龍婷

【摘要】傳感器技術(shù)相關(guān)課程是測控與自動(dòng)化專業(yè)相關(guān)的基礎(chǔ)課程。為了加強(qiáng)學(xué)生對(duì)現(xiàn)代傳感器技術(shù)的理解，需要在傳統(tǒng)傳感器技術(shù)課程的基礎(chǔ)上進(jìn)一步開設(shè)現(xiàn)代傳感器課程，掌握與微處理器和信息處理技術(shù)相結(jié)合的傳感器技術(shù)，培養(yǎng)學(xué)生的創(chuàng)新和應(yīng)用能力。

【關(guān)鍵詞】傳感器；智能化；神經(jīng)網(wǎng)絡(luò)；自補(bǔ)償

【基金項(xiàng)目】論文受到成都信息工程大學(xué)校級(jí)項(xiàng)目KYTZ201521，Y2013062，Y2015015以及“傳感器與檢測技術(shù)”精品課程建設(shè)項(xiàng)目的資助。

一、引言

現(xiàn)代傳感器技術(shù)是在傳統(tǒng)傳感器技術(shù)的基礎(chǔ)上發(fā)展而來，廣泛結(jié)合了信息處理技術(shù)、通信技術(shù)及微電子技術(shù)等[1]，將傳感器提升至 “系統(tǒng)”級(jí)別。

開設(shè)現(xiàn)代傳感器技術(shù)課程，需要在具備經(jīng)典傳感器知識(shí)的基礎(chǔ)之上，進(jìn)一步掌握智能傳感器的相關(guān)知識(shí)，了解集成電路工藝、統(tǒng)計(jì)學(xué)習(xí)理論和現(xiàn)代信號(hào)處理技術(shù)等[2]。該課程的內(nèi)容涉及智能傳感器系統(tǒng)的硬件構(gòu)成，智能化功能的軟件實(shí)現(xiàn)方法，以及多元回歸分析法、神經(jīng)網(wǎng)絡(luò)技術(shù)和支持向量機(jī)技術(shù)等數(shù)據(jù)挖掘方法。學(xué)生可以通過自主設(shè)計(jì)型實(shí)驗(yàn)加深對(duì)智能傳感器的理解。而智能傳感器的軟件實(shí)現(xiàn)和數(shù)據(jù)挖掘方法的仿真都具備充分的靈活性，學(xué)生可以結(jié)合PC機(jī)在課堂上和課后進(jìn)行實(shí)驗(yàn)研究[3]。

二、自主設(shè)計(jì)實(shí)驗(yàn)

現(xiàn)代傳感器技術(shù)的課程介紹了新型智能傳感器的概念、構(gòu)成方式及具有的功能，重點(diǎn)在于智能傳感器的集成化和智能化實(shí)現(xiàn)方法。

智能傳感器集成化的實(shí)現(xiàn)涉及微電子技術(shù)等相關(guān)內(nèi)容，對(duì)于非微電子專業(yè)的學(xué)生來說很難具備此方面的扎實(shí)基礎(chǔ)，不易開展自主設(shè)計(jì)型實(shí)驗(yàn)。并且此部分內(nèi)容的相關(guān)實(shí)驗(yàn)對(duì)硬件要求較高，不利于在不同專業(yè)和高校的推廣。

智能傳感器智能化的實(shí)現(xiàn)方式多樣，有硬件實(shí)現(xiàn)，也有軟件實(shí)現(xiàn)。軟件實(shí)現(xiàn)方法包括神經(jīng)網(wǎng)絡(luò)技術(shù)、支持向量機(jī)技術(shù)、粒子群算法和小波分析等數(shù)據(jù)挖掘方法中的智能算法。這些智能算法的仿真工具眾多，算法設(shè)計(jì)靈活且多樣，可以讓學(xué)生在完成課程實(shí)驗(yàn)的同時(shí)，通過自主設(shè)計(jì)進(jìn)一步發(fā)掘算法的優(yōu)化方法，加深對(duì)知識(shí)的理解。

