传感技术论文范文

引言：寻求写作上的突破？我们特意为您精选了4篇传感技术论文范文，希望这些范文能够成为您写作时的参考，帮助您的文章更加丰富和深入。

篇1

2.光纤传感器的类型及特点

光纤传感器的类型很多，按光纤传感器中光纤的作用可分为传感型和传光型两种类型。

传感型光纤传感器又称为功能型光纤传感器，主要使用单模光纤，光纤不仅起传光作用，同时又是敏感元件，它利用光纤本身的传输特性经被测物理量作用而发生变化的特点，使光波传导的属性(振幅、相位、频率、偏振)被调制。因此，这一类光纤传感器又分为光强调制型，偏振态调制型和波长调制型等几种。对于传感型光纤传感器，由于光纤本身是敏感元件，因此加长光纤的长度可以得到很高的灵敏度。

传光型光纤传感器又称非功能型光纤传感器，它是将经过被测对象所调制的光信号输入光纤后，通过在输出段进行光信号处理而进行测量的。在这类传感器中，光纤仅作为传光元件，必须附加能够对光纤所传递的光进行调治的敏感元件才能组成传感元件。

3.光纤传感器的应用

光纤传感器的应用范围很广，几乎涉及国民经济的所有重要领域和人们的日常生活，尤其可以安全有效地在恶劣环境中使用，解决了许多行业多年来一直存在的技术难题，具有很大的市场需求。主要表现在以下几个方面的应用:

(1)城市建设中桥梁、大坝、油田等的干涉陀螺仪和光栅压力传感器的应用。光纤传感器可预埋在混凝土、碳纤维增强塑料及各种复合材料中，用于测试应力松弛、施工应力和动荷载应力从而来评估桥梁短期、施工阶段和长期营运状态的结构性能。

(2)在电力系统，需要测定温度、电流等参数，如对高压变压器和大型电机的定子、转子内的温度检测等，由于电类传感器易受强电磁场的干扰，无法在这些场合中使用，只能用光纤传感器。分布式光纤温度传感器是近几年发展起来的一种用于实时测量空间温度场分布的高新技术，分布式光纤温度传感系统不仅具有普通光纤传感器的优点，还具有对光纤沿线各点的温度的分布式传感能力，利用这种特点我们可以连续实时测量光纤沿线几公里内各点的温度，定位精度可达米的量级，测温精度可达1度的水平，非常适用于大范围多点测温的应用场合。

(3)在石油化工系统、矿井、大型电厂等，需要检测氧气、碳氢化合物、CO等气体，采用电类传感器不但达不到要求的精度，更严重的是会引起安全事故。因此，研究和开发高性能的光纤气敏传感器，可以安全有效地实现上述检测。

(4)在环境监测、临床医学检测、食品安全检测等方面，由于其环境复杂，影响因素多，使用其它传感器达不到所需要的精度，并且易受外界因素的干扰，采用光纤传感器可以具有很强的抗干扰能力和较高的精度，可实现对上述各领域的生物量的快速、方便、准确地检测。目前，我国水源的污染情况严重，临床检验、食品安全检测手段比较落后，光纤传感器在这些领域具有极好的市场前景。

(5)医学及生物传感器。医学临床应用光纤辐射剂量计、呼吸系统气流传感系统;圆锥形微型FOS测量氧气浓度及其他生物参数;用FOS探测氢氧化物及其他化学污染物;光纤表面细胞质粒基因组共振生物传感器;生物适应FOS系统应用于海水监测、生化技术、医药。

光纤传感器在实践中运用到的例子举不胜举，这些技术都是多学科的综合，涵盖的知识面广，象光纤陀螺，火花塞光纤传感器，光纤传感复合材料，以及利用光纤传感器对植物叶绿素的研究等等；随着科技的不断进步，越来越多的光纤传感器将面世，它将被应用到生产生活的每一个角落。

4.光纤传感器的技术发展方向

光纤传感技术经过20余年的发展也已获得长足的进步，出现了很多实用性的产品，然而实际的需要是各种各样的，光纤传感技术的现状仍然远远不能满足实际需要。目前，光纤传感器技术发展的主要方向是。

