智能仪器原理及应用:第四章 智能仪器的基本数据处理算法_第1页
智能仪器原理及应用:第四章 智能仪器的基本数据处理算法_第2页
智能仪器原理及应用:第四章 智能仪器的基本数据处理算法_第3页
智能仪器原理及应用:第四章 智能仪器的基本数据处理算法_第4页
智能仪器原理及应用:第四章 智能仪器的基本数据处理算法_第5页
已阅读5页,还剩51页未读 继续免费阅读

下载本文档

版权说明:本文档由用户提供并上传,收益归属内容提供方,若内容存在侵权,请进行举报或认领

文档简介

1、第四章 智能仪器的基本数据处理算法,数据处理能力是智能仪器水平的标志,不能充分发挥软件作用,等同硬件化的数字式仪器.,测量精度和可靠性是仪器的重要指标,引入数据处理算法后,使许多原来靠硬件电路难以实现的信号处理问题得以解决,提高仪器的综合性能。,基本数据处理算法内容提要,克服随机误差的数字滤波算法 消除系统误差的算法、非线性校正 工程量的标度变换 诸如频谱估计、相关分析、复杂滤波等算法,阅读数字信号处理方面的文献。,第一节 克服随机误差的数字滤波算法,随机误差:由串入仪表的随机干扰、仪器内部器件噪声和A/D量化噪声等引起的,在相同条件下测量同一量时,其大小和符号无规则变化而无法预测,但在多次测

2、量中符合统计规律的误差。采用模拟滤波器是主要硬件方法。,数字滤波算法的优点,(1)数字滤波是一个计算过程,通常用软件实现,在实时性要求高的情况下用FPGA实现,因此可靠性高。无需模拟电路,不存在阻抗匹配、特性波动、非一致性等问题。 (2)只要适当改变数字滤波程序有关参数,就能方便的改变滤波特性,因此数字滤波使用时方便灵活。,第一节 克服随机误差的数字滤波算法,常用的数字滤波算法,一、克服大脉冲干扰的数字滤波法(非线性法) 1限幅滤波法 2中值滤波法 3基于拉依达准则的奇异数据滤波法 4. 基于中值数绝对偏差的决策滤波器 二、抑制小幅度高频噪声的平均滤波法 1算数平均; 2滑动平均; 3加权滑动

3、平均 三、复合滤波法,第一节 克服随机误差的数字滤波算法,一、克服大脉冲干扰的数字滤波法,克服由仪器外部环境偶然因素引起的突变性扰动或仪器内部不稳定引起误码等造成的大脉冲干扰,通常采用简单的非线性滤波法。 滤除脉冲干扰是仪器数据处理的第一步。,第一节 克服随机误差的数字滤波算法,1限幅滤波法,限幅滤波法(又称程序判别法、增量判别法)通过程序判断被测信号幅度的变化量,从而消除缓变信号中的尖脉冲干扰。 具体方法是,依赖已有的时域采样结果,将本次采样值与上次采样值进行比较,若它们的差值超出允许范围,则认为本次采样值受到了干扰,应予易除。,第一节 克服随机误差的数字滤波算法,a是相邻两个采样值的最大允

4、许增量,其数值可根据y的最大变化速率Vmax及采样间隔Ts确定, 即 a = Vmax Ts 实现本算法的关键是设定被测参量相邻两次采样值最大允许误差a.要求准确估计Vmax和采样间隔Ts。 适合对温度、压力等变化较慢测控系统,2中值滤波法,中值滤波是一种典型的非线性滤波器,它运算简单,在滤除脉冲干扰的同时可以很好地保护信号的细节信息。 对某一被测参数连续采样n次(一般n应为奇数),然后将这些采样值进行排序,选取中间值为本次采样值。 最适合单调变化信号中脉冲干扰滤除。 温度、液位等缓慢变化的信号中脉冲干扰滤除。,第一节 克服随机误差的数字滤波算法,设滤波器窗口的宽度为n=2k+1,离散时间信号

5、x(i)的长度为N,(i=1,2,N;Nn),则当窗口在信号序列上滑动时,一维中值滤波器的输出: medx(i)=x(k) 表示窗口2k+1内排序的第k个值,即排序后的中间值。,原始信号 中值滤波后的信号 对不同宽度脉冲滤波效果,第一节 克服随机误差的数字滤波算法,3基于拉依达准则的奇异数据滤波法 (剔除粗大误差),拉依达准则: 当测量次数N足够多且测量服从正态分布时,在各次测量值中,若某次测量值Xi所对应的剩余误差Vi3,则认为该Xi为坏值,予以剔除。,第一节 克服随机误差的数字滤波算法,拉依达准则法实施步骤,(1)求N次测量值X1至XN的算术平均值,(2)求各项的剩余误差Vi,(3)计算标

