一世相伴论文网 2023-08-07 23:43
传感器技术论文篇1
现在在各个领域当中都普遍的运用到了传感器技术，集成化方向已经成为机电系统当中的传感器技术的发展趋势，集成化传感器具有较强的稳定性、较轻的重量、较小的体积以及较高的可靠性等特点，同时还具有较低的生产成本，非常容易实现批量生产，因此具有非常广阔的发展前景。
2传感器技术在机电技术当中的应用
由于传感器的电磁兼容性能比较强，因此具有较高的数据存储技术可行性，同时还不容易丢失其中的模块参数。智能滤波算法以及A/D转换技术等先进的技术都在传感器当中得到了应用，就算是满量程的时候，传感器仍然可以使稳定的输出码得到保证。传感器的通讯接口属于标准的接口，其能够与计算机进行直接的连接，同时也可以连接标准的工业控制总线，具有十分灵活的使用方式。
2.1在机器人中传感器技术的应用
作为典型的仿生装置，机器人对传感器技术进行了充分的应用。通过将感知到的物理量向电量进行转化，机器人就可以实现信息输出，在这个过程中对机器人传感技术进行了充分的利用，其中包括两方面的内容，也就是外部传感器以及内部传感器。外部传感器需要通过检测外部信息，从而对工作环境进行判别，为机器人提供必要的信息，使之能够对操作对象进行准确的控制。而实施系统的控制是内部传感器的主要功能，其能够对机器人的状态进行有效的检测，保证机器人在工作的过程中能够按照要求来进行。内部传感器可以将具有价值的信息提供给外部传感器，从而能够使机器人对外部的环境产生有效的感知，并且将相应的动作做出。与此同时，在科技生产的过程中，还可以利用对机器人的操作从而能够对反馈的意见进行获取。
2.2在机械制造行业中传感器技术的应用
由于在机械制造行业当中需要实施包括加工精度等在内的动态特性测量，因此要利用传感器针对机械阻抗以及振动等相关部件当中的参数进行测量，从而对其动态特性进行检验。如果需要在线监测与控制超精加工中的零件尺寸的时候，就要利用传感器将相关的信息提供出来。比如利用传感器针对数控车床中车刀的位置进行检测；由于工件的表面精度以及尺寸在很大程度上都会受到刀尖形状的影响，可以采用在车刀上放置的振动传感器对其锋锐的程度进行检验。还可以利用液面传感器针对液压系统中的油量以及车床中的润滑油进行监测。
2.3在环境当中传感技术的应用
传感器网络在环境监测当中通常具有一系列的优点，其中包括无需专人现场维护、可以长期不用对电池进行更换、具有十分简单的布置等。可以利用对节点进行密集的布置，从而对微观的环境因素进行观察。在环境监测领域当中对传感器网络具有非常广泛的应用，其中包括微观观测生物群落、森林火灾报警、观察气象现象、观测海岛鸟类的生活规律等。
2.4在火灾报警当中传感器技术的应用
防灾报警装置是现代建筑必须要具备的，其中最为关键的就是火灾报警系统。在发生火灾的时候一般都会出现有害气体、高温、火光以及烟雾等。如果将传感器运用到火灾报警系统当中，就可以对异常的信号进行转化，使之变成容易进行传送的形式，然后就可以利用消防网络向指挥中心提供火灾地点的报告。
3结语
传感器技术在机电技术当中的应用，有效的将信息系统中的传递问题解决了，并且能够保证非常流畅的信息传递，还能够顺利的进行能量转换。机电系统中的各个部分在传感器技术的作用下能够有效的结合在一起，实现了可靠性以及完整性的提升。因此。我们有理由相信，随着科学技术的不断发展，传感器技术必然会在机电技术当中得到更进一步的应用。
传感器技术论文篇2
关键词：贝叶斯估计信息融合障碍探测智能驾驶