(1)传感器的实用化研究。即一种光纤传感器不仅只针对一种物理量，要能够对多种物理量进行同时测量。

(2)提高分布式传感器的空间分辨率、灵敏度，降低其成本，设计复杂的传感器网络工程。注意分布式传感器的参数，即压力、温度，特别是化学参数(碳氢化合物、一些污染物、湿度、PH值等)对光纤的影响。

(3)传感器用特殊光纤材料和器件的研究。例如:增敏和去敏光纤、荧光光纤、电极化光纤的研究等。这些将是以后传感器进一步发展的趋势。

(4)在恶劣条件下(高温、高压、化学腐蚀)低成本传感器(支架、连接、安装)的开发和应用。

(5)新传感机理的研究，开拓新型光纤传感器。

参考文献

[1]肖军,王颖.光纤传感技术的研究现状与展望[J].机械管理开发,2006,6.

[2]吴洁,薛玲玲.光纤传感器的研究进展[J].激光杂志,2007,5.

[3]吴琼,吴善波,刘勇,袁长迎.新型光纤传感器的设计及其特性研究[J].仪表技术与传感器,2007,11.

篇2

2传感器技术在机电技术当中的应用

由于传感器的电磁兼容性能比较强，因此具有较高的数据存储技术可行性，同时还不容易丢失其中的模块参数。智能滤波算法以及A/D转换技术等先进的技术都在传感器当中得到了应用，就算是满量程的时候，传感器仍然可以使稳定的输出码得到保证。传感器的通讯接口属于标准的接口，其能够与计算机进行直接的连接，同时也可以连接标准的工业控制总线，具有十分灵活的使用方式。

2.1在机器人中传感器技术的应用

作为典型的仿生装置，机器人对传感器技术进行了充分的应用。通过将感知到的物理量向电量进行转化，机器人就可以实现信息输出，在这个过程中对机器人传感技术进行了充分的利用，其中包括两方面的内容，也就是外部传感器以及内部传感器。外部传感器需要通过检测外部信息，从而对工作环境进行判别，为机器人提供必要的信息，使之能够对操作对象进行准确的控制。而实施系统的控制是内部传感器的主要功能，其能够对机器人的状态进行有效的检测，保证机器人在工作的过程中能够按照要求来进行。内部传感器可以将具有价值的信息提供给外部传感器，从而能够使机器人对外部的环境产生有效的感知，并且将相应的动作做出。与此同时，在科技生产的过程中，还可以利用对机器人的操作从而能够对反馈的意见进行获取。

2.2在机械制造行业中传感器技术的应用

由于在机械制造行业当中需要实施包括加工精度等在内的动态特性测量，因此要利用传感器针对机械阻抗以及振动等相关部件当中的参数进行测量，从而对其动态特性进行检验。如果需要在线监测与控制超精加工中的零件尺寸的时候，就要利用传感器将相关的信息提供出来。比如利用传感器针对数控车床中车刀的位置进行检测；由于工件的表面精度以及尺寸在很大程度上都会受到刀尖形状的影响，可以采用在车刀上放置的振动传感器对其锋锐的程度进行检验。还可以利用液面传感器针对液压系统中的油量以及车床中的油进行监测。

2.3在环境当中传感技术的应用

传感器网络在环境监测当中通常具有一系列的优点，其中包括无需专人现场维护、可以长期不用对电池进行更换、具有十分简单的布置等。可以利用对节点进行密集的布置，从而对微观的环境因素进行观察。在环境监测领域当中对传感器网络具有非常广泛的应用，其中包括微观观测生物群落、森林火灾报警、观察气象现象、观测海岛鸟类的生活规律等。

2.4在火灾报警当中传感器技术的应用

防灾报警装置是现代建筑必须要具备的，其中最为关键的就是火灾报警系统。在发生火灾的时候一般都会出现有害气体、高温、火光以及烟雾等。如果将传感器运用到火灾报警系统当中，就可以对异常的信号进行转化，使之变成容易进行传送的形式，然后就可以利用消防网络向指挥中心提供火灾地点的报告。

