CN105844086A - 一种压力传感器的布置结构 - Google Patents

Abstract

本发明公开了一种压力传感器的布置结构，包括按高斯分布布置的组成若干同心圆结构的压力传感器；所述每个压力传感器的密度布置按照高斯分布布置。本发明通过对压力传感器采用高斯分布布置，能有效地提高传感器的测量精度，减少传感器的使用数量，减少传感器之间的串扰及传感数据采集的复杂性，增加传感器结点位置选择的确定性，减少随机布置误差的影响。

Description

一种压力传感器的布置结构

技术领域

本发明涉及压力传感器的布置，具体涉及一种用于假人测试的压力传感器根据高斯分布的布置结构。

背景技术

目前的假人测试实验中，压力传感器的数据采集误差较大，抗干扰性差，采集的数据不准确，如需采集到精确的数据，需要用到的压力传感器数量较多。如图1和图2所示的常规的传感器矩阵式布置结构和常规的传感器圆圈式布置结构所用到的传感器的数量都较大，且数据采集误差较大，抗干扰性差，采集的数据不准确。

发明内容

本发明针对上述问题，采用的技术方案是：一种压力传感器的布置结构，包括按高斯分布布置的组成若干同心圆结构的压力传感器；所述每个压力传感器的密度布置按照高斯分布布置。

进一步地，所述布置结构的布置方法包括以下步骤：

S1，将压力传感器的布置区域离散化为位于同心圆内的t×n个相同面积的网格；

S2，然后对部署位置结点均匀划分为等量的t×n组，每组结点对应一个网格；

S3，对各组结点建立以对应网格为中心u＝(x_i，y_i)的二维高斯分布。

更进一步地，所述步骤S3具体为：

$f_k^i(x,y|k\∈G_{i,j})=\frac{1}{2{\mathrm{\π\σ}}^2}{e}^{-\frac{\[{(x-x_i)}^2+{(y-y_i)}^2\]}{2{\mathrm{\σ}}^2}}=f(x-x_i,y-y_i)$

其中，(xi，yi)表示传感器布置中心点即同心圆原点的位置，σ是标准差，(x，y)表示第K组中任意传感器结点的坐标；

将数目为n的压力传感器按照结点坐标以一定间隔排列布置于被测物表面，在一个圆形区域内服从二维高斯分布，得到区域内传感器在各结点的概率分布函数为：

$f(x,y)=\underset{i=1}{\overset{t}{\Σ}}\underset{j=1}{\overset{n}{\Σ}}\frac{1}{t\·n}\·f_k(x,y|k\∈G_{i,j})$

将得到概率函数归一化，按照每个结点的概率来布置布置传感器，由于在按照一定的间隔的每个同心圆上的各个结点分布概率一致，按照每个同心圆上的概率分布在该同心圆上均匀布置传感器；如果该同心圆分布归一化概率为p，则布置在该同心圆上的传感器的数量为n×p，且均匀分布。

本发明的优点：

本发明通过对压力传感器采用高斯分布布置，能有效地提高传感器的测量精度，减少传感器的使用数量，减少传感器之间的串扰及传感数据采集的复杂性，增加传感器结点位置选择的确定性，减少随机布置误差的影响。采用高斯分布的布置方法让传感器的密度分布和实际压力的分布一致，在传感器数量一定的情况下，能提高数据采集的精度。

除了上面所描述的目的、特征和优点之外，本发明还有其它的目的、特征和优点。下面将参照图，对本发明作进一步详细的说明。

附图说明

构成本申请的一部分的附图用来提供对本发明的进一步理解，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。

图1是常规的传感器矩阵式布置结构示意图；

图2是常规的传感器圆圈式布置结构示意图；

图3是本发明的一种压力传感器的布置方法的示意图；

图4是本发明的用于假人测试的压力传感器根据高斯分布的布置结构。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

