第9章傳感器應用

第9章傳感器應用第一頁，共25頁。要求熟悉并理解幾種常用的傳感器應用系統(tǒng)的組成、工作原理和工作方式，如環(huán)境檢測系統(tǒng)、位移監(jiān)測系統(tǒng)、視頻監(jiān)測系統(tǒng)以及水質(zhì)監(jiān)測系統(tǒng)等第二頁，共25頁。目錄9.1基于無線傳感器網(wǎng)絡協(xié)同智能交通系統(tǒng)9.2建筑物健康監(jiān)測無線傳感器網(wǎng)絡系統(tǒng)及信息化處理技術(shù)9.3基于RVM的多功能自確認水質(zhì)檢測傳感器第三頁，共25頁。傳感器是一種檢測裝置，能感受到被測量的信息，并能將檢測感受到的信息，按一定規(guī)律變換成為電信號或其他所需形式的信息輸出，以滿足信息的傳輸、處理、存儲、顯示、記錄和控制等要求。它是實現(xiàn)自動檢測和自動控制的首要環(huán)節(jié)。傳感器的應用領(lǐng)域非常廣泛包括機械制造，汽車電子產(chǎn)業(yè)，通信技術(shù)，消費電子等領(lǐng)域第四頁，共25頁。9.1基于無線傳感器網(wǎng)絡協(xié)同智能交通系統(tǒng)數(shù)據(jù)融合技術(shù)在體城醫(yī)學無線傳感器網(wǎng)絡中的應用協(xié)同信息處理技術(shù)在智能交通車車無線通信中的應用協(xié)同信息處理技術(shù)在智能交通車路無線通信中的應用第五頁，共25頁。無線傳感器網(wǎng)絡協(xié)同智能交通系統(tǒng)(intelligenttransportationsystem,ITS)是利用無線網(wǎng)絡技術(shù)，實現(xiàn)安全、有效、舒適、環(huán)境友好的交通管理，通過協(xié)調(diào)與交通相關(guān)要素如駕駛員、道路、環(huán)境等的關(guān)系，達到管理調(diào)度的目的。無線網(wǎng)絡協(xié)同ITS就是利用傳感技術(shù)、信息處理技術(shù)、無線通信技術(shù)實現(xiàn)分層次的交通相關(guān)信息采集和協(xié)同管理。信息采集：第六頁，共25頁。9.1.1數(shù)據(jù)融合技術(shù)在體城醫(yī)學無線傳感器網(wǎng)絡中的應用由于疲勞駕駛而導致的特大交通事故占有很大比例，疲勞駕駛不但會影響司機的視覺、反應和判斷能力，而且影響司機的警覺性和對問題的處理能力。特別是由于疲勞而產(chǎn)生的短暫“偽睡眠”期增多，這是交通事故發(fā)生的重要誘因。采用布置在駕駛員身上的體域醫(yī)學無線傳感器，可以有效監(jiān)測駕駛員的生理狀態(tài)。疲勞狀態(tài)監(jiān)測參數(shù)主要包括腦電圖(electroencephalogram,EEG)、心電圖(electrocardiagram，EKG)和肌電圖(electromyography，EMI)等。腦電圖是反應疲勞的重要指標，澳大利亞科學家的實驗分析了駕駛員在清醒、接近疲勞、疲勞、極度疲勞和從疲勞驚醒5個不同階段變化的特點。心電圖也是判斷駕駛員疲勞的一項指標，包括心率指標和心率變異指標。圖9-1無線傳感器體域網(wǎng)的系統(tǒng)框圖第七頁，共25頁。9.1.2協(xié)同信息處理技術(shù)在智能交通車車無線通信中的應用車輛之車輛之間（car-to-car)的通信是實現(xiàn)安全、高效的協(xié)同智能交通運輸系統(tǒng)的重要發(fā)展趨勢，是國際上最近一個非常熱門的研究方向。安全高效舒適的協(xié)同智能交通目標：要實現(xiàn)信息的共享，一部車輛可向其他車輛主動咨詢所需的信息，當前方有緊急事件發(fā)生時，車輛彼此間也可迅速交換信息。嵌入在汽車發(fā)動機和其他地方的傳感器能夠用來交換信息，可以與車本身的計算機信息交互，為診斷發(fā)動機與裝備了復雜計算機和通信能力的車或路邊設施通信，促進車輛的定期維修，減少故障發(fā)生率。第八頁，共25頁。9.1.2協(xié)同信息處理技術(shù)在智能交通車車無線通信中的應用車車通信的網(wǎng)絡的特點:

車輛間有所謂的相對速度。在相對速度較高的情況下，這時的網(wǎng)絡拓撲難以管理。車輛間使用的是短距離通信時，傳輸半徑較短，使得車輛在較高的相對速度移動情況下，事先找好的路徑可能已經(jīng)失效，必須在尋找新的路徑，整體網(wǎng)絡性能將變差。道路上的車輛并非均勻分布，網(wǎng)絡拓撲可能被分成好幾部分。近距離內(nèi)的車輛可以相互通信，某些車輛因為距離遙遠、傳輸范圍等限制而無法直接通信。車車通信網(wǎng)絡規(guī)模較大，網(wǎng)絡密度多變。離峰時段，道路上的車輛可能寥寥可數(shù)，但是一到尖峰時段，道路上發(fā)生塞車的情況。對于以上多變的情況，充分發(fā)揮著車車網(wǎng)絡之間的協(xié)同信息處理能力，可實現(xiàn)動態(tài)的網(wǎng)絡組簇，整個網(wǎng)內(nèi)的信息處理能力和交互能力尤為重要，保證了車與車之間的行駛安全。第九頁，共25頁。9.1.3協(xié)同信息處理技術(shù)在智能交通車路無線通信中的應用當車車通信由于距離較遠無法實現(xiàn)時，車輛可以通過路邊的接入設備或基站連接到服務器，構(gòu)成龐大的無線和有線互連網(wǎng)絡，車輛與路邊交通設施之間(car-to-infrastructrue)的實時通信，便顯得尤為關(guān)鍵。在路邊的設施通常由一些功能模塊組成，如道路設施的信息獲取敏感器件、裝載在車輛上的敏感系統(tǒng)、報警系統(tǒng)、數(shù)據(jù)處理和融合單元以及地理信息系統(tǒng)等。路邊設施功能模塊：第十頁，共25頁。9.1.3協(xié)同信息處理技術(shù)在智能交通車路無線通信中的應用路邊單元是沿著馬路或高速公路在指定或?qū)Ｓ玫墓潭ㄔO備。為了滿足短距離無線通信的需要，路邊的設置包括無線技術(shù)的網(wǎng)絡裝置，同時含有可以獲取車輛的速度等相關(guān)信息的敏感系統(tǒng)。路邊的通信單元的主要功能：車載單元是一個短距離無線收發(fā)系統(tǒng)，可以嵌入在汽車里或作為便攜系統(tǒng)安裝在汽車上。車載單元將提供車輛與路邊交通設施的通信功能和車輛間的通信車載單元、應用處理系統(tǒng)、人機交互接口和GPS構(gòu)成車載系統(tǒng)。車路組成的無線網(wǎng)絡內(nèi)的速度信息、位置信息等需要做數(shù)據(jù)融合和處理，協(xié)同完成信息的交互，最終綜合決策是否給出一定預警信息，來保證行車安全。第十一頁，共25頁。9.2建筑結(jié)構(gòu)WSN健康監(jiān)測系統(tǒng)及信息處理技術(shù)建筑物無線傳感器健康監(jiān)測概述信息處理技術(shù)在無線傳感器健康監(jiān)測網(wǎng)絡中的應用第十二頁，共25頁。9.2.1建筑物無線傳感器健康監(jiān)測概述任何建筑物都有一定的使用周期，建筑物的安全性會隨著使用時間的增加逐漸惡化。周期性的監(jiān)測能夠提供建筑物的健康程度信息，對險情及時報警，從而減少一些不必要的人員、財產(chǎn)損失。傳統(tǒng)有線監(jiān)測系統(tǒng)存在缺點:首先是成本高，系統(tǒng)使用的光纜和專用傳感器價格昂貴；其次是可靠性差，光纜會隨著使用時間的延長逐漸老化，在強風、地震等惡劣氣候的影響下，線路很容易遭到破壞而不能進行可靠的數(shù)據(jù)傳輸。智能建筑監(jiān)測上的應用構(gòu)建無線傳感器網(wǎng)絡監(jiān)測系統(tǒng)需要考慮以下一些技術(shù)性的問題：第十三頁，共25頁。9.2.2信息處理技術(shù)在無線傳感器健康監(jiān)測網(wǎng)絡中的應用斯坦福大學的研究人員提出一個基于分簇結(jié)構(gòu)的兩層無線傳感器網(wǎng)絡監(jiān)測系統(tǒng)。為了節(jié)省數(shù)據(jù)傳輸過程中的所消耗的能量，網(wǎng)絡可以根據(jù)節(jié)點間距離的遠近劃分成簇，每個簇由相互靠近的傳感器節(jié)點組成。