篇3

随着传感器技术、信息处理技术、测量技术与计算机技术的发展，智能驾驶系统（辅助驾驶系统一无人驾驶系统）也得了飞速的发展。消费者越来越注重驾驶的安全性与舒适性，这就要求传感器能识别在同一车道上前方行驶的汽车，并能在有障碍时提醒驾驶员或者自动改变汽车状态，以避免事故诉发生。国际上各大汽车公司也都致力于这方面的研究，并开发了一系列安全驾驶系统，如碰撞报警系统（CW）、偏向报警系统（LDW）和智能巡游系统（ICC）等。国内在这些方面也有一定的研究，但与国外相比仍存在较大的差距。本文将主要讨论多传感器信息融合技术在智能驾驶系统（ITS）中的应用。

1ICC/CW和LDW系统中存在的问题

1.1ICC/CW系统中的误识别问题

ICC/CW系统中经常使用单一波束传感器。这类传感器利用非常狭窄的波束宽度测定前方的车辆，对于弯曲道路（见图1（a）），前后车辆很容易驶出传感器的测量范围，这将引起智能巡游系统误加速。如果前方车辆减速或在拐弯处另一辆汽车驶入本车道，碰撞报警系统将不能在安全停车范围内给出响应而容易产生碰撞。类似地，当弯曲度延伸时（见图1(b)），雷达系统易把邻近道路的车辆或路边的防护栏误认为是障碍而给出报警。当道路不平坦时，雷达传感器前方的道路是斜向上，小丘或小堆也可能被误认为是障碍，这些都降低了系统的稳定性。现在有一些滤波算法可以处理这些问题并取得了一定效果，但不能彻底解决。

1.2LDW系统中存在的场景识别问题

LDW系统中同样存在公共驾驶区场景识别问题。LDW系统依赖于一侧的摄像机（经常仅能测道路上相邻车辆的位置），很难区分弯曲的道路和做到多样的个人驾驶模式。LDW系统利用一个前向摄像机探测车辆前方道路的地理状况，这对于远距离测量存在着精确性的问题，所有这些都影响了TLC（Time-to-Line-Crossing）测量的准确性。现常用死区识别和驾驶信息修订法进行处理，但并不能给出任何先验知识去识别故障。

2多传感器信息融合技术在ITS系统中的应用

针对以上系统存在的一些问题，研究者们纷纷引入了多传感器信息融合技术，并提出了不同的融合算法。基于视觉系统的传感器可以提供大量的场景信息，其它传感器（如雷达或激光等）可以测定距离、范围等信息，对两方面的信息融合处理后能够给出更可靠的识别信息。融合技术可以采用Beaurais等人于1999年提出的CLARK算法（CombinedLikelihoodAddingRadar）和InstitudeNeuroinformatik提出的ICDA（IntegrativeCouplingofDifferentAlgorithms）算法等方法实现。

2.1传感器的选择

识别障碍的首要问题是传感器的选择，下面对几种传感器的优缺点进行说明（见表1）。探测障碍的最简单的方法是使用超声波传感器，它是利用向目标发射超声波脉冲，计算其往返时间来判定距离的。该方法被广泛应用于移动机器人的研究上。其优点是价格便宜，易于使用，且在10m以内能给出精确的测量。不过在ITS系统中除了上文提出的场景限制外，还有以下问题。首先因其只能在10m以内有效使用，所以并不适合ITS系统。另外超声波传感器的工作原理基于声，即使可以使之测达100m远，但其更新频率为2Hz，而且还有可能在传输中受到其它信号的干扰，所以在CW/ICC系统中使用是不实际的。

表1传感器性能比较

传感器类型优点缺点

超声波

视觉

激光雷达

MMW雷达价格合理，夜间不受影响。

易于多目标测量和分类，分辨率好。

价格相合理，夜间不受影响

不受灯光、天气影响。测量范围小，对天气变化敏感。

不能直接测量距离，算法复杂，处理速度慢。

对水、灰尘、灯光敏感。

价格贵

视觉传感器在CW系统中使用得非常广泛。其优点是尺寸小，价格合理，在一定的宽度和视觉域内可以测量定多个目标，并且可以利用测量的图像根据外形和大小对目标进行分类。但是算法复杂，处理速度慢。

