误差修正技术

,单击此处编辑母版标题样式,单击此处编辑母版文本样式,第二级,第三级,第四级,第五级,*,9.1 误差修正技术,9.1.1 系统误差的数字修正方法,9.1.2 随机误差的数字滤波方法,9.1.3 动态补偿方法,上一页,下一页,返 回,误差来源有以下几方面：,检测系统本身的误差,(a)工作原理上，如传感器或电路的非线性的输入、输出关系；,(b)机械结构上，如阻尼比太小等；,(c)制造工艺上，如加工精度不高，贴片不准，装配偏差等；,(d)功能材料上，如热胀冷缩，迟滞，非线性等。,外界环境影响,例如，温度，压力和湿度等的影响。,人为因素,操作人员在使用仪表之前，没有调零、校正；读数误差等。,上一页,下一页,返 回,误差分类：,从时间角度，把误差分为静态误差和动态误差。,静态误差,包括通常所说的系统误差和随机误差。其中，系统误差是指在相同条件下，多次测量同一量时，其大小和符号保持不变或按一定规律变化的误差。,动态误差,是指检测系统输入与输出信号之间的差异。由于产生动态误差的原因不同，动态误差又可分为第一类和第二类。,第一类动态误差：,因检测系统中各环节存在惯性、阻尼及非线性等原因，动态测试时造成的误差。,第二类误差：,因各种随时间改变的干扰信号所引起的动态误差,。,针对不同的误差，有不同的修正方法；就是对同一误差，也有多种修正方法。,上一页,下一页,返 回,9.1.1 系统误差的数字修正方法,1.利用校正曲线修正系统误差,2用神经网络修正系统误差,3非线性特性的校正方法,上一页,下一页,返 回,1.利用校正曲线修正系统误差,通过实验校准(或称标定)来获得系统的校准曲线(输入、输出关系曲线)。,校准,：在标准状况下，利用一定等级的标准设备，为系统提供标准的输入量，测试系统的输出。,在整个量程范围内，选多点测试；在每个点上，测试多次，由此得出系统的输入、输出数据，列成表格或绘出曲线。将曲线上各校准点的数据存入存储器的校准表格中，在实际测量时，测一个值，就到微处理器去访问这个地址，读出其内容，即为被测量经修正过的值。,上一页,下一页,返 回,内插方法,对于值介于两个校准点与之间时，可以按最邻近的一个值或去查找对应的值，作为最后的结果。这个结果带有误差。此时，可以利用(分段直线拟合)来提高准确度。校准点之间的内插，最简单的是线性内插。,当取,上一页,下一页,返 回,2用神经网络修正系统误差,上一页,下一页,返 回,传感器模型,环 境 参 数,误差修正模型的输出,即误差修正模型的输出z与被测非电量x成线性关系,且与各环境参数无关。,只要使误差修正模型 ，,即可实现传感器静态误差的综合修正。,(912),上一页,下一页,返 回,通常传感器模型及其反函数是复杂的，难以用数学式子描述。,但是，可以通过实验测得传感器的实验数据集：,根据前向神经网络具有很强的输入、输出非线性映射能力的特点，,以实验数据集的和为输入样本，及对应的为输出样本，,对神经网络进行训练，使神经网络逐步调节各个权值自动实现,上一页,下一页,返 回,归一化处理,因神经网络学习时，加在输入端的数据太大，会使神经元节点迅速进入饱和，导致网络出现麻痹现象。此外，由于在神经网络中采用S型函数，输出范围为(0，1)，且很难达到0或1。故在学习之前，应对数据进行归一化处理。,(913),(914),式中，Di、Do分别是欲作为神经网络输入、输出样本的原始数据,上一页,下一页,返 回,建立神经网络误差修正模型的步骤：,(1)取传感器原始实验数据。,(2)由式(913)变换原始数据和，式(914)变换原始数据，得训练神经网络的输入、输出样本对。,(3)确定神经网络输入、输出端数量、各层节点数、和的值。网络输入端数量与输入层节点数量相同，等于环境参数个数加1。输出端数量与输出层节点数均为1。隐层节点数根据被测非电量、环境参数及传感器输出之间的关系的复杂程度而定，关系复杂取多些，反之取少些。和一般取01。,(4)训练神经网络得到误差修正模型。