随着传感器技术、信息处理技术、测量技术与计算机技术的发展，智能驾驶系统（辅助驾驶系统一无人驾驶系统）也得了飞速的发展。消费者越来越注重驾驶的安全性与舒适性，这就要求传感器能识别在同一车道上前方行驶的汽车，并能在有障碍时提醒驾驶员或者自动改变汽车状态，以避免事故诉发生。国际上各大汽车公司也都致力于这方面的研究，并开发了一系列安全驾驶系统，如碰撞报警系统（CW）、偏向报警系统（LDW）和智能巡游系统（ICC）等。国内在这些方面也有一定的研究，但与国外相比仍存在较大的差距。本文将主要讨论多传感器信息融合技术在智能驾驶系统（ITS）中的应用。
1ICC/CW和LDW系统中存在的问题
1.1ICC/CW系统中的误识别问题
ICC/CW系统中经常使用单一波束传感器。这类传感器利用非常狭窄的波束宽度测定前方的车辆，对于弯曲道路），前后车辆很容易驶出传感器的测量范围，这将引起智能巡游系统误加速。如果前方车辆减速或在拐弯处另一辆汽车驶入本车道，碰撞报警系统将不能在安全停车范围内给出响应而容易产生碰撞。类似地，当弯曲度延伸时，雷达系统易把邻近道路的车辆或路边的防护栏误认为是障碍而给出报警。当道路不平坦时，雷达传感器前方的道路是斜向上，小丘或小堆也可能被误认为是障碍，这些都降低了系统的稳定性。现在有一些滤波算法可以处理这些问题并取得了一定效果，但不能彻底解决。
1.2LDW系统中存在的场景识别问题
LDW系统中同样存在公共驾驶区场景识别问题。LDW系统依赖于一侧的摄像机（经常仅能测道路上相邻车辆的位置），很难区分弯曲的道路和做到多样的个人驾驶模式。LDW系统利用一个前向摄像机探测车辆前方道路的地理状况，这对于远距离测量存在着精确性的问题，所有这些都影响了TLC（Time-to-Line-Crossing）测量的准确性。现常用死区识别和驾驶信息修订法进行处理，但并不能给出任何先验知识去识别故障。
2多传感器信息融合技术在ITS系统中的应用
针对以上系统存在的一些问题，研究者们纷纷引入了多传感器信息融合技术，并提出了不同的融合算法。基于视觉系统的传感器可以提供大量的场景信息，其它传感器（如雷达或激光等）可以测定距离、范围等信息，对两方面的信息融合处理后能够给出更可靠的识别信息。融合技术可以采用Beaurais等人于1999年提出的CLARK算法（CombinedLikelihoodAddingRadar）和InstitudeNeuroinformatik提出的ICDA（IntegrativeCouplingofDifferentAlgorithms）算法等方法实现。
2.1传感器的选择
识别障碍的首要问题是传感器的选择，下面对几种传感器的优缺点进行说明（见表1）。探测障碍的最简单的方法是使用超声波传感器，它是利用向目标发射超声波脉冲，计算其往返时间来判定距离的。该方法被广泛应用于移动机器人的研究上。其优点是价格便宜，易于使用，且在10m以内能给出精确的测量。不过在ITS系统中除了上文提出的场景限制外，还有以下问题。首先因其只能在10m以内有效使用，所以并不适合ITS系统。另外超声波传感器的工作原理基于声，即使可以使之测达100m远，但其更新频率为2Hz，而且还有可能在传输中受到其它信号的干扰，所以在CW/ICC系统中使用是不实际的。
表1传感器性能比较
传感器类型优点缺点
超声波
视觉
激光雷达
MMW雷达价格合理，夜间不受影响。
易于多目标测量和分类，分辨率好。
价格相合理，夜间不受影响
不受灯光、天气影响。测量范围小，对天气变化敏感。
不能直接测量距离，算法复杂，处理速度慢。
对水、灰尘、灯光敏感。
价格贵
视觉传感器在CW系统中使用得非常广泛。其优点是尺寸小，价格合理，在一定的宽度和视觉域内可以测量定多个目标，并且可以利用测量的图像根据外形和大小对目标进行分类。但是算法复杂，处理速度慢。
