基于先进数据处理技术的智能称重传感器研究
|
摘要
传感器技术是高科技发展的重要基础,数字化、智能化是当前传感器领域发展的主导方向。本文主要研究称重传感器,结合目前国内外称重传感器的应用现状,设计了一种基于RS485通讯的数字式智能称重传感器,硬件设计中采用了AVR24位单片机,及高度集成的CS-5532 A/D芯片,重点在对称重传感器的各种主要技术参数的误差补偿、称重系统的数据处理及故障诊断等方面作了深入细致的研究,论文的主要工作及创新性点如下:
1. 系统分析了称重传感器主要误差的成因及其应用场合,在此基础上,设计开发了 基于先进数据处理方法的高性能智能称重传感器。这种传感器吸收了模糊数学、 人工智能等方面的新成果,采用合理灵活的先进数据处理方法实现传感器误差的 数字补偿,避免了传统称重传感器中繁琐且精度不高的模拟的补偿方法及传统的 数学建模的数字补偿,精度可达 OIMLC6。
2. 根据称重传感器的非线性与温度误差特性,将函数连接型神经网络引入称重传感 器的补偿设计中,提出了称重传感器的非线性及温度误差的神经网络补偿并给出 了易于单片机化的实现方法。研究表明:采用所提出的补偿方法精度高且灵活可 靠且方便易行。
3. 根据称重传感器的蠕变特性,在传感器的设计中引入模糊理论,创造性地提出了 称重传感器蠕变的在线模糊补偿理论并给出了易于单片机化的实现方法。研究表 明:采用提出的补偿方法,传感器的蠕变补偿简单方便,可靠性、精度好。
4. 开发了基于新型传感器的智能称重系统。在分析了现有称重系统的现状并保留传 统称重系统功能的同时,增加了免标定、系统故障自诊断、不间断工作,传感器 故障预报等新功能,智能化程度及称重精度都得到极大提高。对各项功能给出了 实现的方法及实例说明,这些方法具有较高的参考意义和实用价值。
5. 在智能称重系统的设计中引入灰色理论,创造性地提出了称重传感器软故障的灰 色预测理论并给出了切实可行的实现方法。通过灰色建模,对传感器的软故障进 行预报,提高系统可靠性。
本文的研究结果包括数字式智能称重传感器、一套综合智能模型及几种有效的数据处理方法,对于智能称重传感器的发展和应用有重要的参考意义。
Digitalization and intelligence are hot topices of transducer research and form animportant foundation for high-tech developments. Systematic research on errorcompensation, data processing, and fault diagnosis of an intelligent, digital load celltransducer are presented in this paper. Main works and creative conclusions are presentedas follows:
1. By systematically analyzing error formation and application of load cells, a highperformance intelligent digital load cell based on advanced data processing is developed.New flexible data processing methods based on new achievements of fuzzy mathematics,artificial intelligence and Gray theory are employed in the transducer design so that thecomplicated, low accuracy modeling in traditional designs can be avoided. These newmethods are suitable for high accuracy, up to OIMLC6.
2. A function link neural network was employed according to the characteristic ofthe nonlinear error and temperature error. The neural network compensation of the aboveerrors was achieved via micro controller. Results in this paper indicate that with abovecompensation the accuracy of a transducer could be improved greatly. Because of thesimplicity, reliability and flexibility of the above compensation algorithm, it is suitable formass production of load cells.
3. Fuzzy theory was applied to load cell creep compensation according to thecharacteristic of creep error. A new concept of creep fussy on-line compensation methodis presented. The result shows that this method is simple and reliable. It works well and canbe easily implemented through hardware.
4. Based on the digital load cell, a new smart weighing system is proposed in thispaper. Some intelligent characteristics such as free calibration, self- diagnostics, run flat,load cell fault prediction, have been discussed and some are realized. These functions aresignificant for weighing applications.
5. A new kind of load cell soft fault prediction method by the application of Graytheory to weighing is discussed in this paper. By using this method the reliability of asystem has been improved and it has a potential future in the field of measurement.
1. 系统分析了称重传感器主要误差的成因及其应用场合,在此基础上,设计开发了 基于先进数据处理方法的高性能智能称重传感器。这种传感器吸收了模糊数学、 人工智能等方面的新成果,采用合理灵活的先进数据处理方法实现传感器误差的 数字补偿,避免了传统称重传感器中繁琐且精度不高的模拟的补偿方法及传统的 数学建模的数字补偿,精度可达 OIMLC6。
2. 根据称重传感器的非线性与温度误差特性,将函数连接型神经网络引入称重传感 器的补偿设计中,提出了称重传感器的非线性及温度误差的神经网络补偿并给出 了易于单片机化的实现方法。研究表明:采用所提出的补偿方法精度高且灵活可 靠且方便易行。
3. 根据称重传感器的蠕变特性,在传感器的设计中引入模糊理论,创造性地提出了 称重传感器蠕变的在线模糊补偿理论并给出了易于单片机化的实现方法。研究表 明:采用提出的补偿方法,传感器的蠕变补偿简单方便,可靠性、精度好。
4. 开发了基于新型传感器的智能称重系统。在分析了现有称重系统的现状并保留传 统称重系统功能的同时,增加了免标定、系统故障自诊断、不间断工作,传感器 故障预报等新功能,智能化程度及称重精度都得到极大提高。对各项功能给出了 实现的方法及实例说明,这些方法具有较高的参考意义和实用价值。
5. 在智能称重系统的设计中引入灰色理论,创造性地提出了称重传感器软故障的灰 色预测理论并给出了切实可行的实现方法。通过灰色建模,对传感器的软故障进 行预报,提高系统可靠性。
本文的研究结果包括数字式智能称重传感器、一套综合智能模型及几种有效的数据处理方法,对于智能称重传感器的发展和应用有重要的参考意义。
Digitalization and intelligence are hot topices of transducer research and form animportant foundation for high-tech developments. Systematic research on errorcompensation, data processing, and fault diagnosis of an intelligent, digital load celltransducer are presented in this paper. Main works and creative conclusions are presentedas follows:
1. By systematically analyzing error formation and application of load cells, a highperformance intelligent digital load cell based on advanced data processing is developed.New flexible data processing methods based on new achievements of fuzzy mathematics,artificial intelligence and Gray theory are employed in the transducer design so that thecomplicated, low accuracy modeling in traditional designs can be avoided. These newmethods are suitable for high accuracy, up to OIMLC6.