,上一页,下一页,返 回,3非线性特性的校正方法,传感器和自动检测系统的非线性误差(或称线性度)是一种系统误差，是用其输入、输出特性曲线与拟合直线之间最大偏差与其满量程输出之比来定义的。,拟合直线：,依据若干实验数据，利用一定的数学方法得到的直线。当采用的数学方法不同时，拟合直线不同，以此为基准得出的线性度也不同。,输入、输出关系呈线性的优点,：,可用线性叠加原理，分析、计算方便；,输出信号的处理方便，只要知道输出量的起始值和满量程值，就可确定其余的输出值，刻度盘可按线性刻度；,在工业过程控制中常用的电动单元组合仪表，由于单元之间用标准信号联系，要求仪表具有线性特性。,上一页,下一页,返 回,非线性校正方法,非线性校正方法很多，例如：,利用校准曲线用查表法作修正；,利用分段折线法进行校正；,用整段高次多项式近似。,神经网络的方法。,上一页,下一页,返 回,(1)整段校正法,整段校正法也称整段多项式近似法，其核心问题是多项式的生成，即直接利用非线性方程进行校正。,由标定传感器所得到的实测数据来推出反映输入、输出关系的多项式，并要求这个多项式的次数尽量低、与实际特性的误差尽量小。这实质上是个曲线拟合问题。,上一页,下一页,返 回,最小二乘意义下的多项式拟合,对于对实验数据,使得,构造多项式,根据最小二乘原理，要使,为最小，按通常求极值的方法，,取对的偏导数，并令其为零，得到正则方程组，解出a,i,在实际修正中，预先把方程的系数存在存储器中。,单片机进行校正时，将测量值与存储器中的系数进行运算，,就可获得实际被测量。,上一页,下一页,返 回,(2)神经网络校正法,传感器的静态输入、输出特性可用一个多项式表示,可简化为,实际应用中往往需要根据所得的输出量y，求出输入非电量xi。,而由y表示的xi表达式为,通过静态标定，事先得到一组传感器的输入、输出数据，,然后用函数联接型神经网络，通过迭代得到ki这些系数。,上一页,下一页,返 回,利用输入数据集()和输出y,i,，经神经网络的学习算法,不断调整权值W,n,(n=0,1,2,3)。,估计输出为,误差为,权值调整为,第i个输入数据的期望输出、估计输出,W,n,(k)网络在第k步的第n个联接权，a,i,学习因子,经过学习，当权值趋于稳定时，所得的W,n,(n=0,1,2,3),就是系数k,0,、k,1,、k,2,、k,3,。,上一页,下一页,返 回,9.1.2 随机误差的数字滤波方法,数字滤波：,通过特定的计算程序处理，降低干扰信号在有用信号中的比例，故实质上是一种程序滤波。,数字滤波可以对各种干扰信号，甚至极低频率的信号滤波。,数字滤波由于稳定性高，滤波器参数修改方便，因此得到广泛应用。,上一页,下一页,返 回,数字滤波器优点：,(1)不需要增加任何硬设备，只要程序在进入数据处理和控制算法之前，附加一段数字滤波程序即可。,(2)不存在阻抗匹配问题。,(3)可以对频率很低，例如0.01Hz的信号滤波，而模拟RC滤波器由于受电容容量的影响，频率不能太低。,(4)对于多路信号输入通道，可以共用一个滤波器，从而降低仪表的硬件成本。,(5)只要适当改变滤波器程序或参数，就可方便地改变滤波特性，这对于低频脉冲干扰和随机噪声的克服特别有效。,上一页,下一页,返 回,数字滤波方法,1 限幅滤波,2 平滑滤波,3 算术平均滤波法,4 递推平均滤波法,5 加权移动平均滤波法,6 一阶惯性滤波,7 复合滤波,上一页,下一页,返 回,1限幅滤波,当采样信号由于随机干扰而引起严重失真时，可采用限幅滤波。根据经验，确定出两次采样信号可能出现的最大偏差。,限幅滤波,：把两次相邻的采样值相减，求出其增量(以绝对值表示)，然后与两次采样允许的最大差值进行比较。如果小于或等于，则取本次采样值；如果大于，则仍取上次采样值作为采样值。,应用：,变化比较缓慢的参数测量，如温度、物位等。也可以在大电流、大电感负载切断时，即干扰的特点为时间短，但幅值却很大的情况下使用。