6、准偏差,(4)判断并剔除奇异项Vi3,则认为该Xi为坏值,予以剔除。,N,依据拉依达准则净化数据的局限性,L中的L值(L2,3,4,5)调整净化门限,L3,门限放宽,L3,门限紧缩。采用3准则净化采样数据有其局限性,有时甚至失效。 (1)该准则在样本值少于10个时不能判别任何奇异数据; (2)3准则是建立在正态分布的等精度重复测量基础上,而造成奇异数据的干扰或噪声难以满足正态分布。,第一节 克服随机误差的数字滤波算法,4. 基于中值数绝对偏差的决策滤波器,,,一个序列的中值对奇异数据的灵敏度远小于序列的平均值,用中值构造一个尺度序列,设xi(k) 中值为Z,则,(1)确定当前数据有效性的判别准

7、则,给出了每个数据点偏离参照值的尺度,第一节 克服随机误差的数字滤波算法,令d(k)的中值为d,著名的统计学家FR.Hampel提出并证明了中值数绝对偏差MAD1.4826*d,MAD可以代替标准偏差。对3法则的这一修正有时称为“Hampel标识符”。,4.基于中值数绝对偏差的决策滤波器,第一节 克服随机误差的数字滤波算法,(2) 基于L*MAD准则的滤波算法实现,建立移动数据窗口(宽度m) 计算出窗口序列的中值Z(排序法) 计算尺度序列 的中值d(排序法) 令 Q1.4826*d =MAD 计算 如果 则 否则,可以用窗口宽度m和门限L调整滤波器的特性。m影响滤波器的总一致性,m值至少为7。

8、门限参数L直接决定滤波器主动进取程度,本非线性滤波器具有比例不变性、因果性、算法快捷等特点,实时地完成数据净化。,二、抑制小幅度高频噪声的平均滤波法,小幅度高频电子噪声:电子器件热噪声A/D量化噪声等。 通常采用具有低通特性的线性滤波器: 算数平均滤波法 加权平均滤波法 滑动加权平均滤波法,第一节 克服随机误差的数字滤波算法,1算数平均滤波,N个连续采样值(分别为X1至XN)相加,然后取其算术平均值作为本次测量的滤波器输出值。即,滤波效果主要取决于采样次数N,N越大,滤波效果越好,但系统的灵敏度要下降。因此这种方法只适用于慢变信号。,Si为采样值中的信号,ni为随机误差。,2滑动平均滤波法,对

9、于采样速度较慢或要求数据更新率较高的系统,算术平均滤法无法使用。 将N个测量数据看成一个队列,每进行一次新的采样,把测量结果放入队尾,而去掉原来队首的一个数据,这样在队列中始终有N个“最新”的数据。,第一节 克服随机误差的数字滤波算法,为第n次采样经滤波后的输出; 为未经滤波的第ni次采样值; N为滑动平均点数。,平滑度高,灵敏度低;但对偶然出现的脉冲性干扰的抑制作用差。实际应用时,通过观察不同N值下滑动平均的输出响应来选取N值以便少占用计算机时间,又能达到最好的滤波效果。,增加新的采样数据在滑动平均中的比重,以提高系统对当前采样值的灵敏度,即对不同时刻的数据加以不同的权。通常越接近现时刻的数

10、据,权取得越大。,按FIR滤波设计 确定系数,3加权滑动平均滤波,第一节 克服随机误差的数字滤波算法,三、复合滤波法,在实际应用中,有时既要消除大幅度的脉冲干扰,有要做数据平滑。因此常把前面介绍的两种以上的方法结合起来使用,形成复合滤波。 去极值平均滤波算法: 连续采样N次,剔除其最大值和最小值,再求余下N2个采样的平均值。显然,这种方法既能抑制随机干扰,又能滤除明显的脉冲干扰。,第一节 克服随机误差的数字滤波算法,为使计算更方便,N2应为2,4,8,16常取N为4,6,8,10,,问题,1.试画出去极值加权平均复合滤波算法流程图; 2.测量的直流电压受到工频及其谐波干扰,如果用平均滤波算法,