雷达传感器在军事和航空领域已经使用了几十年。主要优点是可以鲁棒地探测到障碍而不受天气或灯光条件限制。近十年来随着尺寸及价格的降低，在汽车行业开始被使用。但是仍存在性价比的问题。
为了克服这些问题，利用信息融合技术提出了一些新的方法，利用这些方式可以得到较单一传感器更为可靠的探测。
2.2信息融合的基本原理
所谓信息融合就是将来自多个传感器或多源的信息进行综合处理，从而得出更为准确、可靠的结论。多传感器信息融合是人类和其它生物系统中普遍存在的一种基本功能，人类本地地具有将身体上的各种功能器官（眼、耳、鼻、四肢）所探测的信息(景物、声音、气味和触觉)与先验知识进行综合的能力，以便对其周围的环境和正在发生的事件做出估计。由于人类的感官具有不同度量特征，因而可测出不同空间范围的各种物理现象，这一过程是复杂的，也是自适应的。它将各种信息（图像、声音、气味和物理形状或描述）转化成对环境的有价值的解释。
多传感器信息融合实际上是人对人脑综合处理复杂问题的一种功能模拟。在多传感器系统中，各种传感器提供的信息可能具有不同的特片：对变的或者非时变的，实时的或者非实时的，模糊的或者确定的，精确的或者不完整的，相互支持的或者互补的。多传感器信息融合就像人脑综合处理信息的过程一样，它充分利用多个传感器资源，通过对各种传感器及其观测信息的合理支配与使用，将各种传感器在空间和时间上的互补与冗余信息依据某种优化准则结合起来，产生对观测环境的一致性解释或描述。信息融合的目标是基于各种传感器分离观测信息，通过对信息的优化组合导出更多的有效信息。这是最佳协同作用的效果，它的最终目的是利用多个传感器共同或联合操作的优势来提高整个系统的有效性。
2.3常用信息融合算法
信息融合技术涉及到方面的理论和技术，如信息处理、估计理论、不确定性理论、模式识别、最优化技术、神经网络和人工智能等。由不同的应用要求形成的各种方法都是融合方法的个子集。表2归纳了一些常用的信息融合方法。
表2信息融合方法
经典方法现代方法
估计方法统计方法信息论方法人工智能方法
加权平均法经典推理法聚类分析模糊逻辑
极大似然估计贝叶斯估计模板法产生式规则
最小二乘法品质因素法熵理论神经网络
卡尔曼滤波D-S证据决策理论遗传算法
模糊积分理论
2.4智能驾驶系统中信息融合算法的基本结构
由于单一传感器的局限性，现在ITS系统中多使用一组传感器探测不同视点的信息，再对这些信息进行融合处理，以完成初始目标探测识别。在智能驾驶系统中识别障碍常用的算法结构如图2所示。
3CLARK算法
CLARK算法是用于精确测量障碍位置和道路状况的方法，它同时使用来自距离传感器（雷达）和摄像机的信息。CLARK算法主要由以下两部分组成：①使用多传器融合技术对障碍进行鲁棒探测；②在LOIS（LikelihoodofImageShape）道路探测算法中综合考虑上述信息，以提高远距离道路和障碍的识别性能。
3.1用雷达探测障碍
目前经常使用一个雷达传感器探测前方的车辆或障碍。如前面所分析，雷达虽然在直路上的性能良好，但当道路弯曲时，探测的信号将完全可靠，有时还会有探测的盲点或产生错误报警。为了防止错误报警，常对雷达的输出进行标准卡尔曼（Kalman）滤波，但这并不能有效解决探测盲点问题。为了更可靠地解决这类问题，可以使用扫描雷达或多波束雷达，但其价格昂贵。这里选用低价的视觉传感器作为附加信息，视觉传感器经常能提供扫描雷达和多波束雷达所不能提供的信息。
3.2在目标识别中融合视觉信息
