智能传感器系统 第7章 智能技术在传感器系统中的应用

第7章智能技术在传感器系统中的应用目录第1章概述第2章智能传感器系统中经典传感技术基础第3章不同集成度智能传感器系统介绍×第4章智能传感器的集成技术第5章智能传感器系统智能化功能的实现方法第6章通信功能与总线接口第7章智能技术在传感器系统中的应用第8章智能传感器系统的设计与应用×第9章无线传感器网络技术概述第7章智能技术在传感器系统中的应用第7章智能技术在传感器系统中的应用要点：智能模糊传感器；人工神经网络在智能传感器中的应用。第7章智能技术在传感器系统中的应用模糊传感器就是采用模糊集合理论方法，来实现测量的数值结果转换为人类语言的符号来表示。其核心部分是将测量结果的数值表示转换为用人类语言符号表示的单元模块，亦即数值——符号转换器。介绍模糊传感器的起源：专业化→通俗化；数值化→符号化；简单化→智能化。§7.1智能模糊传感器第7章智能技术在传感器系统中的应用§7.1.1基础知识测量结果“符号化表示”的概念1、测量的概念：以确定被测量值为目的的一组操作，亦或是将被测量与标准量进行比较的过程。2、测量领域的不断扩大和深化；被测对象的多维性和问题的复杂性；信息难以进行定量描述；信息存储等方面的问题，仅用数值符号来描述测量结果是不够的。3、符号化表示的优点：＊信息量紧凑，存储量少；＊无需建立精确模型；＊允许数值测量有较大的非线性和较低的精度；＊可以进行推理、学习、并可以将人类经验、专家知识与智能事先集成，易于理解。第7章智能技术在传感器系统中的应用4、在数学中描述量与量之间的关系有三条途径：1）经典的数学分析和集合论，它是描述与度量“确定性”量的数学方法。2）概率论与数理统计，它是研究事先不能判定其发生与否的“随机性”事件，但事件本身的含义仍是分明的。3）模糊数学，它是用数学的方法来描述和研究具有“模糊性”事物的数学，用于解决本身概念都尚不分明的事物，并定量的研究这些客观存在的模糊现象。符号测量系统——符号传感器系统1、符号测量系统的基本概念与组成1）可以处理和实现数值测量和符号测量的测量系统，称为符号测量系统。被测对象数值测量单元数值－符号转换单元被测量数字量符号输出数值输出第7章智能技术在传感器系统中的应用2）基本构成：由两大部分组成a）传统的数值测量系统；b）数值——符号转换单元。2、三种符号系统1）数值符号系统被测对象的有关物理参量向数值域的转换或称映射，这就称作用符号表示的传统的测量系统。12qq12xx12μ1μF1FNqY111,,,,,qNQqNRRF第7章智能技术在传感器系统中的应用a）b）c）：映射关系；表示对象域向数值域映射的某种关系。d）之间的关系e）之间的关系f）：到关系的映射；构成了数值符号系统的关系概念。2）语言符号系统完成由数值域向伪语言符号域的转换或称映射。本身构成数值——符号转换器，由软件实现。12{,,}kqqqq12{,,}kNxxx11:qN1()iixq，12:,,qkRqqq12:,,NkRxxx1FqRNR1:qNFRR1()NqRFR，1F第7章智能技术在传感器系统中的应用a）b）c）μ：映射关系，数值域→语言域d）之间的关系e）之间的关系f）：到的映射关系；构成了语言符号系统的关系概念。3）人类自然语言符号系统直接将现实世界与自然语言符号域相对应。亦即：,,,,,NYQNYRRF12{,,}kNxxx12{,,}jY:NY()jix，12:,,NkRxxx12:,,YjRFNRYR:NYFRR()YNRFR，；F':qYFRR第7章智能技术在传感器系统中的应用3、模糊传感器的基本概念采用模糊集合理论方法来构成数值——符号转换单元，以实现测量的数值结果转换为人类自然语言符号表示的符号测量系统，称为模糊传感器。