基于非晶态合金的感应式磁敏传感器的研究

通过对基于非晶态合金为磁芯的感应式磁敏传感器的结构、原理、检测电路及所研制的磁敏传感器的频率补偿的研究 ,优化了设计参数、改善了传感器的灵敏度和频率特性 ,使其满足了混场源勘探的需要。

HMC1001型磁阻式传感器及应用

介绍了HMC10 0 1型磁阻传感器工作的原理 ,阐述了它在弱磁检测中的地位 ,设计了在标准线圈中心磁场测量中单片机最小应用系统 ,给出了测试结果。

基于小波的支持向量机算法研究

基于小波对偶框架和支持向量核函数的条件,提出了一种支持向量小波核函数.该核函数利用小波的多尺度插值特性和稀疏变化特性,不仅提高了模型的精度和迭代的收敛速度,而且还适用于信号的局部分析、信噪分离和突变信号的检测,从而在提高支持向量机(SVM)泛化能力的同时,提高了辨识效果和减少了计算量.基于该核函数和正则化理论提出的最小二乘小波支持向量机用于非线性系统辨识,对SINC函数的逼近,该小波核得到的均方根误差不足高斯径向基核的1/12,对logistic混沌序列预测的均方根误差不超过8×10-6,同时实验表明,预测的长度对预测均方根误差没有显著影响,这表明小波核SVM具有更好的泛化能力.

并行支持向量机算法及其应用

针对当前支持向量机计算效率的不足,提出了改进的并行支持向量机技术。该算法能有效使内积运算、向量数据更新、矩阵向量实现并行计算,并且数据之间的通信时间能和向量更新时间重叠,从而提高了计算效率,并能保证泛化能力。数据仿真结果表明,与改进前的算法相比,2500个样本下能节省时间30%左右,样本量增大时,效果更为明显。

光谱分析中的支持向量机方法及其性能优化

针对红外光谱气体分析中建立数据模型需要标定大量样本的问题,提出一种基于正则理论的支持向量机的小样本机器学习方法,该方法能在获得模型参数全局最优点的同时保证训练误差为零,因而能较好地消除光谱间的交叉敏感现象,利用其良好的非线性映射能力对多组分红外光谱仪的试验结果表明,该方法可使光谱仪的交叉灵敏度下降约81倍。针对支持向量机(SVM)没有足够的理论支持的结构参数选取比较困难的问题,提出一种基于遗传算法和交叉检验相结合的遗传支持向量机(GA_SVM)算法,利用遗传算法的随机搜索特性求取SVM的最优结构参数,在20世代即可求取光谱仪的最小均方根误差(MSE)0.018,并且在算法的前数世代,系统的MSE即已开始成倍下降。这些结果表明GA_SVM光谱仪具有更高的效率和泛华能力。

基于吸收峰混叠的红外混合气体分析方法的研究

针对5种主次吸收峰严重交叠的红外混合气体定量分析问题,提出一种基于高阶累积量分析方法,该方法将重叠的吸收谱线映射到彼此相互分开的四阶累积量空间;在四阶累积量空间中提出一种基于正则理论和最小二乘相结合的支持向量机多维数据建模方法.在小样本下有效地提高了模型的准确度和收敛速度·实验结果表明,该方法使系统的引用误差小于4%,因而能满足外场使用的要求·

温度传感器和一线总线协议

数字式一线温度传感器的出现为数字式传感器的发展奠定了基础。介绍了一线总线温度传感器的工作原理及其采用的协议规范 ,讨论了其同单片机和有关电路同其的接口电路 。

基于支持向量机的多组分气体分析

针对因缺少大量分析数据样本而制约多组分气体定量分析的问题,提出一种基于正则理论和最优二次规划的最小二乘支持向量机的定量分析方法.该方法能在获得模型参数全局最优点的同时保证训练误差为0,因而能较好地消除多组分气体分析间的交叉敏感现象,利用其良好的非线性映射能力,对多组分气体的试验数据进行处理的结果表明,该方法可使系统的交叉灵敏度约为处理前的1/81.

基于小波基的SVM多气体融合

为了提高气体传感器在多气体环境下的检测灵敏度,基于小波对偶框架和支持向量核函数的条件,提出了一种支持向量小波核函数。该核函数具备小波的多尺度插值特性和稀疏变化特性,提高了模型的精度和迭代的收敛速度,适用于信号的局部分析、信噪分离和突变信号的检测,从而能在提高支持向量机(SVM:SupportVectorMachine)泛化能力的同时,提高辨识效果,减少计算量。基于该核函数和正则化理论提出的最小二乘小波支持向量机用于非线性系统辨识,对sinc函数的逼近。该小波核得到的绝对误差不超过0.004;在多气体分析中,比RBF(RadialBaseFunction)核所得的偏差小18.3%。这些表明SVM小波核具有更好的泛化能力。

基于提升支持向量机的多组分气体分析

针对大规模高维气体分析样本难以计算的问题,提出一种提升的支持向量机学习方法。该方法将支持向量机等效为一定的KKT条件的同时,能通过检测样本在训练空间的转移始终保持KKT条件成立,起始训练样本的规模最少可以是2个。在对多组分气体分析的实验中,传统的支持向量机学习方法需要时间34 h左右,而提升支持向量机学习的时间为2.7 h,计算速度提高12.6倍。

