论文部分内容阅读
霍尔电流传感器是利用霍尔效应制作出来的电流检测器件,因其具备非接触测量、测量范围大、精度高、动态性能好、过载能力强等优点而被广泛应用。传感器在获取信息的时候会受到工作环境中其他因素的影响,导致工作不稳定,精度不高,多传感器融合技术就是综合利用多传感器信息,通过他们之间的协调和性能互补的优势,克服单一传感器的不确定性和局限性,提高整个传感器系统的有效性能。本论文首先介绍了智能传感器、数据融合技术和人工神经网络的发展及现状；然后提出本文的研究对象——霍尔电流传感器。论文说明了霍尔元件的工作原理,分析了其测量误差。针对开环霍尔元件受温度影响比较大,采用多传感器技术,将电流传感器设置为主传感器,温度传感器作为辅助传感器,将两者测得数据作为数据融合输入。论文采用BP神经网络作为数据融合算法,以标准BP神经网络为基础,研究了多项式BP神经网络,并初步尝试了小波BP神经网络。多项式BP神经网络的阈值设置为零,输入层至隐含层的权值设置为1,隐含层至输出层的权值可以通过矩阵伪逆的方法直接求出；小波BP神经网络结构为紧致型结合,采用Morlet函数作为小波函数；通过Matlab仿真比较了这三种BP神经网络。结果表明标准BP神经网络和多项式神经网络都具备良好的消除传感器交叉敏感性的功能,且多项式神经网络的效果更为明显,而小波BP神经网络在这种条件下效果并不明显。多项式神经网络一次性求出权值,迭代次数为1,融合精度高,在数据融合前,霍尔电流传感器的灵敏度温度系数为7.861×10-4,采用多项式BP神经网络对霍尔电流传感器进行了数据融合,其温度灵敏度系数提高到6.906×10-5,从而得到的结论是多项式神经网络算法将霍尔电流传感器灵敏度系数提高了一个数量级,因此将其作为本文的多传感器数据融合算法。论文最后搭建了基于STM32F103ZET微处理器的传感器测量系统,系统主要包含温度采集电路、霍尔电流采集电路、LCD液晶显示电路,调试电路及微处理器电路,系统的软件部分采用Keil uvision4编程实现,采用模块化设计,最后采用神舟王STM32系统作为算法移值的测试系统,试验结果表明多项式神经网络移值非常简单、应用方便。