基于數據融合技術的智能壓力傳感器研究

　　0 引言

　　隨著高性能計算機測控系統的發展，傳統傳感器已不再與其測控系統相適應。控制系統要求傳感器具備較強的信息處理和自我管理能力，以實現信息的采集與信息的預處理，減輕控制計算機的數據處理負擔和提高整個測控系統的可靠性。然而計算機則著重于信息的高層次加工和處理，便于在現有硬件條件下大幅度提高系統的性能，簡化系統的結構。智能傳感器系統就是為了更好地適應計算機測控系統的發展而提出的一個新的研究方向。

　　一個壓力傳感器，當壓力參量恒定而溫度變化時，其輸出值也發生改變，即這個壓力傳感器存在溫度參量的復合靈敏度。當傳感器存在復合靈敏度時，就會致使其性能不穩定，測量精度低。多傳感器信息融合技術就是通過對多個參數的監測并采用一定的信息處理方法來提高每一個參量的測量精度。在只要求測量一個目標參量的場合，為提高被測目標參量的測量精度，把其他參量當作干擾量，消除其影響，使每個參量測量精度都獲得提高，所以傳感器信息融合技術為開發多功能傳感器系統開辟了途徑。本文主要討論智能壓力傳感器技術應用和數據融合技術的研究。

　　1 智能壓力傳感器的硬件設計

　　圖1為智能壓力傳感器的硬件框圖。在本設計中，硬件系統的組成分為2部分：

　　(1)傳感器輸出信號的預處理部分。主要由信號調理電路組成，包括對靜壓和溫度傳感器的恒壓源電路的設計，以及對傳感器輸出信號進行濾波放大。

　　(2)信號分析處理部分，將模擬信號轉換為數字信號，并完成對信號的分析處理。

　　在信號處理部分，本文著重采用ADuC812單片機設計硬件電路，結構簡單，體積小，其功能方框圖如圖2所示。由圖2可知ADuC812單片機與其他單片機不同的特點：芯片內不僅集成了可重新編程非易失性閃速/電擦除程序存儲器的高性能8位(與8051兼容)MCU，還包含了高性能的自校準8通道ADC及2通道12位DAC;與所有8051兼容的器件一樣，對于程序和數據存儲器，ADuC812具有各自獨立的地址空間，如64 KB外部程序地址空間和16 MB外部數據地址空間，但與其他器件不同的是，它包含了片內閃速存儲器技術，可以向用戶提供8 KB的閃速/電擦除程序存儲器、640 KB的閃速/電擦除數據存儲器;芯片集成了全部輔助功能塊，可以充分支持可編程的數據采集核心。這些輔助功能塊包括看門狗定時器(WDT)、電源監視器(PSM)以及ADCDMA功能。另外，為多處理器接口和I/O擴展提供了32條可編程的I/O線、IZC兼容的SPI和標準UART串行端口。

　　在本文中，將ADuC812單片機P1口的P1.0，P1.1和P1.2作為三路信號輸入通道。其中一路輸入溫度信號，一路輸入靜壓信號，一路接地，這一路可配合相應的軟件來降低溫漂和系統誤差;P1.7口接發光二極管，用于監測單片機是否正常工作：P2口的P2.0和P2.1作為液晶顯示的輸入脈沖和數據端;P3口的P3.0(RXD)和P3.1(TXD)外接一片MAX232，進行電平轉換，實現和PC機的通信。本設計采用外部時鐘產生方式.晶體頻率為11.059 2 MHz，采用內部基準，在7引腳(CRER)與AGND之間連接0.1μF的電容。電源復位電路采用MAX708芯片進行復位。硬件設計中最大的亮點是硬件電路簡潔，ADuC812單片機不用外接A/D和D/A轉換器，不占用大量的空間，并且具有可重新編程非易失性閃速/電擦除程序存儲器，調試簡單。

　　2 多傳感器數據融合算法的選擇

　　目前應用在智能壓力傳感器的融合算法主要有2種，分別為多維回歸分析法和BP神經網絡法。

　　2.1 多維回歸分析法

　　回歸分析法的基本思想是：用多維回歸方程來建立被測目標參量與傳感器輸出量之問的對應關系。與經典傳感器一維實驗標定/校準不同的足要進行多維標定/校準實驗，通過最小二乘法原理由實驗標定/校準數據計算出回歸方程中的系數。這樣，當測得傳感器輸出值時，就可由已知系數的多維回歸方程來計算出相應的輸入被測目標參數。具體的算法是已知壓力傳感器輸出電壓U代表壓力信息，另一溫度傳感器輸出電壓Ut代表溫度信息，則壓力參量P’可以用U及Ut二元函數來表示才完備，即：

　　由最小二乘法原理得到系數a0～a5，代入二維回歸方程中，確定檢測壓力P’和輸出U的二元輸入-輸出特性。當采集到二個傳感器的輸出值U及Ut時，代入式中就可以計算得到傳感器的被測參量P’。

　　2.2 BP神經網絡法

　　神經元之間的連接方式不同，網絡的拓撲結構也不同。根據神經元之間的連接方式，可將神經網絡結構分為2大類，層次型結構和互聯型結構。層次型結構的神經網絡將神經元按功能分成若干層，如輸入層、中間層(也稱為隱層)和輸出層，各層順序相連。輸入層各神經元負責接受來自外界的輸入信息，并傳遞給中間各隱層神經元;隱層是神經網絡的內部信息處理層，負責信息變換;最后隱層傳遞到輸出層各神經元的信息經近一步處理后由輸出層向外界輸出信息處理結果。圖3給出一個單隱層BP神經網絡模型，它具有2個輸入，每個輸入都通過一個適當的權值w和下一層相連，網絡輸出可以表示為式(1)，f是表示輸入/輸出關系的傳遞函數。