2. A function link neural network was employed according to the characteristic ofthe nonlinear error and temperature error. The neural network compensation of the aboveerrors was achieved via micro controller. Results in this paper indicate that with abovecompensation the accuracy of a transducer could be improved greatly. Because of thesimplicity, reliability and flexibility of the above compensation algorithm, it is suitable formass production of load cells.
3. Fuzzy theory was applied to load cell creep compensation according to thecharacteristic of creep error. A new concept of creep fussy on-line compensation methodis presented. The result shows that this method is simple and reliable. It works well and canbe easily implemented through hardware.
4. Based on the digital load cell, a new smart weighing system is proposed in thispaper. Some intelligent characteristics such as free calibration, self- diagnostics, run flat,load cell fault prediction, have been discussed and some are realized. These functions aresignificant for weighing applications.
5. A new kind of load cell soft fault prediction method by the application of Graytheory to weighing is discussed in this paper. By using this method the reliability of asystem has been improved and it has a potential future in the field of measurement.
引文
1. 王祁 聂伟 于航,几种智能传感器简介, 传感器技术,1998 年第 17 卷第 4 期
2. 刘毅弘 沈平孑等,称重传感器的最新发展动态,现代计量测试,1995 年 第 5 期
3. 王祁 于航,传感器技术的新发展-智能传感器和多功能传感器,1998 年 Vol.17.No.1
4. 马朝军 宁小杰等,电子称量技术的进展,河南科技,1999 年 第 10 期
5. 蒙建波 吴银成等,容错技术与仪表的发展,仪器仪表学报,2002 年 10 月 第 23 卷 第 5 期
6. 屈梁生,人工神经网络与机械工程中的智能化问题,中国机械工程,1997 年第 8 卷 第 2 期
7. 施昌彦,动态称重测力技术的现状和发展方向,计量与测试技术,2000 年第 1 期
8. 陆伯勤,电子称重技术的发展趋势,衡器工业通讯,1995 年 1 月
9. 孟念湘,智能传感器:数字时代的骄子,电子产品世界,1999 年 12 月
10. 施昌彦,动态称重测力技术的现状和发展趋势,计量学报,2001 年 7 月 Vol.22.No.3
11. 丁晖 刘君华,气体传感器特性漂移抑制的研究,计量学报,2002 年 1 月 Vol.23.No.1
12. 卢敬叁,计量技术在工业生产控制中的作用及发展,计量与测试技术,1996 年 第 4 期
13. 张杰,衡器计量现状及发展,铁道技术监督,2002 年第 7 期
14. 梁志国 路克杰等,数字化测量及其评价技术的现状和发展趋势,测量与控制,1999 年 11月 第 48 期
15. 赵志诚,发展中的传感器技术,仪表技术与传感器,1995 年 第 1 期
16. 常太华 李江等,现场总线及现场总线智能仪表的发展,仪表技术与传感器,1999 年第 2 期
17. Jone P Bentley. Principles of Measurement System. Longman ,1983
18. 滕召胜,罗隆福等 智能检测系统与数据融合, 北京:机械工业出版社,1999
19. K. Takahashi. From Intelligent Sensor to Fuzzy Sensor. Sensors and Ac2tuators A(4) ,1994 :89～91
20. Zhao Xinmin ,Ye Xiaochen ,Zhang Chen. Artificial Neural Network for Sensor Failure Detection in an Automotive Engine. IEEE Catalog , 1994 ,94CH3424 - 9 :167～170
21. 陶宝祺.电阻应变式传感器[M],北京,国防工业出版社,1993.9～64
22. 王云章 应变式传感器故障分析与修理 [M],北京,中国计量出版社,1995
23. 王云章 电阻应变式传感器应用技术 [M],北京,中国计量出版社,1991
24. 马良程.应变电测与传感技术[M],北京,中国计量出版社,1993,396～408
25. 袁希光,传感器技术手册,国防工业出版社 1989
26. 徐国富等 非电量电测工程手册, 机械工业出版社,1987
27. 王化详,张淑英,传感器原理及应用,天津大学出版社
28. 魏福玉 房蔓楠 ,应变梯度对传感器弹性体非线性的影响及应用,计量学报,1994 年 4 月 Vol.15,No 2
29. 刘九卿 柱式称重传感器的非线性误差及其非线性补偿,第四界全国称重技术研讨会论文集
30. 郭京生 赵荣,传感器温度补偿中的两种方法及注意的几个问题,电子仪器仪表用户,1997年第 5 期
31. 曹云娟、章真,模糊理论及技术的发展,浙江电力,1998(6):18-21
32. Dubois,D. and Prade, H.,Fuzzy Sets and Systems:Theory and Aplications, New York,1980
33. 袁曾任,编著。人工神经网络及其应用。 北京:清华大学出版社,1999
34. 焦李成 编著 神经网络的应用与实现 西安电子科技大学出版社,1993
35. 包约翰(美)著。马颂德译。自适应模式识别与神经网络。科学出版社,1992
36. Finlekstein L. Intelligent and knowledge based instrumentation: An examination of basic concepts. Measurement, 1994(14): 23~29