簇首作為本地站點控制者（LSM）沒有能量的限制，它負責協(xié)調(diào)和收集簇內(nèi)節(jié)點的監(jiān)測數(shù)據(jù)監(jiān)測系統(tǒng)的通信網(wǎng)絡由兩層子系統(tǒng)構(gòu)成:底層子系統(tǒng)由低數(shù)據(jù)率、低傳輸范圍和能量受限的傳感器節(jié)點組成，上層子系統(tǒng)由高數(shù)據(jù)率、大傳輸范圍和沒有能量受限的簇首節(jié)點組成。在系統(tǒng)監(jiān)測過程中，底層傳感器節(jié)點將收集到的數(shù)據(jù)傳送給上層相應的簇首，簇首對數(shù)據(jù)進行簡單的融合可以直接傳送給監(jiān)測中心進行處理，也可傳送給其他簇頭進行再次融合后傳送給監(jiān)測中心。第十四頁，共25頁。9.2.2信息處理技術(shù)在無線傳感器健康監(jiān)測網(wǎng)絡中的應用底層傳感器節(jié)點由節(jié)點控制器、無線收發(fā)器、靜態(tài)存儲器、低靈敏度的加速度計、內(nèi)含高靈敏度加速度計的傳感器模塊和高分辨率、低速AD轉(zhuǎn)換器等構(gòu)成。節(jié)點中使用了兩種類型的加速度計是為了實現(xiàn)兩種情況的監(jiān)測，即極端事件(地震)監(jiān)測和長期監(jiān)測。為了盡可能地降低能量損耗來延長整個系統(tǒng)的生存時間，節(jié)點存在四種操作狀態(tài):睡眠狀態(tài)：無線收發(fā)器和傳感器模塊都處于休眠狀態(tài)，控制器和加速度計周期性接通電源以便監(jiān)測可能發(fā)生的極端事件。更新狀態(tài)：傳感器模塊處于休眠狀態(tài)，控制器和無線電收發(fā)器被打開，加速度計則仍然是周期性接通電源模式。狀態(tài)的更新由簇首和控制器之間的通信過程實現(xiàn)。半喚醒狀態(tài)：無線收發(fā)器休眠，傳感器模塊、加速度計模塊和控制器都處于打開狀態(tài)，該狀態(tài)下沒有數(shù)據(jù)發(fā)送，但是有加速度計的采樣輸出行為。喚醒狀態(tài)：無線電收發(fā)器、傳感器模塊、加速度計和控制器都處于打開狀態(tài)，此時傳感器輸出采樣數(shù)據(jù)并利用無線收發(fā)器接收和傳輸數(shù)據(jù)。第十五頁，共25頁。9.2.2信息處理技術(shù)在無線傳感器健康監(jiān)測網(wǎng)絡中的應用簇首節(jié)點主要包括兩個無線收發(fā)器和一個簇首控制器。其中一個無線收發(fā)器工作在915MHz,用來和簇內(nèi)的傳感器節(jié)點通信;另外一個無線收發(fā)器工作在2.4GHz,用來和相鄰的簇首節(jié)點或監(jiān)測中心通信。無線建筑監(jiān)測系統(tǒng)兩種主要監(jiān)測情況:極端事件監(jiān)測：當建筑物的加速度超過閾值大約5mg時，就認為發(fā)生了極端事件。極端事件發(fā)生后，如果加速度值在一個閾值時間間隔內(nèi)返回到閾值以下，就認為極端事件結(jié)束。當傳感器探測到某個極端事件發(fā)生時，它就進人了激活狀態(tài)。長期的監(jiān)測：監(jiān)測中心采用時間調(diào)度來記錄周圍環(huán)境震動信息發(fā)生的時間。調(diào)度表根據(jù)所期望或已存在的環(huán)境條件被制定后傳送給網(wǎng)絡中的簇首。第十六頁，共25頁。9.3基于RVM的多功能自確認水質(zhì)檢測傳感器RVM原理介紹基于RVM的傳感器故障診斷和數(shù)據(jù)恢復第十七頁，共25頁。目前，世界水環(huán)境保護面臨著水資源短缺和污染嚴重的問題，水質(zhì)檢測工作越來越受到人們的重視。水質(zhì)檢測傳感器是水質(zhì)檢測設備信息獲取的源頭，其檢測精度、可靠性等指標直接影響水質(zhì)檢測的結(jié)果。水質(zhì)檢測一般需要對多個參數(shù)進行同時測量。水質(zhì)檢測設備使用的傳感器大都是針對每種參數(shù)使用一種對應的傳感器，例如上海雷磁儀器廠研制的SJG-704型水質(zhì)檢測儀，能夠同時在線式pH、溶解氧、濁度、電導率和溫度五項參數(shù)，它使用了五種對應的傳感器。