基于IIR數(shù)字濾波器的傳感器動(dòng)態(tài)特性修正方法.pdf

1、在瞬態(tài)測(cè)試領(lǐng)域,能否測(cè)得準(zhǔn)信號(hào)是一個(gè)非常核心的問(wèn)題。被測(cè)信號(hào)變化速度特別快,蘊(yùn)含非常豐富的高頻分量。對(duì)于此種信號(hào)的檢測(cè)首先要考慮傳感器的動(dòng)態(tài)特性。比如對(duì)于頻譜在500Hz以下的信號(hào),傳感器的帶寬只有高于500Hz的情況下才可以實(shí)現(xiàn)對(duì)信號(hào)的準(zhǔn)確檢測(cè)。但是很多情況下,傳感器的帶寬不能滿足測(cè)試要求。可以改進(jìn)傳感器的工藝或者換為動(dòng)態(tài)性能更好地傳感器來(lái)解決此問(wèn)題。這對(duì)于檢測(cè)系統(tǒng)來(lái)說(shuō)成本都較高。如果在含有微處理器的檢測(cè)系統(tǒng)中采用信號(hào)處理的方法實(shí)時(shí)處

2、理傳感器輸出的信號(hào),在一定程度上改善傳感器的動(dòng)態(tài)特性是非常不錯(cuò)的選擇。
　　使用模糊神經(jīng)網(wǎng)絡(luò)對(duì)二階系統(tǒng)進(jìn)行了動(dòng)態(tài)特性的改善和仿真。為了進(jìn)一步增加改善效果提出了改進(jìn)的RLS算法以及遺傳算法對(duì)自回歸模型進(jìn)行參數(shù)辨識(shí)建立傳感器的逆模型。用梯度下降法產(chǎn)生RLS和遺傳算法的參數(shù)初值再使用兩種方法去優(yōu)化和修正參數(shù)值。三種方法對(duì)比后得知后兩種方法都是基于自回歸模型的,它們的改善效果要比模糊神經(jīng)網(wǎng)絡(luò)要好。這兩種方法對(duì)于自回歸模型的參數(shù)辨識(shí)效果相差

3、不多。
　　對(duì)于使用改進(jìn)遺傳算法離線辨識(shí)好的IIR數(shù)字濾波器,將參數(shù)存入FPGA在線修正傳感器動(dòng)態(tài)特性。通過(guò)仿真驗(yàn)證了其實(shí)時(shí)實(shí)現(xiàn)的可能性。設(shè)計(jì)了電荷放大器、儀表放大電路、低通濾波器、A/D轉(zhuǎn)換器和D/A轉(zhuǎn)換器。以FPGA為核心設(shè)計(jì)了帶有負(fù)延遲、自適應(yīng)采樣頻率的檢測(cè)存儲(chǔ)模塊。在實(shí)際系統(tǒng)中用Verilog HDL語(yǔ)言實(shí)時(shí)實(shí)現(xiàn)了算法。實(shí)驗(yàn)表明利用本文的方法可以將阻尼比為0.1,固有頻率為6283.18rad/s的傳感器帶寬拓展到固有頻率