光谱严重交叠的多组分混合气体红外定量分析技术

针对5种主次吸收峰严重交叠的红外混合气体定量分析问题,提出一种基于高阶累积量的特征提取方法,该方法将重叠的吸收谱线映射到彼此相互分开的四阶累积量谱空间;利用提取的特征向量,提出一种基于正则化统计学习理论的支持向量机的多维数据建模方法,在小样本下有效地提高了模型的精度和迭代的收敛速度。实验结果表明,该方法使系统的引用误差小于4%,因而能满足外场使用的要求。

基于LabVIEW的CIN数据采集

介绍基于LabVIEW的数据采集的软件接口方法 ,用户可以利用自己现有的硬件资源 ,只需编写少量程序代码 ,就可以嵌套到LabVIEW当中 ,从而充分发挥LabVIEW和硬件资源的功能。

基于统计学习预测技术提高传感器稳定度

针对传感器的输出随温度和电源的波动以及自身的某些特性的改变等因素而发生零点漂移现象,提出了一种对以上非目标量进行预测处理以消除它们对传感器输出影响的支持向量机(SVM)预测技术。这种方法不需要建立大量的观测样本,也不需要对观测样本进行特征提取就可以取得良好的改善效果,具有较好的实用价值。以2只半导体传感器为研究对象的测试结果表明:利用该方法使稳定性提高了6倍。同时,提出了2种优化算法:增量样本法和降一阶算法。

基于支持向量机和小波分解的气体识别研究

提出将支持向量机应用到气体种类识别的研究中,并建立小波分解提取特征量和支持向量机识别气体种类的气体定性分析模型。通过小波分解提取半导体气体传感器在温度调制下的动态响应特性的特征量,分别使用不同核函数和不同结构的支持向量机建立判断特征量与气体种类的模型。实验结果说明使用支持向量机进行气体成分定性识别的效果优于同结构的神经网络,且对支持向量机自身结构的选择不敏感,适合于对多组分气体定性分析研究。建立的模型在分辨力为13ppm(对CO)和15ppm(对H2)的条件下,对单一氢气、一氧化碳及其混合气体的识别率可达98%,适合于工程应用。

一种新型红外多组份气体传感器

针对红外多组份气体分析存在的问题,采用窄带红外滤光片、光锥、热释电探测器阵列组合技术,研制了一种新型多组份气敏传感器。通过更换滤光片组件功能模块,可实现不同测量领域不同种类气体的定量分析。该传感器具有结构新颖、简单可靠、成本低等特点。实验结果表明,SO2和CO2的最大相对测量误差分别为8.3%和1.2% 。

双四象限探测器位置自适应测量新模型

为了得到最佳的动态跟踪性能,提出了最小二乘向量机与矩阵光学相结合的建模方法,建立了双四象限探测器在激光跟踪光路中的全新测量模型,该模型可实现对探测器参数的自适应测量.相对于以往的数学模型和测量方法,该模型具有清晰的物理含义,更符合研究对象的工作机理.使用该模型可获得更完整的测量样本,消除了测量中的“死点”和“坏点”,对位移量测量的不确定度为1μm,最大误差在原研究基础上减小了3μm,系统也省去了多维高精度的测量和机械调整系统.这一模型同时为三维小角度测量提供了一个快捷的技术途径.

OGSA结合RBF网络数据融合技术在红外气体分析中的应用

针对红外气体分析存在的问题 ,提出光学气体传感器阵列 (OGSA )和径向基函数 (RBF)神经网络技术相结合的方法 ,并将其应用于 SO2 、CO2 浓度检测。该方法利用 RBF网络非线性逼近功能和 OGSA的信息冗余特性 ,消除非目标参量和目标量之间的交叉干扰。结果表明 ,SO2 引用误差由融合处理前的 3.1%降至 2 .0 % ,CO2 由 39%降至 8.6 %。为红外气体分析提供了一种有效的途径 ,具有实用前景。

混合标准气体的简易配制方法

针对传统配制混合标准气体存在的问题 ,提出一种简易的现场配气方法 ,并建立了一个简易系统。该方法在等压、密封条件下 ,采用微量进样器慢速进样 ,将流动载气搅匀 ,并借助高精度气体分析仪 ,得到标准混合气体。经试验验证 ,其配气的精度与高精度气体分析仪器的精度相同。用户采用这种方法可以根据自己需要 ,配制不同浓度、不同组分的混合气体。该方法简单、可靠 ,具有实际应用价值。

基于支持向量机的天然气组成多维光谱定量分析方法

针对天然气中甲烷、乙烷、丙烷、正丁烷、异丁烷等气体的特征吸收谱线严重重叠的问题,将支持向量机(SVM)用于天然气组成多维光谱分析中,提出了一种新的基于多维光谱的天然气组成定量分析方法。利用SVM核函数变换,将天然气的多维光谱数据进行高维空间变换后求得SVM回归函数,得出天然气组成。实验结果表明,该方法的检验组成最大偏差为2.28%,与传统的方法相比,具有分析速度快、可实时在线分析、不限制光谱数据维数等优点,具有重要的理论和应用价值。

Recognizing frequency characteristics of gas sensor array

A novel method based on independent component analyzing (ICA) in frequency domain to distinguish the frequency characteristics of multi-sensor system is presented. The conditions of this type of ICA are considered and each step of resolving the problem is discussed. For a two gas sensor array, the frequency characteristics including amplitude-frequency and phase-frequency are recognized by this method, and cross-sensitivity between them is also eliminated. From the principle of similarity, the recognition mean square error is no more than 0.085.