國外對水質(zhì)檢測傳感器的研究較為深入，研究出了能夠同時檢測多個參數(shù)的多功能水質(zhì)檢測傳感器，如澳大利亞高原公司生產(chǎn)的CS304系列能夠同時測量電導率、溫度、溶解氧、pH四種參數(shù)，另外德國、美國等也有類似的產(chǎn)品。這些多功能傳感器雖然能同時測量多個參數(shù)，但仍然無法對傳感器本身的工作狀態(tài)進行自確認。第十八頁，共25頁。9.3.1RVM原理介紹RVM是一種基于貝葉斯概率學習模型的有監(jiān)督小樣本學習理論。在貝葉斯框架下，利用自相關(guān)判定理論移除不相關(guān)的點，獲得稀疏化模型。與SVM相比，它克服了核函數(shù)必須滿足Mercer條件的缺點，同時由于對解的稀疏性要求較高，因此在保證精度的同時，縮短了運算時間，適用于對實時性要求較高的多功能自確認水質(zhì)檢測傳感器的故障診斷與數(shù)據(jù)恢復。第十九頁，共25頁。9.3.1基于RVM的傳感器故障診斷和數(shù)據(jù)恢復傳感器故障模式分析是進行故障診斷和數(shù)據(jù)恢復的前提，首先根據(jù)傳感器工作原理，結(jié)合實測數(shù)據(jù)，對多功能水質(zhì)檢測傳感器的常見故障進行了分析，在此基礎上研究了基于RVM的傳感器故障診斷和數(shù)據(jù)恢復算法。傳感器兩種故障分析方法：傳感器故障模式分析基于RVM的傳感器故障診斷算法基于RVM的數(shù)據(jù)恢復方法第二十頁，共25頁。9.3.1基于RVM的傳感器故障診斷和數(shù)據(jù)恢復多功能自確認水質(zhì)檢測傳感器常見的故障主要有：測溫電阻開路故障。pH電極常值輸出。pH電極顯著突變。鹽度測量電極極化。1.傳感器故障模式分析第二十一頁，共25頁。9.3.1基于RVM的傳感器故障診斷和數(shù)據(jù)恢復基于RVM的傳感器故障診斷算法實質(zhì)上是將多功能自確認水質(zhì)檢測傳感器的各種故障模式進行編碼，利用已知故障模式的數(shù)據(jù)集訓練RVM多分類機，實際應用時，將實時測量數(shù)據(jù)輸入RVM多分類機進行分類，確定故障類型。這樣就將故障診斷的問題轉(zhuǎn)化為了多分類問題。2.基于RVM的傳感器故障診斷算法VM二分類機層次擴展來構(gòu)建RVM多分類機具體步驟：

(1)利用正常狀態(tài)下的數(shù)據(jù)和各種故障狀態(tài)下的數(shù)據(jù)訓練基于RVM的多分類機。首先將正常模式和各種故障模式作為兩類訓練，然后將各種故障層次分解進行訓練得到完整的故障診斷分類機。如有新的故障模式出現(xiàn)，需要重新訓練分類機。基于RVM二分類機的訓練過程如下:①將兩類樣本數(shù)據(jù)標準化，消除量綱的影響。②將兩類樣本分別編碼為0、1，作為目標向量。③利用核函數(shù)將標準化數(shù)據(jù)映射到特征空間，進行超參數(shù)更新，計算得到A。④計算ωMP⑤計算分類目標值，完成分類。（2）在線故障診斷時，將實測數(shù)據(jù)輸入步驟(1)得到的故障診斷分類機，如果出現(xiàn)故障則進行數(shù)據(jù)恢復。第二十二頁，共25頁。9.3.1基于RVM的傳感器故障診斷和數(shù)據(jù)恢復2.基于RVM的傳感器故障診斷算法圖9-2基于RVM的故障診斷方法第二十三頁，共25頁。9.3.1基于RVM的傳感器故障診斷和數(shù)據(jù)恢復3.基于RVM的數(shù)據(jù)恢復算法當傳感器發(fā)生故障時，應充分利用多個參數(shù)之間的相關(guān)險，利用正常輸出的測量參數(shù)對故障部分進行數(shù)據(jù)恢復，例如，溫度、鹽度、pH之間都存在相關(guān)性，具備實現(xiàn)數(shù)據(jù)恢復的基本條件。基于RVM的數(shù)據(jù)恢復算法具體步驟如下:(1)利用正常數(shù)據(jù)建立基于RVM的回歸分析模型。以pH、溫度與鹽度的關(guān)系為例，介紹建模過程：①以pH、溫度測量值作為輸入集xN*2,N為采樣點數(shù)，鹽度測量值作為目標集{tn}Nn=1，組成數(shù)據(jù)訓練集，并對數(shù)據(jù)進行標準化處理，消