CLARK算法使用视觉图像的对比度和颜色信息探测目标，使用矩形模板方法识别目标。这个模板由具有不同左右边界和底部尺寸的矩形构成，再与视觉图像对比度域匹配，选择与雷达传感器输出最接近的障碍模板。
CLARK算法首先对雷达信号进行卡尔曼滤波，用于剔除传感器输出的强干扰，这出下列状态和观测方程处理：
D（t）=R(t)+v(t)
式中，R（t）为前方障碍的真实距离（未知），R（t）是其速度（未知，）D（t）为距离观测值，Δt为两次观测的问题时间，w（t）和v(t)为高斯噪声。给定D（t），由Kalman滤波器估计R（t）和R（t）的值，并把估计值R(t)作为距离输入值，使用R(t)和D（t）的差值确定所用矩形模板的偏差。由于使用雷达探测的位置与雷达作为补偿。
使用上述算法可以有效提高雷达探测的可靠性，但当图像包含很强的边缘信息或障碍只占据相平面一个很小的区域时，仍不能得到满意的结果。因此，除对比度外，又引入视觉图像的颜色域。
3.3相合似然法
在探测到障碍后，CLARK算法将这些信息整合到道路探测算法（LOIS）中。LOIS利用变形道路的边缘应为图像中对比度的最大值部分且其方位应垂直于道路边缘来搜索道路。如果只是简单地将两个信息整合，则障碍探测部分的像素被隐藏，其图像梯度值不会影响LOIS的似然性。这样可以防止LOIS将汽车前方障碍的边缘误认为是道路的边缘来处理。但是当道路的真实边缘非常接近障碍的边缘时，隐藏技术则失效。
为了使隐藏技术有效，可以在障碍和道路探测之间采取折中的处理方法。这种折中的处理方法就是相合似然法。它将探测障碍固定的位置和尺寸参数变为可以在小范围内变化的参数。新的似然函数由LOIS的似然和小探测障碍的似然融合而成。它使用七维参数探测方法（三维用于障碍，四维用于道路），能同时给出障碍和道路预测的最好结果。其公式如下：
式中，Tb、Tl、Tw为相平面内矩形模板的底部位置、左边界和宽度的三个变形参数，[xr(t),xc(t)]为变形模板相平面的中心。[yr(t)，yc(t)]为由雷达探测并经Kalman滤波的障碍在相平观的位置。将地平面压缩变化为相平面，的实时估计，为相平面内一个路宽的值（3.2m）。tan-1的压缩比率在相平面内不小于Tmin（路宽的一半），不太于Tmax（路宽）。通过求解七维后验pdfP（k'''',b''''LEFT，b''''RIGHT，vp，Tb，Tl,Tw|[yr(t),yc(t)],ObservedImage）的最大值获得障碍和道路目标。
3.4CLARK算法的局限性
CLARK算法假定障碍为矩形形状且其最小尺寸为标准路宽的一半，所以当障碍为客车、货车、拖拉机及公共汽车时满足要求；但当障碍为摩托车、自行车及行人时就不适用了。这种矩形形状的假设也要求雷达为窄波束雷达，对其它宽波束雷达、扫描雷达或多波束雷达则无效，并假定探测障碍的偏向位置总是在转达波束的中心。
传感器技术论文篇3
传感器是一种检测装置，其测量对象是被检测系统的信息，然后将其以不同的形式进行传输、处理和管理等工作，从而能够实现对被检测系统信息数据的自动测量和控制。简单来说，传感器的作用就是类似于人的感觉器官，帮助机电一体化系统探索和发现系统当中存在的问题。因此，将传感器技术应用于检测机电一体化系统的操作对象以及运行环境状态，能够精确、快速的获取机电一体化系统的运作信息，有效地提高了机电一体化系统的运行水平。目前，传感器技术已经被广泛用于人们的生活和生产当中，引起了人们的高度重视。但是与此同时，由于传感器技术在我国的起步较晚，在发展过程中仍然存在着一些局限性，因此为了提高传感器技术的精确度，还需要对其进行进一步的改进与完善。
2传感器技术在机电一体化中的应用价值