37. Patra J C. An artificial neural network_based smart capacitive pressure sensor. Measurement,1997,22(3~4):113~121
38. S. Haykin. Neural Networks. Maxwell Macmillan. Ontario, Canada, 1994
39. Y.H.Pao,Adaptive Pattern Recognition and Nerural Neywork. Reading, MA:Addision-Wesley,1989.
40. Huang, Kou-Yuan , Fuzzy functional-link net for seismic trace editing ,Conference: Proceedings of the 1994 IEEE International Conference on Neural Networks. Part 3 (of 7), Jun 27-29 1994, Orlando, FL, USA
41. Pao, Yoh-Han; Phillips, Stephen M. Functional link net and learning optimal control , Neurocomputing, v 9, n 2, Oct, 1995, p 149-164
42. Pao, Yoh-Han; Takefuji, Yoshiyasu ,Functional-link net computing: theory, system architecture, and functionalities , Computer, v 25, n 5, May, 1992, p 76-79
43. Dash, P.K.; Satpathy, H.P.; Liew, A.C.; Rahman, S. , Real-time short-term load forecasting system using functional link network , IEEE Transactions on Power Systems, v 12, n 2, May, 1997, p 675-680
44. Wang, Jun ; Teixeira, Edilberto P, On the design principles of the functional link nets Conference: Proceedings of the 1990 IEEE International Conference on Systems Engineering, Aug 9-11 1990, Pittsburgh, PA, USA
45. Somolinos, Alfredo S ,Using functional link neural nets for general linear least squares model fitting, Conference: Proceedings of the 3rd Workshop on Neural Networks: Academic/Industrial/NASA/Defense, Feb 10-12 1992, Alabama, AL, USA
46. Patra, Jagdish C. Bos, Adriaan ,Modeling of an intelligent pressure sensor using functional link artificial neural networks , ISA Transactions, v 39, n 1, 2000, p 15-27
47. Patra, Jagdish C; Pal, Ranendra N. ,Functional link artificial neural network-based adaptive channel equalization of nonlinear channels with QAM signal ,Conference: Proceedings of the 1995 IEEE International Conference on Systems, Man and Cybernetics. Part 3 (of 5), Oct 22-25 1995.
48. Patra, Jagdish C; Pal, Ranendra N.; Chatterji, B.N.; Panda, Ganapati, Identification of nonlinear dynamic systems using functional link artificial neural networks, Transactions on Systems, Man, and Cybernetics, Part B: Cybernetics, v 29, n 2, 1999, p 254-262
49. Patra, Jagdish C; Pal, Ranendra N., Functional link artificial neural network for adaptive channel equalization , Signal Processing, v 43, n 2, May, 1995, p 181-195
50. Teeter, Jason; Chow, Mo-Yuen . Application of functional link neural network to HVAC thermal dynamic system identification , IEEE Transactions on Industrial Electronics, v 45, n 1, Feb, 1998, p 170-176
51. 钱新 龚烈航,电容压力传感器的函数链接型神经网络建模方法,解放军理工大学学报(自然科学版),2002 年 6 月 Vol.3.No.3
52. 戴文战,一种基于函数型神经网络的传感器静态模型辨识方法,传感技术学报,1999 年 6月(第 2 期)
53. 徐雪艳 穆志纯等,神经网络在剃度功能材料制备中的应用,北京科技大学学报,1994 年 10月 Vol.16.No.5
54. 卢玲 基于函数链神经网络的非线性系统稳态模型辨识及应用 基础自动化 1998 年第 4期
55. 石立华 陶宝祺,结构紧固连接件损伤的神经网络诊断研究,应用力学学报,1997 年 12 月Vol.14.No.4
56. 施惠昌,一种利用函数链神经网络的传感器建模新方法,传感器技术,2000 年 第 19 卷 第3 期
57. 胡力耘 谷强等,函数链神经网络在火箭大喷管加工中的应用,大连理工大学学报,1997 年7 月 Vol.37.No.4
58. 全庆一 张忠平等,函数链及其在语音识别中的应用,电声技术,1994 年 2 月
59. 庄哲民 黄惟一等,提高传感器精度的神经网络方法,计量学报,2002 年 1 月 Vol.23.No.1
60. 林康红 施惠昌等,基于神经网络的传感器非线性误差校正,传感器技术,2002 年第 21 卷第1 期
61. 彭月祥,传感器非线性的一种拟合方法,数据采集与处理,1999 年 3 月 Vol.14.No.1
62. 邹于丰,神经网络非线性模型算法控制,长沙电力学院学报(自然科学版),1999 年 2 月Vol.14.No.1
63. 曹建荣 姚庆梅,人工神经网络在传感器非线性校正上的应用,自动化仪表,2001 年 8 月
64. 王代华 熊炼等,基于神经网络的柔性结构损伤模式识别方法,振动、测试与诊断,2000 年12 月 Vol.20.No.4
65. 印春生 林腾等,函数连接型神经网络应用于岩石含矿性研究,中国科学院研究生院学报,1999 年 5 月 Vol.16.No.1
66. 张星昌,具有动态补偿能力的神经网络模型及其在动态系统建模中的应用,控制理论与应用,1996 年 12 月 Vol.13.No.6
67. 钟珞 李桂青等,神经网络的函数型规格说明,武汉工业大学学报,1996 年 9 月 Vol.18.No.3 68. 钮永胜 董加勤,基于神经网络的加速度计非线性估计和线性化,计量技术,1997 年 第 10期
69. 曹云娟、章真,模糊理论及技术的发展,浙江电力,1998(6):18-21