,上一页,下一页,返 回,中位值滤波,中位值滤波是对某一被测量连续采样N次(一般N取为奇数)，然后把N次采样值按大小排列，取中间值为本次采样值。中位值滤波能有效地克服偶然因素引起的波动。,对于温度、液位等缓慢变化的被测量，采用此法能收到良好的滤波效果，但对于流量、压力等变化较快的被测量一般不宜采用中位值滤波。,上一页,下一页,返 回,2平滑滤波,叠加在有用数据上的随机噪声在很多情况下可以近似地认为是白噪声。白噪声具有一个很重要的统计特性，即它的统计平均值为零。因此可以求平均值的办法来消除随机误差，这就是所谓平滑滤波。,平滑滤波有以下几种。,上一页,下一页,返 回,3算术平均滤波法,算术平均滤波法适用于对一般的具有随机干扰的信号进行滤波。这种信号的特点是信号本身在某一数值范围附近上下波动，如测量流量、液位时经常遇到这种情况。,算术平均滤波是要按输入的N个采样数据x,i,，寻找这样一个y，使y与各采样值之间的偏差的平方和最小，即使,上一页,下一页,返 回,由一元函数求极值的原理，可得,算术平均滤波的算式,设第i次测量的测量值包含信号成分S,i,和噪声成分n,i,，,则进行N次测量的信号成分之和为,噪声的强度是用均方根来衡量的，当噪声为随机信号时，,进行次测量的噪声强度之和为,式中，S、n分别为进行N次测量后信号和噪声的平均幅度。,上一页,下一页,返 回,对N次测量进行算术平均后的信噪比为,式中，S/n是求算术平均值前的信噪比，,因此采用算术平均值后，信噪比提高了 倍。,(9117),由式可知，算术平均值法对信号的平滑滤波程度完全取决于N。,当N较大时：,平滑度高，但灵敏度低，外界信号的变化对测量计算结果的影响小；,当N较小时：,平滑度低，但灵敏度高。应按具体情况选取N。,如对一般流量测量，可取N=812；对压力等测量，可取N=4。,上一页,下一页,返 回,4递推平均滤波法,算术平均滤波方法每计算一次数据，需测量N次，对于测量速度较慢或要求数据计算速率较高的实时系统，则无法使用。,递推平均滤波法：,在存储器中，开辟一个区域作为暂存队列使用，队列的长度固定为N，每进行一次新的测量，把测量结果放入队尾，而扔掉原来队首的那个数据，这样在队列中始终有个“最新”的数据。,上一页,下一页,返 回,递推平均项数的选取是比较重要的环节，N选得过大，平均效果好，,但是，对参数变化的反应不灵敏；N选得过小，滤波效果不显著。,关于N的选择与算术平均滤波法相同。,5加权移动平均滤波法,递推平均滤波法最大的问题是随着随机误差的消除，有用信号的灵敏度也降低了。因为我们假设对于N次内的所有采样值，在结果中所占比重是均等的。用这样的滤波算法，对于时变信号会引入滞后。N越大，滞后越严重。,为了增加新的采样数据在滑动平均中的比重，以提高系统对当前采样值中所受干扰的灵敏度，可以对不同时刻的采样值加以不同的权,通常越接近现时刻的数据，权取得越大。然后再相加求平均，这种方法就是,加权移动平均法,。,上一页,下一页,返 回,N项加权移动平均滤波算法为,为常数，且满足以下条件：,常系数的选取有多种方法，其中最常用的是加权系数法。,式中，y为第N次采样值经滤波后的输出；,x,N-i,为未经滤波的第,N-i,次采样值；,上一页,下一页,返 回,加权系数法,设,为被测对象的纯滞后时间，且,因为,越大，,越小，则给予新的采样值的权系数就越大，而给先前采样值的权系数就越小，从而提高了新的采样值在平均过程中的比重。,所以，加权移动平均滤波适用于有较大纯滞后时间常数的被测对象和采样周期较短的测量系统，而对于纯滞后时间常数较小，采样周期较长，变化缓慢的信号，则不能迅速反映系统当前所受干扰的严重程度，滤波效果较差。,上一页,下一页,返 回,6一阶惯性滤波,在检测系统的电路中常常伴随有电源干扰及工业干扰，这些干扰特点是频率很低(例如频率为0.01Hz)，对这样低频的干扰信号，采用RC滤波显然是不适宜的，因为C太大，很难做到。但是，用数字滤波很容易解决。,假设一