雷达传感器在军事和航空领域已经使用了几十年。主要优点是可以鲁棒地探测到障碍而不受天气或灯光条件限制。近十年来随着尺寸及价格的降低，在汽车行业开始被使用。但是仍存在性价比的问题。

为了克服这些问题，利用信息融合技术提出了一些新的方法，利用这些方式可以得到较单一传感器更为可靠的探测。

2.2信息融合的基本原理

所谓信息融合就是将来自多个传感器或多源的信息进行综合处理，从而得出更为准确、可靠的结论。多传感器信息融合是人类和其它生物系统中普遍存在的一种基本功能，人类本地地具有将身体上的各种功能器官（眼、耳、鼻、四肢）所探测的信息(景物、声音、气味和触觉)与先验知识进行综合的能力，以便对其周围的环境和正在发生的事件做出估计。由于人类的感官具有不同度量特征，因而可测出不同空间范围的各种物理现象，这一过程是复杂的，也是自适应的。它将各种信息（图像、声音、气味和物理形状或描述）转化成对环境的有价值的解释。

多传感器信息融合实际上是人对人脑综合处理复杂问题的一种功能模拟。在多传感器系统中，各种传感器提供的信息可能具有不同的特片：对变的或者非时变的，实时的或者非实时的，模糊的或者确定的，精确的或者不完整的，相互支持的或者互补的。多传感器信息融合就像人脑综合处理信息的过程一样，它充分利用多个传感器资源，通过对各种传感器及其观测信息的合理支配与使用，将各种传感器在空间和时间上的互补与冗余信息依据某种优化准则结合起来，产生对观测环境的一致性解释或描述。信息融合的目标是基于各种传感器分离观测信息，通过对信息的优化组合导出更多的有效信息。这是最佳协同作用的效果，它的最终目的是利用多个传感器共同或联合操作的优势来提高整个系统的有效性。

2.3常用信息融合算法

信息融合技术涉及到方面的理论和技术，如信息处理、估计理论、不确定性理论、模式识别、最优化技术、神经网络和人工智能等。由不同的应用要求形成的各种方法都是融合方法的个子集。表2归纳了一些常用的信息融合方法。

表2信息融合方法

经典方法现代方法

估计方法统计方法信息论方法人工智能方法

加权平均法经典推理法聚类分析模糊逻辑

极大似然估计贝叶斯估计模板法产生式规则

最小二乘法品质因素法熵理论神经网络

卡尔曼滤波D-S证据决策理论遗传算法

模糊积分理论

2.4智能驾驶系统中信息融合算法的基本结构

由于单一传感器的局限性，现在ITS系统中多使用一组传感器探测不同视点的信息，再对这些信息进行融合处理，以完成初始目标探测识别。在智能驾驶系统中识别障碍常用的算法结构如图2所示。

3CLARK算法

CLARK算法是用于精确测量障碍位置和道路状况的方法，它同时使用来自距离传感器（雷达）和摄像机的信息。CLARK算法主要由以下两部分组成：①使用多传器融合技术对障碍进行鲁棒探测；②在LOIS（LikelihoodofImageShape）道路探测算法中综合考虑上述信息，以提高远距离道路和障碍的识别性能。

3.1用雷达探测障碍

目前经常使用一个雷达传感器探测前方的车辆或障碍。如前面所分析，雷达虽然在直路上的性能良好，但当道路弯曲时，探测的信号将完全可靠，有时还会有探测的盲点或产生错误报警。为了防止错误报警，常对雷达的输出进行标准卡尔曼（Kalman）滤波，但这并不能有效解决探测盲点问题。为了更可靠地解决这类问题，可以使用扫描雷达或多波束雷达，但其价格昂贵。这里选用低价的视觉传感器作为附加信息，视觉传感器经常能提供扫描雷达和多波束雷达所不能提供的信息。