70. Cipriano, A.; Ramos, M.; Montoya, F ,New method for fuzzy models identification ,Conference: Proceedings of the 1995 IEEE 21st International Conference on Industrial Electronics, Control, and Instrumentation. Part 2 (of 2), Nov 6-10 1995, Orlando, FL, USA
71. Yen, John , Fuzzy logic - a modern perspective , Transactions on Knowledge and Data Engineering, v 11, n 1, 1999, p 153-165
72. Cross, Valerie ; De Caluwe, Rita; VanGyseghem, Perspective from the fuzzy object data management group (FODMG), Conference: Proceedings of the 1997 6th IEEE International Conference on Fuzzy Systems FUZZ-IEEE'97. Part 2 (of 3), Jul 1-5 1997, Barcelona, Spain
73. Bonissone, Piero P ; Chiang, Kenneth H. ,Fuzzy logic control: a knowledge-based system perspective, Conference: Applications of Fuzzy Logic Technology, Sep 8-10 1993, Boston, MA, USA
74. Karwowski, W.; Pongpatana, N. Fuzzy modeling of load heaviness. A new perspective on acceptability and comfortability criteria in manual lifting tasks, Proceedings of the International Conference on Production Research, 1993, p 85
75. Sugeno, M, Fuzzy control: Principles, practice and perspectives, Conference: 1992 IEEE International Conference on Fuzzy Systems - FUZZ-IEEE, Mar 8-12 1992, San Diego, CA, USA
76. Udupa, Jayaram K; Grevera, George J. Go digital, go fuzzy , Pattern Recognition Letters, v 23, n 6, April, 2002
77. Wang, Pei ,Interpretation of fuzziness , Transactions on Systems, Man, and Cybernetics, Part B: Cybernetics, v 26, n 2, Apr, 1996, p 321-326
78. Tao, C.W.; Taur, J.S, Design of fuzzy-learning fuzzy controllers, International Conference on Fuzzy Systems, v 1, IEEE World Congress on Computational Intelligence, 1998
79. Cipriano, A.; Ramos, M.; Montoya, F. ,New method for fuzzy models identification, Conference: Proceedings of the 1995 IEEE 21st International Conference on Industrial Electronics, Control, and Instrumentation. Part 2 (of 2), Nov 6-10 1995, Orlando, FL, USA
80. Babuska, Robert; Verbruggen, Henk ,Neuro-fuzzy methods for nonlinear system identification, Annual Reviews in Control, v 27 I, 2003, p 73-85
81. Sanchez-Yanez, Raul E; Ayala-Ramirez, Victor; Jaime-Rivas, Rene ,Fuzzy models for system identification ,Conference: System Security and Assurance, Oct 5-8 2003, Washington, DC, United States
82. Ayday, Cem T; Eksin, Ibrahim ,Fuzzy identification of nonlinear systems, Conference: Proceedings of the 19th Annual International Conference on Industrial Electronics, Control, and Instrumentation, Nov 15-18 1993, Maui, Hawaii, USA
83. Chen, J.Q; Lu, J.H.; Chen, L.J. On-line identification algorithm for fuzzy systems , Fuzzy Sets and Systems, v 64, n 1, May 25, 1994, p 63-72
84. De Bruin, H.A.E. ; Roffel, B, New identification method for fuzzy linear models of nonlinear dynamic systems, Journal of Process Control, v 6, n 5, Oct, 1996, p 277-293
85. 罗佑新 张龙庭 李敏著, 灰色系统理论及其在机械工程中的应用 长沙:国防科技大学出版社, 2001
86. 王学萌 张继忠 王荣著, 灰色系统分析及实用计算程序 武汉:华中科技大学出版社, 2001
87. 曹鸿兴 郑耀文 顾今著, 灰色系统理论浅述 北京;气象出版社 ,1988
88. 邓聚龙,灰色控制系统 武汉:华中工学院出版社,1985
89. 邓聚龙,灰色系统理论教程(The course on grey Systc theory)【M】武汉:华中理工大学出版社(Wuhan :HUST Press),1990.
90. Huang Shiuh-Jer .Huang Chien-Lo. Control of an inverted pendulum using grey prediction mode【J】IEEE Trans on Industrial Application,2000,36(2):452-458
91. Smart load cell system http://www.reveretransducers.com
92. J.G.Rocha*,C.Couto,J.H Correia Smart load cells:an industrial application 【J】Sensors and Actuator 85 (2000) 262-266
93. J.H. Huijsing, Integrated smart sensors, Sens. Actuators, A 30 1992 167–174.
94. C. Couto, J.H. Correia, Smart load cells based on switched-capacitors, Proceedings of ICSPAT’94, Dallas, USA, 1994.
95. G.C.M. Meijer, J. van Drecht, P.C. de Jong, H. Neuteboom, New concepts of smart signal processors and their application to PSD _ . displacement transducers, Sens. Actuators, A 35 1992 23–30.