模糊集合理论简介模糊集合是精确集合的推广和扩充，不能简单判定“是”与“不是”。精确集合的概念：一个对象要么符合该概念（属于），要么不属于该集合。1、模糊集合（经典集合）一个对象组成的论域：，或称所有元素的集合，从U到闭区间[0,1]有映射，则称确定了U的一个模糊集合A，而称为模糊集合A的隶属函数。称为论域U中元素x隶属于模糊集合A的程度，简称x对A的隶属度。12{,,}nUxxx:[0,1]AUAA()Ax第7章智能技术在传感器系统中的应用，隶属度高；，隶属程度低。精确集合是模糊集合的特殊形式。2、确定隶属函数的方法模糊子集完全由其隶属函数所描述。进行模糊识别首先要获取识别信息，而模糊识别信息可借助于隶属函数获得。因此确定隶属函数是一项基本而又非常重要的工作。1）隶属函数的确定方法（也叫原则）a）通过模糊统计来确定；b）采用二元对比排序法；c）借用常见的模糊分布来确定；d）利用动态信号处理的结果，经过适当转换得到隶属函数，如机械运动系统的状态；e）通过神经网络模型来学习和获取隶属函数；()1Ax()0Ax第7章智能技术在传感器系统中的应用f）主观认识、个人经验、人为评分等。2）几种常见的隶属函数及其曲线设论域为实数域U，若A为U上的模糊子集，则又称为A的模糊分布，简记为。a）戒上型（偏小型）适用于x很小的隶属函数，论域x均取正值。b）戒下型（偏大型）（下图）适用于x较大时的隶属函数，论域x均取正值。1μx()x()Ax第7章智能技术在传感器系统中的应用1μxc）中间对称型函数形式除了书上讲的三种，还有：01μxx0第7章智能技术在传感器系统中的应用尖Γ分布：哥西分布：α0,β为正偶数，书中讲的柯西型，有的书上称为正态分布。()(),(),kxakxaexaxexa1aμx1ak1ak11()()xax1axμ(x)第7章智能技术在传感器系统中的应用岭型分布：122112212112122211111222220,sin(),1,()sin(),0,aaaaaaaaxaxaxaaxaxxaxaxaμ(x)x-a2a2a1-a10第7章智能技术在传感器系统中的应用3、模糊算子两个模糊集合A、B之间在[0,1]闭区间中的二元运算。它的运算规则与我们以前学的集合的运算概念相一致。它的运算结果最大为1，最小为0。其中模糊积就是它们的数值积：4、含义映射与描述映射1）含义映射，亦即语言域Y上的任意一个元素α，它的原像可用表示，且等于数值域上的x，也就是说值x是语言α的含义值。2）描述映射，亦即数值域N上的任意一个元素x，它的像可用表示，且等于符号域上的α，就是说语言α是数值x的描述。()()()()ABABxxxx()()lx():()YPN()()lx:()lNPY()lx第7章智能技术在传感器系统中的应用5、模糊语义和模糊描述与上述概念相对应。1）模糊语义，语言值的模糊语义是上的模糊子集的映射。：语言值α的模糊语义为x。2）模糊描述：，数值量的模糊描述是的模糊子集的映射。，数值量x的模糊描述为a。3）模糊关系模糊关系R是指模糊语义和模糊描述之间的关系，它的隶属函数为：在语言域Y中给定一个语言量α，模糊关系R就在数值域N中确定一个模糊:()YFNYN()FN()x:()lNFYNY()FY()lx():[0,1],()(,)RRYNxx。第7章智能技术在传感器系统中的应用子集，则任意一个属于数值域N中的数值量x属于模糊子集的程度由模糊关系隶属函数给定。举例说明：一个汽车系统，语言域Y描述为：汽车系统故障，其中一个语言量为发动机故障，对应的数值域N的模糊子集有：气缸温度、气缸磨损度、活塞外径、气缸内径，。对于喷油嘴的喷油量引起发动机故障的概率或者说程度即为。同样，在数值域N中也一样。有些概念性的东西，理解起来比较费劲，关键是要仔细体会。