机电一体化技术包含机械制造技术、微电子技术、信息处理技术、自动控制技术以及人工智能技术等多方面内容，在发展过程中直接导致了自动化技术的产生。而从某种程度上说，传感器技术是机电一体化发展过程中不可缺少的关键技术，影响着机电一体化系统的自动化程度，具有非常重要的应用价值。
2.1传感器技术在机械加工过程中的应用
众所周知，在机械加工的过程中，需要检测的地方有很多，下面将从两个个方面进行简要介绍：第一，将传感器技术应用于机械的切削过程和机床运行过程。现阶段，在切削方面，传感器技术主要是对切削过程中的机械设备切削力的变化状态进行控制，通过分析这个过程当中的相关数据，从而实现对设备运行状态的了解，保证切削过程的顺利进行，提高切削过程的生产效率，以及降低材料的消耗量。将传感器技术应用到机床的运行当中，主要是为了对机床的驱动系统、温度进行检测，从而保证机床运行的安全性，通过分析得到的相应参数，从而不断提高机床的运行效率和精度。第二，将传感器技术应用到工件的生产过程。与切削和机床的运行过程相比，工件的生产过程监视是非常重要，而且研究和应用也是最早、最多的。首先，在加工之前需要对所用的加工设备和坯件进行自动检查，从而保证加工过程的正常进行，比如说自动判断和调整坯件的夹持方位等；其次，在加工过程中，也有严格的要求，对切削的剫、力度、扭矩等参数都需要进行自动检测，以保证加工条件处于最佳状态，除此之外，对于在这个过程中加入传感技术的其他目的还在于提高切削过程的生产效率；最后，在加工完成之后还需要对工件的合格与否进行测量，例如工件的尺寸、粗糙程度、形状等，由于检查的过程比较繁琐和复杂，所以这些检测需要能够自动的进行，并且可以将检测结果直接输入到下一道程序，从而选用合格的产品。
2.2传感器技术在汽车行业中的应用
近年来，随着传感器技术在汽车行业中的广泛应用，现代汽车不断朝着智能化、小型化和电子化发展，进入了全新时期。目前，在汽车的制造过程中，为了实现汽车的机电一体化，需要用自动控制系统来代替传统的机械式控制装置，将先进的监测和控制技术扩大到汽车的全身，从而全面改善汽车的功能，不断增加汽车的人性化服务、减少排气污染和汽油损耗、提高汽车的安全驾驶和舒适性。比如说，在实现汽车的一体化过程中，凡是和电子控制有关的系统或是装置都离不开传感器的应用，尤其是在安全报警装置、信息装置和自动变速器等装置当中，所以这也要求传感器能够适应恶劣的环境，无论是尘土弥漫还是风雨交加的时候，都能够保证具有很好的密封性，与此同时还应该具备一定的抗干扰能力，尤其是安装在汽车发动机内的传感器，需要能够承受得住发动机在工作时的高温和高压环境。
3我国传感器技术在机电一体化中的发展现状和未来方向
从我国现有的传感器技术发展现状来看，当前的传感器发展还不能够满足机电一体化系统的快速、精确和价格低廉的要求，仍然处于研究阶段，没有真正的实行于市场当中。这个问题的主要原因在于我国传感技术的起步较晚，科研技术水平比较低，所以为了提高传感器的整体水平，还需要对其进行不断的技术研究。除此之外，针对传感器技术在现实生活中的应用，其今后的发展方向还可以朝着加速开发新型敏感材料、向微型化发展、向高精度发展等方向发展。综上所述，目前将传感器技术的应用于机电一体化当中，不仅提高了机械设备的使用效率，而且促进了机械一体化的不断进步。但是与此同时，面对我国传感器技术发展较晚的现状，在实际应用过程中还存在着一些问题，需要对其进行有效的改进和完善，从而不断推动经济社会的发展。
版权声明:本文为一世相伴论文网(www.14380.com)发表，未经许可，不得转载。
- 上一篇：汽车论文范文(精选3篇)
- 下一篇：中国梦论文范文(精选3篇)