96. J.H. Correia, C. Couto, Digital filtering in smart load cells, Proc. Of IEEE IECON’95, FL, USA, 1995, pp. 990–994.
97. 陈昌 王孝良等,大型衡器系统偏载荷数字化补偿方法的研究,大连理工大学学报 1994 Vol34, No.1
98. 杨东海,称重传感器并联组合输出电路的故障检查于判断 ,水利电力机械 2004 4 月
99. 赵德永,静态电子汽车衡的调试, 铁路技术监督, 2000 年 10 期
100.姜招喜,传感器电桥接线盒计算调整方法, 衡器 ,2001 5 月 第 30 卷第 3 期总 114 期
101.Current calibration http://www.reveretransducers.com
102.周东华,孙优贤,控制系统的故障检测与诊断技术, 清华大学出版社,1994。
103.张彦泽,姜兴渭,某时变系统传感器故障的诊断方法与仿真研究,传感器技术,1999 年第18 卷,第 4 期,9-14
104. Walter C Merrill, John C. Delaat, anf Willian M.Bruton,Advanced Dection, Isolation, and Accommodation of Sensor Failure-Real-Time Evaluation J.GUIDANCE, VOL.11,NO.6,NOV-DEC,1988
105.张海东 毕效辉, 灰色残差 GM(1.1)模型在道路交通量中的应用,西南科技大学学报 ,2002年 9 月 Vol 17 No.3
106.袁明友 肖先勇 等,基于灰色理论的供电系统负荷中长期预测模型及其应用,四川大学学报(工程科学版),2002 年 7 月 Vol.34 No.4
107.李晓峰 罗佑新 ,灰色 GM 模型在工程测试数据处理中的应用研究,常德师范学院学报(自然科学版)2001 年 12 月 VOL.13 NO.4
108.杨思全 陈亚宁等,基于灰色理论的铁路水害危险度计算模型,自然灾害学报,2002 年 5 月VOL.11, NO.2
109.陈满意 刘莹等,灰色系统分析在冶金行业安全生产中的应用,华东交通大学学报,2002 年3 月 VOL.19, NO.1
110.张永水, 灰色系统理论在连续刚构桥施工误差调整中的应用,重庆交通学院学报,2001 年12 月 VOL.20 ,NO.4
111.巫德斌 徐卫亚,基于 GM(1.1)优化模型的岩石边坡变形预报,地质灾害与环境保护,2002年 12 月 VOL.13,NO.4
112.李斌 许仕荣等,灰色-神经网络组合模型预测城市用水量,中国给水排水,2002 年 2 月 VOL.18 NO.2
113.朱劲松 宋玉普,灰色理论在混凝土疲劳强度预测中的应用,混凝土,2002 年第 6 期(总第152 期)
114.胡文斌 等 ,灰色理论在城市供热负荷预测中的应用,煤气与热力,2002 年 2 月 VOL.22, NO.1
115.冯利华,灰色预测模型的问题讨论, 系统工程理论与实践,1997,17(12):125-128
116.龚蓬 费业泰,动态测量误差灰色模型插值预报理论及应用,合肥工业大学学报(自然科学版),2002 年 2 月,VOL.25 NO.1
117.滕召胜,基于多传感器数据融合的热处理炉温度测量方法,计量学报,2000 ,21 (2) :148～152
118.滕召胜 郁文贤,基于数据融合的智能水分快速测定仪, 电工技术学报,1999 ,14 (5) :71～73 ,80
119. K. Takahashi. From Intelligent Sensor to Fuzzy Sensor. Sensors and Ac2tuators A(4) ,1994 :89～91
120.吴新杰 孙定源 王鲁川, 模糊集合论在油井液面深度测量上的应用,计量学报,1999 ,20 (2) :122～126
121. W Lin ,X Huang ,L D Gaultney. Soil Sensor Calibration Using Neural Networks. ASAE Paper ,927011
122. Zhao Xinmin ,Ye Xiaochen ,Zhang Chen. Artificial Neural Network for Sensor Failure Detection in an Automotive Engine. IEEE Catalog ,1994 ,94CH3424 - 9 :167～170
123.张晨 韩月秋 陶然,基于改进鲁棒自联想神经网络的传感器故障诊断新方法,仪器仪表学报,1999 ,20 (2) :170～172
2. 刘毅弘 沈平孑等,称重传感器的最新发展动态,现代计量测试,1995 年 第 5 期
3. 王祁 于航,传感器技术的新发展-智能传感器和多功能传感器,1998 年 Vol.17.No.1
4. 马朝军 宁小杰等,电子称量技术的进展,河南科技,1999 年 第 10 期
5. 蒙建波 吴银成等,容错技术与仪表的发展,仪器仪表学报,2002 年 10 月 第 23 卷 第 5 期
6. 屈梁生,人工神经网络与机械工程中的智能化问题,中国机械工程,1997 年第 8 卷 第 2 期
7. 施昌彦,动态称重测力技术的现状和发展方向,计量与测试技术,2000 年第 1 期
8. 陆伯勤,电子称重技术的发展趋势,衡器工业通讯,1995 年 1 月
9. 孟念湘,智能传感器:数字时代的骄子,电子产品世界,1999 年 12 月
10. 施昌彦,动态称重测力技术的现状和发展趋势,计量学报,2001 年 7 月 Vol.22.No.3
11. 丁晖 刘君华,气体传感器特性漂移抑制的研究,计量学报,2002 年 1 月 Vol.23.No.1
12. 卢敬叁,计量技术在工业生产控制中的作用及发展,计量与测试技术,1996 年 第 4 期
13. 张杰,衡器计量现状及发展,铁道技术监督,2002 年第 7 期
14. 梁志国 路克杰等,数字化测量及其评价技术的现状和发展趋势,测量与控制,1999 年 11月 第 48 期
15. 赵志诚,发展中的传感器技术,仪表技术与传感器,1995 年 第 1 期
16. 常太华 李江等,现场总线及现场总线智能仪表的发展,仪表技术与传感器,1999 年第 2 期
17. Jone P Bentley. Principles of Measurement System. Longman ,1983
18. 滕召胜,罗隆福等 智能检测系统与数据融合, 北京:机械工业出版社,1999
19. K. Takahashi. From Intelligent Sensor to Fuzzy Sensor. Sensors and Ac2tuators A(4) ,1994 :89～91