例如：一个人的血压高，原因有：缺乏锻炼、饮食不好、遗传、工作环境的影响等等。同样饮食不好，可能会引起：血压高、血脂高、身体过胖、糖尿病等等。那么在有些时候要确定一个最主要的因素和结果。()()()x(,)Rx()()()x()第7章智能技术在传感器系统中的应用6、基本符号测量分度和模糊分度1）符号测量分度目的：建立合适的与定量测量一致的符号化测量形式。a）标称分度表达了被测对象域α和符号域Y的相等关系：如果对象域上的两个元素相等，则它们的像——测量结果，也相等。即：如果两个人的身高相等均为1.85m，则他们都属于：高的范围。b）顺序分度（如：不同产家的同一类产品的质量判定）表达了集合α和Y上相对应的顺序关系：1212~()()Yqqqq1212()()Yqqqq第7章智能技术在传感器系统中的应用对象域上的顺序关系应与映射到符号域上的保持一致。c）线性分度表达了在对象域α和符号域Y上的一个相等关系和一个相加运算：d）映射关系与变换法则：被测对象域α和符号域之间的映射关系μ不是唯一的，它可以通过变换法则F变为。变换法则F的有效性：要保持其测量分度的类型的有效性不变。标称分度的允许变换法则是任意一个一一映射；顺序分度的允许变换法则是任意一个单调增映射；线性分度的允许变换法则是,α0,β0。1212~()()Yqqqq123123~()()()YYqqqqqq'()F'()F第7章智能技术在传感器系统中的应用符号测量分度表达的是由被测对象域（亦即数值域）向符号域推导的过程。2）模糊分度目的：从语言信息中推导出有意义的描述。a）模糊对称分度符号域Y中的两元素a和b:Y上的模糊子集；:N上的模糊子集；对于关系式：的举例说明：两个人身高均为1.85，它们均为Y域上“高”，但是两个人在Y域上的“高”，并不能说明两个人的身高相等，也可能有差别。也就是上式没有()()()(),,()lxlxababxNlx()()()(),,()ababxxxNa()(')()(')()(),lxlxlxlxaaaY()()Yxxlxlx第7章智能技术在传感器系统中的应用可逆的关系存在。b）模糊顺序分度的解释：假定是一个在之间的实数值，则其隶属函数为：()(,()]()(),YababxxxN(,()][(),)()1()bbxx[(),)()()inf{1()|}bbxyxy()b(,)xμτ(b)(x)1τ(b)第7章智能技术在传感器系统中的应用距离概念的解释：两个集合：A、Ba）最远距离；b）最近距离；c）平均距离（中心距离）；d）加权线性距离；欧几里得距离；Minkowsky距离；极小极大化距离。贴近度的概念：用距离来度量模糊度，在离散情况下需要求和，在连续情况下需要求积分，当论域元素很多，计算较困难，为此引入贴近度的概念；有几种不同的定义贴近度的算法。第7章智能技术在传感器系统中的应用§7.1.2模糊传感器的功能及结构模糊传感器的功能一方面具有智能传感器的一般特点和功能，另一方面有自己的独特功能。1、学习功能主要综合利用已有的知识、经验，并达到拟人化表达的效果；功能本身的需要。学习方法：指导学习和自学习。效果：自拟定检测方案（相关被测量的选择），相当于一个专家系统。2、推理功能基于知识库和模糊推理规则实现对传感器信息的综合处理。（基于模糊逻辑方法处理由模糊性引起的不精确推理称为模糊逻辑推理。）第7章智能技术在传感器系统中的应用3、感知功能指模糊传感器感知敏感元件确定的被测量，输出易于人类理解和掌握的自然语言符号量。4、通信功能内部信息交换；外部信息交换。总之，模糊传感器相当于一个不断学习的学生。模糊传感器的结构1、基本逻辑结构参见下图，其各主要框图的功能及作用，书中已讲得比较简明，结合我们以前介绍给大家的故障诊断技术中的专家系统，应该不难理解。其中的专家信号管理相当于知识