与传感器技术相关的课程是与测量，控制和自动化相关的基础课程。了加强学生对现代传感器技术的理解，有必要在传统传感器技术课程，结合微处理器的主传感器技术和处理技术的基础上进一步开发现代传感器课程。息，培养学生的创新和应用能力。[资助项目]本论文得到了成都信息工程大学的大学级项目KYTZ201521，Y2013062，Y2015015和优秀课程建设项目“检测与检测技术”的支持。
代传感器技术是在传统传感器技术的基础上发展起来的，它已将信息处理技术，通信技术和微电子技术[1]很大程度上结合起来，将传感器升级为“系统”。传统传感器知识的基础上开设现代传感器技术课程，有必要进一步掌握智能传感器的相关知识，以了解集成电路技术，统计学习理论和技术。代信号处理[2]。课程的内容涉及智能传感器系统的硬件组成，智能功能的软件实现以及数据挖掘方法，例如多元回归分析，神经网络技术和支持向量机。生可以通过自己设计的实验加深对智能传感器的了解。能传感器的软件实现和数据挖掘方法的仿真具有足够的灵活性，学生可以使用PC在课堂上和课后进行实验研究[3]。代传感器技术课程介绍了新型智能传感器的概念，组成和功能，重点是智能传感器的集成和智能实现。现智能传感器的集成涉及微电子技术和其他相关内容，非微电子专业的学生很难在该领域拥有扎实的基础，而且进行实验也不容易。立设计。且这部分的相关经验对材料有较高的要求，恒温阀芯不利于在不同专业和大学中的晋升。多种方法可以从智能传感器实现智能，包括硬件和软件。件实现方法包括数据挖掘方法中的智能算法，例如神经网络技术，矢量支持机技术，粒子群算法以及小波。些智能算法有许多仿真工具，并且算法的设计灵活多样，可以使学生进一步探索通过独立设计优化算法的方法，同时加深他们的理解。
成课程经验的同时获得知识。文将阐述在现代传感器技术课程中建立智能传感器智能实施领域的独立设计经验的方法。如，打开了一个名为“基于神经网络方法的传感器温度自补偿模块设计”的实验。
于受温度影响的传感器，为了减少工作环境温度的影响，有必要设计一个自补偿模块。偿的方法很多。此，选择神经网络方法。先，学生应选择实验对象，即压阻式压力传感器等传感器，然后在不同温度条件下从传感器获取静态校准数据，根据校准数据对样本进行采样，并将其引入神经网络。生可以根据自己的需求选择不同的神经网络，例如BP神经网络和RBF神经网络[4]。验编程可以使用现有的工具箱进行辅助编程，也可以完全自己编程。述实验仅考虑了温度干扰量的影响。常，超过一定数量的干扰会影响传感器，可能会有两个或更多个干扰效应。以使用神经网络方法来减少两个或多个干扰的影响。外，学生可以使用矢量机支持技术来设计智能软件模块，以减少多种干扰的影响。如，可以打开“基于载波矢量机方法的智能传感器模块设计，以减少多重干扰量的影响”。实验的过程包括首先选择交叉敏感传感器作为实验对象，执行多维校准实验以获得采样数据，然后使用载波矢量机方法。立数据融合模型，从而消除或减少多种干扰的影响。持向量机的功能包括分类和回归，因此学生还可以根据其分类功能设计其他智能传感器模块。智能算法课程实验中，学生可以从工具箱中的丰富仿真工具中进行选择，也可以自己编写算法。本文中，Matlab软件用作实现该算法的仿真工具。本实验中，选择压阻式压力传感器作为实验对象，其目的如下。度补偿模块是基于神经网络技术设计的，可消除工作环境温度对传感器的影响。
验过程必须在几个样品上进行实验，以提高补偿模块的适应性，也就是说，只要满足压力范围，就可以补偿不同的工作温度。度补偿模块的设计可以使用几种神经网络方法进行比较，以获得消除温度影响的最佳方法。验步骤如下。用校准实验来获得原始实验数据。于实验条件和实验时间的限制，一些学生无法完成此步骤。生还可以通过教科书或相关文章获得原始数据，但是他们必须在实验报告中指明数据的来源。用上一步中获得的原始数据来创建样本。
先对原始数据进行规范化，然后使用规范化的数据制作样本。经网络样本包括训练样本和测试样本。训练样本输入到已编译的神经网络算法中，该算法可以是BP神经网络和RBF神经网络等，以获得训练后的模型。测试样本测试训练有素的神经网络模型。
果获得的结果不好，则可以适当调整神经网络的参数以提高补偿效果。同样本获得的结果往往相差很大。实验中，有必要在更改训练样本和测试样本后重复进行实验，以提高神经网络模型的适应性。以使用不同的神经网络方法为同一样本获得不同的补偿结果。实验中，您可以尝试比较不同的神经网络方法或通过优化神经网络方法来提高补偿效果。
实验的目的如下。用支持向量机功能解决分类和回归问题，分析来自传感器的交叉敏感性数据以消除交叉敏感性现象。试修改SVM程序，例如通过更改内核功能或更改分类策略，以获得不同的测试结果。备了几组数据样本，并测试了不同的样本样本，以验证算法的适应性。验步骤如下。据确定的实验对象收集或准备数据样本。备好的样本数据将分为两部分：训练样本和测试样本。
练样本和测试样本的格式一致。用支持向量回归（SVR）或支持向量分类（SVC）算法来处理数据样本。用几种策略来测试算法的优缺点。如，在支持向量分类算法中，有两种策略可以处理多种分类问题，一种是“一种针对一个（1A1）”，另一种是“一种针对所有的”。（1AA）”。以在实验期间测试不同策略的算法。持向量机可以从多种内核函数中进行选择，包括线性内核函数，多项式内核函数和径向基本函数（RBF）内核函数。前没有选择内核功能的标准方法。实验中，我们可以通过更改核的功能以选择最佳方案来测试它们的不同效果。
可以使用支持向量机的不同工具箱，例如SVM和内核方法Matlab工具箱，也可以自己对其进行编程。算法设计过程中，通过训练训练样本并测试样本，我们每次都能得到结果。该在多个训练和测试样本上测试相同的算法。改算法策略后，重复上述步骤。去除交叉敏感度的结果与原始传感器数据进行比较，以全面评估算法的效果。过结合以上示例，您可以设计一个独立的实验方案，如下所示：参考数据进行神经网络分析方法和支持向量机方法的设计，可以选择两种算法之一。验步骤如下：（1）安装matlab软件； （2）熟悉matlab软件的使用； （3）查阅数据进行项目设计； （4）选择一种神经网络分析方法，并支持矢量机方法进行项目设计； （5）根据设计要求编写算法并进行仿真； （6）充分评估算法的效果。要注意的是，在使用神经网络分析方法和支持向量机方法进行传感器系统智能功能的方法的项目设计时，智能，数据源必须经过验证，范围必须明确。过建立独立的设计体验，现代传感器技术课程可以提高学生的学习兴趣，并加深他们对知识的理解。
课程涉及的神经网络技术，矢量支持机技术，主成分分析和小波分析方法可以提供更灵活的设计体验，并培养学生的实践技能。文以“基于神经网络方法设计传感器温度自动补偿模块”的经验为例，说明独立设计实验的概况。
验是用Matlab软件设计的，该图是可以实现的。
本文转载自
恒温阀芯 https://www.wisdom-thermostats.com