20. Zhao Xinmin ,Ye Xiaochen ,Zhang Chen. Artificial Neural Network for Sensor Failure Detection in an Automotive Engine. IEEE Catalog , 1994 ,94CH3424 - 9 :167～170
21. 陶宝祺.电阻应变式传感器[M],北京,国防工业出版社,1993.9～64
22. 王云章 应变式传感器故障分析与修理 [M],北京,中国计量出版社,1995
23. 王云章 电阻应变式传感器应用技术 [M],北京,中国计量出版社,1991
24. 马良程.应变电测与传感技术[M],北京,中国计量出版社,1993,396～408
25. 袁希光,传感器技术手册,国防工业出版社 1989
26. 徐国富等 非电量电测工程手册, 机械工业出版社,1987
27. 王化详,张淑英,传感器原理及应用,天津大学出版社
28. 魏福玉 房蔓楠 ,应变梯度对传感器弹性体非线性的影响及应用,计量学报,1994 年 4 月 Vol.15,No 2
29. 刘九卿 柱式称重传感器的非线性误差及其非线性补偿,第四界全国称重技术研讨会论文集
30. 郭京生 赵荣,传感器温度补偿中的两种方法及注意的几个问题,电子仪器仪表用户,1997年第 5 期
31. 曹云娟、章真,模糊理论及技术的发展,浙江电力,1998(6):18-21
32. Dubois,D. and Prade, H.,Fuzzy Sets and Systems:Theory and Aplications, New York,1980
33. 袁曾任,编著。人工神经网络及其应用。 北京:清华大学出版社,1999
34. 焦李成 编著 神经网络的应用与实现 西安电子科技大学出版社,1993
35. 包约翰(美)著。马颂德译。自适应模式识别与神经网络。科学出版社,1992
36. Finlekstein L. Intelligent and knowledge based instrumentation: An examination of basic concepts. Measurement, 1994(14): 23~29
37. Patra J C. An artificial neural network_based smart capacitive pressure sensor. Measurement,1997,22(3~4):113~121
38. S. Haykin. Neural Networks. Maxwell Macmillan. Ontario, Canada, 1994
39. Y.H.Pao,Adaptive Pattern Recognition and Nerural Neywork. Reading, MA:Addision-Wesley,1989.
40. Huang, Kou-Yuan , Fuzzy functional-link net for seismic trace editing ,Conference: Proceedings of the 1994 IEEE International Conference on Neural Networks. Part 3 (of 7), Jun 27-29 1994, Orlando, FL, USA
41. Pao, Yoh-Han; Phillips, Stephen M. Functional link net and learning optimal control , Neurocomputing, v 9, n 2, Oct, 1995, p 149-164
42. Pao, Yoh-Han; Takefuji, Yoshiyasu ,Functional-link net computing: theory, system architecture, and functionalities , Computer, v 25, n 5, May, 1992, p 76-79
43. Dash, P.K.; Satpathy, H.P.; Liew, A.C.; Rahman, S. , Real-time short-term load forecasting system using functional link network , IEEE Transactions on Power Systems, v 12, n 2, May, 1997, p 675-680
44. Wang, Jun ; Teixeira, Edilberto P, On the design principles of the functional link nets Conference: Proceedings of the 1990 IEEE International Conference on Systems Engineering, Aug 9-11 1990, Pittsburgh, PA, USA
45. Somolinos, Alfredo S ,Using functional link neural nets for general linear least squares model fitting, Conference: Proceedings of the 3rd Workshop on Neural Networks: Academic/Industrial/NASA/Defense, Feb 10-12 1992, Alabama, AL, USA
46. Patra, Jagdish C. Bos, Adriaan ,Modeling of an intelligent pressure sensor using functional link artificial neural networks , ISA Transactions, v 39, n 1, 2000, p 15-27
47. Patra, Jagdish C; Pal, Ranendra N. ,Functional link artificial neural network-based adaptive channel equalization of nonlinear channels with QAM signal ,Conference: Proceedings of the 1995 IEEE International Conference on Systems, Man and Cybernetics. Part 3 (of 5), Oct 22-25 1995.
