和靜態(tài)非線性校正，并且對于誤差較大的部分，采用了PID控制器進(jìn)行信號的控制跟蹤補(bǔ)償處理。通過仿真和對實(shí)驗(yàn)數(shù)據(jù)的處理證明，兩步補(bǔ)償方法改善了智能傳感器動態(tài)響應(yīng)特性，PID控制器能對信號進(jìn)行優(yōu)良的跟蹤，進(jìn)行實(shí)時動態(tài)