11、怎样确定平均点数N和采样间隔TS ? 3.如果被测量是频率为f0正弦波,如果用FIR滤波算法滤除高频噪声,根据哪些条件设计滤波器系数?,第四章 智能仪器的基本数据处理算法,基本数据处理算法之二,减小系统误差的算法: 减小零位误差与增益误差的方法 复杂函数关系问题:如何建模、标准数据表 非理想系统动态特性误差修正 传感器的温度误差 工程量的标度变换:,第二节 减小系统误差的算法,系统误差: 是指在相同条件下多次测量同一量时,存在着其大小和符号保持不变或按一定规律变化的误差。,恒定系统误差:校验仪表时标准表存在的固有误差、仪表的基准误差等; 变化系统误差:仪表的零点(或基线)和放大倍数的漂移、温度

12、变化而引入的误差等; 系统非线性(非比例)误差:传感器及检测电路(如电桥)被测量与输出量之间的非比例关系; 线性系统动态特性误差:,第二节 减小系统误差的算法,一、仪器零位误差和增益误差的校正方法,由于传感器、测量电路、放大器等不可避免地存在温度漂移和时间漂移,所以会给仪器引入零位误差和增益误差。,需要输入增加一个多路开关电路和基准电压。开关的状态由计算机控制。,自动校正电路,测量过程: 先选定增益 把输入接地(即使输入为零),此时整个测量通道的输出即为零位输出N0(一般不为零) ; 再把输入接基准电压Vr测得数据Nr,并将N0和Nr存于内存; 然后输入接Vx,测得Nx,则测量结果可用下式计算

13、出来。,1.零位误差校正,2增益误差的自动校正,Vx =A1*Nx +A0 A1=Vr/(NrN0) A0=Vr N0/(N0Nr) 校正系数A1、A0 当通道是程控增益, 每个增益档有一组系数。,增益误差校正与零位误差校正过程相同,这种校正方法测得信号克服了放大器的漂移和增益变化的影响,降低了对电路器件的要求,达到与Vr等同的测量精度,但增加了测量时间,二、系统复杂关系建模算法,智能仪器采用软件算法:建模或查表 建立被测量与采集数据之间的关系,给出被测量,传统仪器的模拟表头或数字显示输出结果:,1反函数法,如果知道传感器或检测电路的非线性特性的解析式y = f(x),则就有可能利用基于此解析

14、式的校正函数(反函数)来进行非线性校正。,例:某测温用热敏电阻的阻值与温度之间的关系为 RT为热敏电阻在温度为T的阻值。,当温度在050之间: =1.4410-6 =4016K,2.建模方法之一:代数插值法,设有n+1组离散点:(x0, y0),(x1, y1),(xn, yn),xa,b和未知函数f(x),就是用n次多项式 去逼近f(x),使Pn(x)在节点xi处满足,系数an,a1,a0应满足方程组,要用已知的(xi, yi) (i = 0, 1, , n)去求解方程组,即可求得ai(i = 0, 1, , n),从而得到Pn(x)。此即为求出插值多项式的最基本的方法。 对于每一个信号的测

15、量数值xi就可近似地实时计算出被测量yi = f(xi)Pn(xi)。,线性插值(一阶)和抛物线(二阶)插值,(1).线性插值:从一组数据(xi, yi)中选取两个有代表性的点(x0, y0)和(x1, y1),然后根据插值原理,求出插值方程,Vi = | P1 (Xi)f (Xi) |, i = 1, 2, , n 1若在x的全部取值区间a, b上始终有Vi(为允许的校正误差),则直线方程P1(x) = a1x+a0就是理想的校正方程。,(2)抛物线插值(二阶插值) 在一组数据中选取(x0, y0),(x1, y1),(x2, y2)三点,相应的插值方程,y,以表4.1所列数据说明抛物线插值

16、的作用。节点选择(0,0),(10.15,250)和 (20.21,490)三点,可以验证,用此方程进行非线性较正,每点误差均不大于3,最大误差发生在130处,误差值为2.277,(3) 分段插值法: 这种方法是将曲线y = f (x) 分成N段,每段用一个插值多项式Pni (x)进行非线性校正(i=1, 2, N)。 等距节点分段插值和不等距节点分段插值两类。, 等距节点分段插值: 适用于非线性特性曲率变化不大的场合。分段数N及插值多项式的次数n均取决于非线性程度和仪器的精度要求。 非线性越严重或精度越高,则N取大些或n取大些,然后存入仪器的程序存储器中。实时测量时只要先用程序判断输入x(即