本論文將舉例說明現(xiàn)代傳感器技術(shù)課程在智能傳感器智能化實(shí)現(xiàn)方面的自主設(shè)計(jì)實(shí)驗(yàn)的開設(shè)方法。

例如，開設(shè)題為“基于神經(jīng)網(wǎng)絡(luò)方法的傳感器溫度自補(bǔ)償模塊設(shè)計(jì)”實(shí)驗(yàn)。對(duì)于會(huì)受溫度影響的傳感器，要降低工作環(huán)境溫度的影響，就需要設(shè)計(jì)自補(bǔ)償模塊，補(bǔ)償?shù)姆椒ㄓ卸喾N，這里選用神經(jīng)網(wǎng)絡(luò)方法。首先，學(xué)生需要選定實(shí)驗(yàn)對(duì)象，即傳感器，比如某款壓阻式壓力傳感器，然后獲取不同溫度狀態(tài)下傳感器靜態(tài)標(biāo)定數(shù)據(jù)，根據(jù)標(biāo)定數(shù)據(jù)制作樣本，輸入到神經(jīng)網(wǎng)絡(luò)。學(xué)生可以根據(jù)需要選擇不同的神經(jīng)網(wǎng)絡(luò)，比如BP神經(jīng)網(wǎng)絡(luò)和RBF神經(jīng)網(wǎng)絡(luò)等[4]。實(shí)驗(yàn)編程時(shí)可于利用現(xiàn)有的工具箱進(jìn)行輔助編程，也可以完全自行編程。

以上實(shí)驗(yàn)只考慮了溫度這一個(gè)干擾量的影響。通常影響傳感器的不止一個(gè)干擾量，還可能存在兩個(gè)或多個(gè)干擾量的影響。神經(jīng)網(wǎng)絡(luò)方法可以用來降低兩個(gè)或者是多個(gè)干擾量的影響。此外，學(xué)生還可以用支持向量機(jī)技術(shù)來設(shè)計(jì)智能化軟件模塊，用于降低多個(gè)干擾量的影響。例如，可開設(shè)題為“基于支持向量機(jī)方法的降低多個(gè)干擾量影響的傳感器智能模塊設(shè)計(jì)”。該實(shí)驗(yàn)的過程是先選定存在交叉敏感的傳感器作為實(shí)驗(yàn)對(duì)象，進(jìn)行多維標(biāo)定實(shí)驗(yàn)獲取樣本數(shù)據(jù)，再利用支持向量機(jī)方法建立數(shù)據(jù)融合模型，從而消除或是降低多個(gè)干擾量的影響。支持向量機(jī)的功能包括分類和回歸等，因此學(xué)生還可以結(jié)合其分類的功能設(shè)計(jì)其他傳感器智能模塊。

學(xué)生在進(jìn)行智能算法的課程實(shí)驗(yàn)時(shí)，可以選擇自帶工具箱中豐富的仿真工具，也可以自行編程實(shí)現(xiàn)算法。本論文采用Matlab軟件為仿真工具實(shí)現(xiàn)算法。

三、實(shí)驗(yàn)示例

（一）基于神經(jīng)網(wǎng)絡(luò)方法的傳感器溫度自補(bǔ)償模塊設(shè)計(jì)

本實(shí)驗(yàn)選定壓阻式壓力傳感器作為實(shí)驗(yàn)對(duì)象，目標(biāo)如下。

1.基于神經(jīng)網(wǎng)絡(luò)技術(shù)設(shè)計(jì)溫度補(bǔ)償模塊，消除工作環(huán)境溫度對(duì)傳感器的影響。

2.實(shí)驗(yàn)過程需對(duì)多個(gè)樣本進(jìn)行實(shí)驗(yàn)，提高補(bǔ)償模塊的適應(yīng)性，即在滿足壓力量程的情況下對(duì)不同的工作溫度進(jìn)行補(bǔ)償。

3.溫度補(bǔ)償模塊的設(shè)計(jì)可以使用多種神經(jīng)網(wǎng)絡(luò)方法，并進(jìn)行對(duì)比，得到消除溫度影響最好的方法。

實(shí)驗(yàn)步驟如下。

1.二維標(biāo)定實(shí)驗(yàn)