3.2在目标识别中融合视觉信息

CLARK算法使用视觉图像的对比度和颜色信息探测目标，使用矩形模板方法识别目标。这个模板由具有不同左右边界和底部尺寸的矩形构成，再与视觉图像对比度域匹配，选择与雷达传感器输出最接近的障碍模板。

CLARK算法首先对雷达信号进行卡尔曼滤波，用于剔除传感器输出的强干扰，这出下列状态和观测方程处理：

D（t）=R(t)+v(t)

式中，R（t）为前方障碍的真实距离（未知），R（t）是其速度（未知，）D（t）为距离观测值，Δt为两次观测的问题时间，w（t）和v(t)为高斯噪声。给定D（t），由Kalman滤波器估计R（t）和R（t）的值，并把估计值R(t)作为距离输入值，使用R(t)和D（t）的差值确定所用矩形模板的偏差。由于使用雷达探测的位置与雷达作为补偿。

使用上述算法可以有效提高雷达探测的可靠性，但当图像包含很强的边缘信息或障碍只占据相平面一个很小的区域时，仍不能得到满意的结果。因此，除对比度外，又引入视觉图像的颜色域。

3.3相合似然法

在探测到障碍后，CLARK算法将这些信息整合到道路探测算法（LOIS）中。LOIS利用变形道路的边缘应为图像中对比度的最大值部分且其方位应垂直于道路边缘来搜索道路。如果只是简单地将两个信息整合，则障碍探测部分的像素被隐藏，其图像梯度值不会影响LOIS的似然性。这样可以防止LOIS将汽车前方障碍的边缘误认为是道路的边缘来处理。但是当道路的真实边缘非常接近障碍的边缘时，隐藏技术则失效。

为了使隐藏技术有效，可以在障碍和道路探测之间采取折中的处理方法。这种折中的处理方法就是相合似然法。它将探测障碍固定的位置和尺寸参数变为可以在小范围内变化的参数。新的似然函数由LOIS的似然和小探测障碍的似然融合而成。它使用七维参数探测方法（三维用于障碍，四维用于道路），能同时给出障碍和道路预测的最好结果。其公式如下：

式中，Tb、Tl、Tw为相平面内矩形模板的底部位置、左边界和宽度的三个变形参数，[xr(t),xc(t)]为变形模板相平面的中心。[yr(t)，yc(t)]为由雷达探测并经Kalman滤波的障碍在相平观的位置。将地平面压缩变化为相平面，的实时估计，为相平面内一个路宽的值（3.2m）。tan-1的压缩比率在相平面内不小于Tmin（路宽的一半），不太于Tmax（路宽）。通过求解七维后验pdfP（k'''',b''''LEFT，b''''RIGHT，vp，Tb，Tl,Tw|[yr(t),yc(t)],ObservedImage）的最大值获得障碍和道路目标。

篇4

广域网部分在本文系统中指移动服务器或者Internet。协调器将监测到的环境信息发送到广域网中，而广域网则提供中转的功能，便于物流管理者在远端获取这些环境信息。远端用户部分指物流管理者通过在PC上开发的用户界面或者在手机上开发的相关应用程序从广域网获取实时的冷鲜食品信息，并根据这些信息对出现的异常情况及时地做出判断和调整。

由于终端节点是通过电池供电的，而在一次长途运送过程中无法更换电池，所以终端节点的功耗是在设计中需要考虑的重要问题。合理利用Zigbee协议栈中提供的节点睡眠功能将有效地优化终端节点的能量利用效率。因为传感器采集的环境信息将按照一定周期上传给路由节点或协调器，所以在不需要发送信息时，可以将发送模块以及嵌入式CPU中与发送有关的功能置于睡眠状态，在需要发送数据时再由设置好的系统时钟进行唤醒。这样通过软件的编写，控制各个模块的工作时间，对能量进行分时合理利用将大幅提高终端节点的电能使用时间，使整个传感器节点网络更加适用于实际的冷鲜食品物流监控应用。