48. Patra, Jagdish C; Pal, Ranendra N.; Chatterji, B.N.; Panda, Ganapati, Identification of nonlinear dynamic systems using functional link artificial neural networks, Transactions on Systems, Man, and Cybernetics, Part B: Cybernetics, v 29, n 2, 1999, p 254-262
49. Patra, Jagdish C; Pal, Ranendra N., Functional link artificial neural network for adaptive channel equalization , Signal Processing, v 43, n 2, May, 1995, p 181-195
50. Teeter, Jason; Chow, Mo-Yuen . Application of functional link neural network to HVAC thermal dynamic system identification , IEEE Transactions on Industrial Electronics, v 45, n 1, Feb, 1998, p 170-176
51. 钱新 龚烈航,电容压力传感器的函数链接型神经网络建模方法,解放军理工大学学报(自然科学版),2002 年 6 月 Vol.3.No.3
52. 戴文战,一种基于函数型神经网络的传感器静态模型辨识方法,传感技术学报,1999 年 6月(第 2 期)
53. 徐雪艳 穆志纯等,神经网络在剃度功能材料制备中的应用,北京科技大学学报,1994 年 10月 Vol.16.No.5
54. 卢玲 基于函数链神经网络的非线性系统稳态模型辨识及应用 基础自动化 1998 年第 4期
55. 石立华 陶宝祺,结构紧固连接件损伤的神经网络诊断研究,应用力学学报,1997 年 12 月Vol.14.No.4
56. 施惠昌,一种利用函数链神经网络的传感器建模新方法,传感器技术,2000 年 第 19 卷 第3 期
57. 胡力耘 谷强等,函数链神经网络在火箭大喷管加工中的应用,大连理工大学学报,1997 年7 月 Vol.37.No.4
58. 全庆一 张忠平等,函数链及其在语音识别中的应用,电声技术,1994 年 2 月
59. 庄哲民 黄惟一等,提高传感器精度的神经网络方法,计量学报,2002 年 1 月 Vol.23.No.1
60. 林康红 施惠昌等,基于神经网络的传感器非线性误差校正,传感器技术,2002 年第 21 卷第1 期
61. 彭月祥,传感器非线性的一种拟合方法,数据采集与处理,1999 年 3 月 Vol.14.No.1
62. 邹于丰,神经网络非线性模型算法控制,长沙电力学院学报(自然科学版),1999 年 2 月Vol.14.No.1
63. 曹建荣 姚庆梅,人工神经网络在传感器非线性校正上的应用,自动化仪表,2001 年 8 月
64. 王代华 熊炼等,基于神经网络的柔性结构损伤模式识别方法,振动、测试与诊断,2000 年12 月 Vol.20.No.4
65. 印春生 林腾等,函数连接型神经网络应用于岩石含矿性研究,中国科学院研究生院学报,1999 年 5 月 Vol.16.No.1
66. 张星昌,具有动态补偿能力的神经网络模型及其在动态系统建模中的应用,控制理论与应用,1996 年 12 月 Vol.13.No.6
67. 钟珞 李桂青等,神经网络的函数型规格说明,武汉工业大学学报,1996 年 9 月 Vol.18.No.3 68. 钮永胜 董加勤,基于神经网络的加速度计非线性估计和线性化,计量技术,1997 年 第 10期
69. 曹云娟、章真,模糊理论及技术的发展,浙江电力,1998(6):18-21
70. Cipriano, A.; Ramos, M.; Montoya, F ,New method for fuzzy models identification ,Conference: Proceedings of the 1995 IEEE 21st International Conference on Industrial Electronics, Control, and Instrumentation. Part 2 (of 2), Nov 6-10 1995, Orlando, FL, USA
71. Yen, John , Fuzzy logic - a modern perspective , Transactions on Knowledge and Data Engineering, v 11, n 1, 1999, p 153-165
72. Cross, Valerie ; De Caluwe, Rita; VanGyseghem, Perspective from the fuzzy object data management group (FODMG), Conference: Proceedings of the 1997 6th IEEE International Conference on Fuzzy Systems FUZZ-IEEE'97. Part 2 (of 3), Jul 1-5 1997, Barcelona, Spain
73. Bonissone, Piero P ; Chiang, Kenneth H. ,Fuzzy logic control: a knowledge-based system perspective, Conference: Applications of Fuzzy Logic Technology, Sep 8-10 1993, Boston, MA, USA
74. Karwowski, W.; Pongpatana, N. Fuzzy modeling of load heaviness. A new perspective on acceptability and comfortability criteria in manual lifting tasks, Proceedings of the International Conference on Production Research, 1993, p 85
75. Sugeno, M, Fuzzy control: Principles, practice and perspectives, Conference: 1992 IEEE International Conference on Fuzzy Systems - FUZZ-IEEE, Mar 8-12 1992, San Diego, CA, USA
76. Udupa, Jayaram K; Grevera, George J. Go digital, go fuzzy , Pattern Recognition Letters, v 23, n 6, April, 2002
77. Wang, Pei ,Interpretation of fuzziness , Transactions on Systems, Man, and Cybernetics, Part B: Cybernetics, v 26, n 2, Apr, 1996, p 321-326
78. Tao, C.W.; Taur, J.S, Design of fuzzy-learning fuzzy controllers, International Conference on Fuzzy Systems, v 1, IEEE World Congress on Computational Intelligence, 1998
79. Cipriano, A.; Ramos, M.; Montoya, F. ,New method for fuzzy models identification, Conference: Proceedings of the 1995 IEEE 21st International Conference on Industrial Electronics, Control, and Instrumentation. Part 2 (of 2), Nov 6-10 1995, Orlando, FL, USA
80. Babuska, Robert; Verbruggen, Henk ,Neuro-fuzzy methods for nonlinear system identification, Annual Reviews in Control, v 27 I, 2003, p 73-85
81. Sanchez-Yanez, Raul E; Ayala-Ramirez, Victor; Jaime-Rivas, Rene ,Fuzzy models for system identification ,Conference: System Security and Assurance, Oct 5-8 2003, Washington, DC, United States
82. Ayday, Cem T; Eksin, Ibrahim ,Fuzzy identification of nonlinear systems, Conference: Proceedings of the 19th Annual International Conference on Industrial Electronics, Control, and Instrumentation, Nov 15-18 1993, Maui, Hawaii, USA
83. Chen, J.Q; Lu, J.H.; Chen, L.J. On-line identification algorithm for fuzzy systems , Fuzzy Sets and Systems, v 64, n 1, May 25, 1994, p 63-72
84. De Bruin, H.A.E. ; Roffel, B, New identification method for fuzzy linear models of nonlinear dynamic systems, Journal of Process Control, v 6, n 5, Oct, 1996, p 277-293
85. 罗佑新 张龙庭 李敏著, 灰色系统理论及其在机械工程中的应用 长沙:国防科技大学出版社, 2001
86. 王学萌 张继忠 王荣著, 灰色系统分析及实用计算程序 武汉:华中科技大学出版社, 2001
87. 曹鸿兴 郑耀文 顾今著, 灰色系统理论浅述 北京;气象出版社 ,1988
88. 邓聚龙,灰色控制系统 武汉:华中工学院出版社,1985
89. 邓聚龙,灰色系统理论教程(The course on grey Systc theory)【M】武汉:华中理工大学出版社(Wuhan :HUST Press),1990.