17、传感器输出数据)位于折线的哪一段,然后取出与该段对应的多项式系数并按此段的插值多项式计算Pni (x),就可求得到被测物理量的近似值。,3.建模方法之二:曲线拟合法,曲线拟合,就是通过实验获得有限对测试数据(xi, yi),利用这些数据来求取近似函数y= f ( x )。式中x为采集结果,y为被测物理量。与插值不同的是,曲线拟合并不要求y= f ( x )的曲线通过所有离散点(xi, yi),只要求y= f ( x )反映这些离散点的一般趋势,不出现局部波动。,最小二乘法连续函数拟合,自变量x与因变量y之间的单值非线性关系可以高次多项式来逼近 对于n个实验数据对(xi,yi)(i =1,2,n

18、),则可得如下n个方程,解即为aj(j = 0,m)的最佳估计值,拟合多项式的次数越高,拟合结果的精度也就越高,但计算量相应地也增加。若取m = 1,则被拟合的曲线为直线方程 y = a0 + a1x n个实验数据对(xi,yi)(i = 1,2,n),三、系统误差的标准数据表格校正法,当难以进行恰当的理论分析时,未必能建立合适的误差校正模型。但此时可以通过实验,即用实验手段获得校正数据,然后把校正数据以表格形式存入内存。实时测量中,通过查表来求得修正的测量结果。,实测值介于两个校正点之间时,若仅是直接查表,则只能按其最接近查找,这显然会引入一定的误差。 误差估计:设两校正点间的校正曲线为一直

19、线段,其斜率S=XY(注意,校正时Y是自变量,X是函数值),并设最大斜率为Sm,可能的最大误差为Xm=SmY,设Y的量程为Ym,校正时取等间隔的N个校正点,则Xm=SmY/N 。,四.测量(采集)通道 (非理想动态特性校正),理想线性特性 非理想特性对被测量信号的影响 如何校正 如何获得通道实际特性,五、传感器温度误差的校正方法,在高精度仪器仪表中,传感器的温度误差已成为提高仪器性能的严重障碍,对于环境温度变化较大的应用场合更是如此。,温度本身就是一个需要检测的量,或在传感器内靠近敏感元件处附加一个测温元件(二极管、热敏电阻)等。它们的某些特性随温度而变化,经测温电路、ADC后可转换为与温度有

20、关的数字量,设为。,y为未经温度校正的测量值;yc为经温度校正的测量值;为实际工作环境与标准温度之差;a0和a1为温度变化系数(a1用于校正由于温度变化引起的传感器零位漂移,a0用于校正由于温度变化引起的传感器标度的变化)。,温度误差数学模型的建立,可采用前面已介绍的代数插值法或曲线拟合法等。可采用如下较简单的温度误差校正模型:,第三节 标度变换,仪器采集的数据并不等于原来带有量纲的参数值,它仅仅对应于参数的大小,必须把它转换成带有量纲的数值后才能显示、打印输出和应用,这种转换就是工程量变换,又称标度变换。 例:测量机械压力时,当压力变化为0-100N时,压力传感器输出的电压为0-10mV,放大为0-5V后进行A/D转换,得到00H-FFH的数字量(假设也采用8位ADC)。,一、线性标度变换,若被测量的范围为A0Am A0对应的数字量为N0,Am对应的数字量为Nm,Ax对应的数字量为Nx;实际测量值为Ax; 假设包括传感器在内的整个数据采集系统是线性的,则标度变换公式为:,某智能温度测量仪采用8位ADC,测量范围为10100,仪器采样并经滤波和非线性校正后(即温度与数字量之间的关系已为线性)的数字量为28H。此时,式(4.32)中的A0=10,N0=0FH,Am=100,Nm=FFH=255,Nx=28H=40。 计算 AX,应用实例:,二、非线性参数

温馨提示

  • 1. 本站所有资源如无特殊说明,都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等,如果需要附件,请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸,网页内容里面会有图纸预览,若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间,仅对用户上传内容的表现方式做保护处理,对用户上传分享的文档内容本身不做任何修改或编辑,并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容,请与我们联系,我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

评论

0/150

提交评论