用標(biāo)定實(shí)驗(yàn)來獲取原始實(shí)驗(yàn)數(shù)據(jù)。由于實(shí)驗(yàn)條件和實(shí)驗(yàn)時(shí)間的限制，有些學(xué)生無法進(jìn)行此步驟。學(xué)生也可以通過教材或者相關(guān)論文來獲取原始數(shù)據(jù)，但是必須在實(shí)驗(yàn)報(bào)告中注明數(shù)據(jù)的來源。

2.數(shù)據(jù)預(yù)處理與樣本制作

用上一步中獲取的原始數(shù)據(jù)來制作樣本。通常先將原始數(shù)據(jù)進(jìn)行歸一化處理，用歸一化之后的數(shù)據(jù)制作樣本。神經(jīng)網(wǎng)絡(luò)的樣本包括訓(xùn)練樣本和測試樣本。

3.訓(xùn)練神經(jīng)網(wǎng)絡(luò)

將訓(xùn)練樣本輸入到編好的神經(jīng)網(wǎng)絡(luò)算法，可以是BP神經(jīng)網(wǎng)絡(luò)和RBF神經(jīng)網(wǎng)絡(luò)等，得到訓(xùn)練后的模型。

4.測試神經(jīng)網(wǎng)絡(luò)

用測試樣本檢驗(yàn)訓(xùn)練好的神經(jīng)網(wǎng)絡(luò)模型。如果得到的效果不好，可以適當(dāng)?shù)卣{(diào)整神經(jīng)網(wǎng)絡(luò)的參數(shù)，改善補(bǔ)償效果。

5.更換訓(xùn)練樣本和測試樣本后重復(fù)第三和第四個(gè)步驟

不同樣本得到的結(jié)果往往差異較大，實(shí)驗(yàn)中需要更換訓(xùn)練樣本和測試樣本后進(jìn)行多次重復(fù)實(shí)驗(yàn)，用以提高神經(jīng)網(wǎng)絡(luò)模型的適應(yīng)性。

6.換一種神經(jīng)網(wǎng)絡(luò)方法重復(fù)第五個(gè)步驟

同一樣本采用不同的神經(jīng)網(wǎng)絡(luò)方法可能得到不同的補(bǔ)償結(jié)果，實(shí)驗(yàn)中可以嘗試對(duì)比不同的神經(jīng)網(wǎng)絡(luò)方法，或者通過優(yōu)化神經(jīng)網(wǎng)絡(luò)的方法改善補(bǔ)償效果。

（二）基于支持向量機(jī)方法的降低多個(gè)干擾量影響的傳感器智能模塊設(shè)計(jì)

本實(shí)驗(yàn)的目標(biāo)如下。

1.利用支持向量機(jī)的處理分類和回歸問題的功能，對(duì)傳感器交叉敏感的數(shù)據(jù)進(jìn)行分析，用以抑制交叉敏感現(xiàn)象。

2.嘗試修改支持向量機(jī)的程序，例如更換核函數(shù)或改變分類策略，得到不同的測試結(jié)果。

3.制備多組樣本數(shù)據(jù)，對(duì)不同的樣本數(shù)據(jù)進(jìn)行測試，用以檢驗(yàn)算法的適應(yīng)性。

實(shí)驗(yàn)步驟如下。

1.樣本數(shù)據(jù)制作

根據(jù)確定的實(shí)驗(yàn)對(duì)象，采集或制備樣本數(shù)據(jù)。制作好的樣本數(shù)據(jù)將分為訓(xùn)練樣本和測試樣本兩部分。訓(xùn)練樣本與測試樣本的格式保持一致。

2.算法設(shè)計(jì)

利用支持向量回歸（Support Vector Regression，SVR）或支持向量分類（Support Vector Classification，SVC）算法，處理樣本數(shù)據(jù)。利用多種策略測試算法優(yōu)劣。