90. Huang Shiuh-Jer .Huang Chien-Lo. Control of an inverted pendulum using grey prediction mode【J】IEEE Trans on Industrial Application,2000,36(2):452-458
91. Smart load cell system http://www.reveretransducers.com
92. J.G.Rocha*,C.Couto,J.H Correia Smart load cells:an industrial application 【J】Sensors and Actuator 85 (2000) 262-266
93. J.H. Huijsing, Integrated smart sensors, Sens. Actuators, A 30 1992 167–174.
94. C. Couto, J.H. Correia, Smart load cells based on switched-capacitors, Proceedings of ICSPAT’94, Dallas, USA, 1994.
95. G.C.M. Meijer, J. van Drecht, P.C. de Jong, H. Neuteboom, New concepts of smart signal processors and their application to PSD _ . displacement transducers, Sens. Actuators, A 35 1992 23–30.
96. J.H. Correia, C. Couto, Digital filtering in smart load cells, Proc. Of IEEE IECON’95, FL, USA, 1995, pp. 990–994.
97. 陈昌 王孝良等,大型衡器系统偏载荷数字化补偿方法的研究,大连理工大学学报 1994 Vol34, No.1
98. 杨东海,称重传感器并联组合输出电路的故障检查于判断 ,水利电力机械 2004 4 月
99. 赵德永,静态电子汽车衡的调试, 铁路技术监督, 2000 年 10 期
100.姜招喜,传感器电桥接线盒计算调整方法, 衡器 ,2001 5 月 第 30 卷第 3 期总 114 期
101.Current calibration http://www.reveretransducers.com
102.周东华,孙优贤,控制系统的故障检测与诊断技术, 清华大学出版社,1994。
103.张彦泽,姜兴渭,某时变系统传感器故障的诊断方法与仿真研究,传感器技术,1999 年第18 卷,第 4 期,9-14
104. Walter C Merrill, John C. Delaat, anf Willian M.Bruton,Advanced Dection, Isolation, and Accommodation of Sensor Failure-Real-Time Evaluation J.GUIDANCE, VOL.11,NO.6,NOV-DEC,1988
105.张海东 毕效辉, 灰色残差 GM(1.1)模型在道路交通量中的应用,西南科技大学学报 ,2002年 9 月 Vol 17 No.3
106.袁明友 肖先勇 等,基于灰色理论的供电系统负荷中长期预测模型及其应用,四川大学学报(工程科学版),2002 年 7 月 Vol.34 No.4
107.李晓峰 罗佑新 ,灰色 GM 模型在工程测试数据处理中的应用研究,常德师范学院学报(自然科学版)2001 年 12 月 VOL.13 NO.4
108.杨思全 陈亚宁等,基于灰色理论的铁路水害危险度计算模型,自然灾害学报,2002 年 5 月VOL.11, NO.2
109.陈满意 刘莹等,灰色系统分析在冶金行业安全生产中的应用,华东交通大学学报,2002 年3 月 VOL.19, NO.1
110.张永水, 灰色系统理论在连续刚构桥施工误差调整中的应用,重庆交通学院学报,2001 年12 月 VOL.20 ,NO.4
111.巫德斌 徐卫亚,基于 GM(1.1)优化模型的岩石边坡变形预报,地质灾害与环境保护,2002年 12 月 VOL.13,NO.4
112.李斌 许仕荣等,灰色-神经网络组合模型预测城市用水量,中国给水排水,2002 年 2 月 VOL.18 NO.2
113.朱劲松 宋玉普,灰色理论在混凝土疲劳强度预测中的应用,混凝土,2002 年第 6 期(总第152 期)
114.胡文斌 等 ,灰色理论在城市供热负荷预测中的应用,煤气与热力,2002 年 2 月 VOL.22, NO.1
115.冯利华,灰色预测模型的问题讨论, 系统工程理论与实践,1997,17(12):125-128
116.龚蓬 费业泰,动态测量误差灰色模型插值预报理论及应用,合肥工业大学学报(自然科学版),2002 年 2 月,VOL.25 NO.1
117.滕召胜,基于多传感器数据融合的热处理炉温度测量方法,计量学报,2000 ,21 (2) :148～152
118.滕召胜 郁文贤,基于数据融合的智能水分快速测定仪, 电工技术学报,1999 ,14 (5) :71～73 ,80
119. K. Takahashi. From Intelligent Sensor to Fuzzy Sensor. Sensors and Ac2tuators A(4) ,1994 :89～91
120.吴新杰 孙定源 王鲁川, 模糊集合论在油井液面深度测量上的应用,计量学报,1999 ,20 (2) :122～126
121. W Lin ,X Huang ,L D Gaultney. Soil Sensor Calibration Using Neural Networks. ASAE Paper ,927011
122. Zhao Xinmin ,Ye Xiaochen ,Zhang Chen. Artificial Neural Network for Sensor Failure Detection in an Automotive Engine. IEEE Catalog ,1994 ,94CH3424 - 9 :167～170
123.张晨 韩月秋 陶然,基于改进鲁棒自联想神经网络的传感器故障诊断新方法,仪器仪表学报,1999 ,20 (2) :170～172