智能传感器的应用及发展方向

智能传感器的概念最早由NASA在航天器研发过程中提出，并于1979年成为产品。航天器上需要大量的传感器，不断向其上的处理器发送温度、位置、速度和姿态等数据信息。地面或航天器上。 即使使用大型计算机，也很难同时处理如此庞大的数据。 更重要的是，航天器限制了计算机的尺寸和重量，因此引入了用于分布式处理的智能传感器的概念。 其思路是赋予传感器智能处理功能，以分担中央处理器的集中处理功能。 同时，为了减少智能处理器的数量，通常不是一个传感器而是多个传感器系统配备一个处理器，并且系统处理器配备网络接口。

智能传感器的定义和作用

目前，智能传感器还没有标准化的科学定义。 总结众多学者的观点，笔者认为智能传感器应该通过模仿人类的感官和大脑功能来定义。 本质上，它应该定义为基于人工智能理论，利用微处理器实现智能处理功能的传感器。

智能传感器不仅具有视觉、触觉、听觉、嗅觉、味觉功能，还应具有记忆、学习、思维、推理、判断等“大脑”能力。 前者是由传统传感器完成的。 这里传统传感器的功能结构包括敏感元件、调理电路和模数转换器(ADC)。 敏感元件将描述客观物体和环境的状态或特性的物理量转换为电路元件参数或状态参数，调理电路将电路参数转换。 转换为电压信号并进行归一化以满足 ADC 动态范围的要求。 智能处理器应该对ADC输出的数字信号进行智能处理。 主要智能处理功能如下：

1）自我补偿功能

基于给定的传统传感器和环境条件的先验知识，处理器利用数字计算方法自动补偿传统传感器硬件线性、非线性和漂移以及环境因素造成的信号失真，以最佳方式恢复测量信号。 该计算方法通过软件实现，达到软件弥补硬件缺陷的目的。

2）自计算和处理功能

根据给定的间接测量和组合测量数学模型，智能处理器可以利用补偿后的数据计算出无法直接测量的物理量的值。 使用给定的统计模型，可以计算被测群体的统计特性和参数。 使用已知的电子表格，处理器可以重新校准传感器特性。

3）自学习和自适应功能

传感器学习测量的样本值，处理器利用近似公式和迭代算法来识别新的测量值，即具有重新学习的能力。 同时，通过学习测量量和影响量，处理器使用判断标准自适应地重建结构并重置参数。 例如，自选量程、自选通道、自动触发、自动滤波器切换和自动温度补偿等。

4）自诊断功能

由于内部和外部因素的影响，传感器性能会下降或失效，分别称为软故障和硬故障。 处理器利用补偿后的状态数据，通过电子故障字典或相关算法来预测、检测和定位故障。

5) 其他常用功能包括用于数据交换的通信接口功能、数字和模拟输出功能以及使用备用电源的断电保护功能。

智能传感器的应用及方向

智能传感器已广泛应用于航天、航空、国防、科技、工农业生产等各个领域。 例如，它在机器人领域具有广阔的应用前景。 智能传感器使机器人具有类似人类的面部特征和大脑功能，能够感知各种现象并完成各种动作。 在工业生产中，某些产品质量指标（如粘度、硬度、表面光洁度、成分、颜色和味道等）无法利用传统传感器快速、直接在线测量和控制。 智能传感器可用于直接测量生产过程中与产品质量指标功能相关的某些量（如温度、压力、流量等）。 利用神经网络或专家系统技术建立的数学模型可用于计算和推断产品质量。 的质量。 在医疗领域，糖尿病患者需要跟踪自己的血糖水平，以便调整饮食并注射胰岛素以预防其他并发症。 通常测量血糖时，必须刺破手指采血，然后将血样放在血糖试纸上，最后将试纸放在电子血糖仪上进行测量。 这是一种麻烦且痛苦的方法。 美国Cygnus公司生产了一款“葡萄糖手表”，外观与普通手表无异。 佩戴它可以进行无痛、无血、连续的血糖测试。 “血糖表”有一个涂有试剂的垫子。 当垫与皮肤接触时，葡萄糖分子被吸附到垫上并与试剂发生电化学反应，产生电流。 传感器测量电流，处理器计算与电流对应的血糖浓度并以数字方式显示。

虚拟化、网络化和信息融合技术是智能传感器发展和完善的三个主要方向。 虚拟化是利用通用硬件平台，充分利用软件来实现智能传感器的特定硬件功能。 虚拟化传感器可以缩短产品开发周期、降低成本并提高可靠性。 网络智能传感器是由使用各种总线的多个传感器组成的系统，并配备带有网络接口（LAN或互联网）的微处理器。 传感器之间、传感器与执行器之间、传感器与系统之间的数据交换和共享可以通过系统和网络处理器来实现。 多传感器信息融合是将经过智能处理的多传感器信息在要素级、特征级和决策级进行组合，形成被测对象更加准确的特征和参数。