例如在支持向量分類算法中，有兩種處理多分類問題的策略， 一種是“一對(duì)一（one agaist one， 1A1）”， 另一種是“一對(duì)多（one agaist all， 1AA）”。實(shí)驗(yàn)中可測試不同策略的算法。支持向量機(jī)可選取多種核函數(shù)，包括線性核函數(shù)、多項(xiàng)式核函數(shù)和徑向基（Radial Basis Function，RBF）核函數(shù)等。目前尚缺乏一種選取核函數(shù)的標(biāo)準(zhǔn)方法。實(shí)驗(yàn)中可以通過更換核函數(shù)來測試它們的不同效果，用以選取最優(yōu)的方案。

可以采用不同的支持向量機(jī)工具箱，例如SVM and Kernel Methods Matlab Toolbox工具箱，或者自行編程。

在算法設(shè)計(jì)的過程中，通過對(duì)訓(xùn)練樣本進(jìn)行訓(xùn)練和對(duì)測試樣本進(jìn)行測試，得到每一次的結(jié)果。同一算法必須經(jīng)過多個(gè)訓(xùn)練樣本和測試樣本的檢驗(yàn)。更換算法策略后，再重復(fù)以上步驟。

3.效果評(píng)價(jià)

用抑制交叉敏感的結(jié)果對(duì)比最初的傳感器數(shù)據(jù)，對(duì)算法效果進(jìn)行綜合評(píng)價(jià)。

（三）實(shí)驗(yàn)方案

結(jié)合以上實(shí)例，可以設(shè)計(jì)出自主實(shí)驗(yàn)的方案，具體如下：自行查閱資料進(jìn)行神經(jīng)網(wǎng)絡(luò)分析法和支持向量機(jī)法的設(shè)計(jì)，兩種算法選擇其一即可。

實(shí)驗(yàn)步驟如下：（1）安裝matlab軟件；（2）熟悉matlab軟件的使用方法；（3）查閱資料進(jìn)行項(xiàng)目設(shè)計(jì)；（4）選取神經(jīng)網(wǎng)絡(luò)分析法和支持向量機(jī)法之一進(jìn)行項(xiàng)目設(shè)計(jì)；（5）根據(jù)設(shè)計(jì)要求編寫算法，并仿真；（6）對(duì)算法效果進(jìn)行綜合評(píng)價(jià)。

需要注意的是，利用神經(jīng)網(wǎng)絡(luò)分析法和支持向量機(jī)法在智能傳感器系統(tǒng)的智能化功能實(shí)現(xiàn)方法上進(jìn)行項(xiàng)目設(shè)計(jì)的時(shí)候，數(shù)據(jù)來源要有出處，應(yīng)用范圍要明確。

四、結(jié)論

現(xiàn)代傳感器技術(shù)課程通過開設(shè)自主設(shè)計(jì)型實(shí)驗(yàn)可以提高學(xué)生的學(xué)習(xí)興趣，加深學(xué)生對(duì)知識(shí)的理解。該課程涉及的神經(jīng)網(wǎng)絡(luò)技術(shù)、支持向量機(jī)技術(shù)、主成分分析和小波分析等方法可以較為靈活地開設(shè)自主設(shè)計(jì)實(shí)驗(yàn)，加強(qiáng)學(xué)生的動(dòng)手能力。本論文以“基于神經(jīng)網(wǎng)絡(luò)方法的傳感器溫度自補(bǔ)償模塊設(shè)計(jì)”實(shí)驗(yàn)為例說明了自主設(shè)計(jì)實(shí)驗(yàn)的方案。實(shí)驗(yàn)采用Matlab軟件設(shè)計(jì)，方案可行。

【參考文獻(xiàn)】

[1] 張鵬，吳東艷，張凌志.項(xiàng)目教學(xué)法與傳感器課程改革探索[J]. 中國電力教育，2014（05）：78-79.

[2] 王興君，毛敏.智能傳感器課程建設(shè)及教學(xué)研究[J]. 電子測試，2016（07）：172-173.

[3] 劉海妹，夏旭.基于工程實(shí)踐應(yīng)用能力培養(yǎng)的傳感器課程教學(xué)改革[J].通信電源技術(shù)，2015，32（02）：123-125.

[4] 劉君華.智能傳感器系統(tǒng)（第二版）[M].西安：西安電子科技大學(xué)出版社，2010：211-252.