高斯分布即正态分布，是一种概率分布。在现实世界中，许多物理量的分布概率是符合高斯分布或近似高斯分布的，有人甚至认为在实际问题中遇见的几乎所有的连续变量，都可以满意地用高斯分布来刻画。与指数分布、二项分布和β分布相比，高斯分布是直接用数学期望和方差来表示的。如果随机变量X的概率密度函数为：

$f\left(x\right)=\frac{1}{\mathrm{\σ}\sqrt{2\mathrm{\π}}}{e}^{-\frac{{(x-\mathrm{\μ})}^2}{2{\mathrm{\σ}}^2}},x\∈(-\mathrm{\∞},+\mathrm{\∞})$

其中，第一个参数μ是服从高斯分布的随机变量的均值，第二个参数σ²是此随机变量的方差，μ和σ均为常数，σ＞0，则X服从高斯分布，记为X～N(μ，σ²)，可见高斯分布由两个参数μ和σ²决定。其密度函数的特点是：随机变量的概率取值关于μ对称，在μ处达到最大值，在正(负)无穷远处取值为0，在μ±σ处有拐点。σ越小，分布越集中在μ附近，σ越大，分布越分散。其形状为中间高两边低，图像是一条位于x轴上方的钟形曲线，当μ＝0，σ＝1时，称X服从标准正态分布，记作X～N(0，1)。

参考图3，如图3所示的一种压力传感器的布置结构，包括按高斯分布布置的组成若干同心圆结构的压力传感器；所述每个压力传感器的密度布置按照高斯分布布置。

进一步地，所述布置结构的布置方法包括以下步骤：

S1，将压力传感器的布置区域离散化为位于同心圆内的t×n个相同面积的网格；

S2，然后对部署位置结点均匀划分为等量的t×n组，每组结点对应一个网格；

S3，对各组结点建立以对应网格为中心u＝(x_i，y_i)的二维高斯分布。

更进一步地，所述步骤S3具体为：

$f_k^i(x,y|k\∈G_{i,j})=\frac{1}{2{\mathrm{\π\σ}}^2}{e}^{-\frac{\[{(x-x_i)}^2+{(y-y_i)}^2\]}{2{\mathrm{\σ}}^2}}=f(x-x_i,y-y_i)$

其中，(xi，yi)表示传感器布置中心点即同心圆原点的位置，σ是标准差(优选地，σ＝1)，(x，y)表示第K组中任意传感器结点的坐标；

将数目为n的压力传感器按照结点坐标以一定间隔排列布置于被测物表面，在一个圆形区域内服从二维高斯分布，得到区域内传感器在各结点的概率分布函数为：

$f(x,y)=\underset{i=1}{\overset{t}{\Σ}}\underset{j=1}{\overset{n}{\Σ}}\frac{1}{t\·n}\·f_k(x,y|k\∈G_{i,j})$

将得到概率函数归一化，按照每个结点的概率来布置布置传感器，由于在按照一定的间隔的每个同心圆上的各个结点分布概率一致，按照每个同心圆上的概率分布在该同心圆上均匀布置传感器；如果该同心圆分布归一化概率为p，则布置在该同心圆上的传感器的数量为n×p，且均匀分布。

对于任意结点i采用随机部署分布的简单布置策略，其位置概率分布函数为：

$f_i(x,y)=\frac{1}{XY},x\∈\[0,X\],y\∈\[0,Y\],1\≤i\≤N$

其中，X，Y分别表示布置区域的长度和宽度，N为投放结点总数，各结点位置分布服从布置区域的均匀分布。

相比之下，在给定结点数量的情况下，通过采用上述基于分区为中心的二维高斯分布布置方法，能够连续精确地部署结点到相应区域坐标位置，以获取局部最优的布置方法，通过分析计算可以得出结点覆盖概率随结点在定位放置区域的方差增大而提高，提高率为6％-8％，每组结点偏离分区中心3σ距离的概率均小于0.01(σ为高斯分布的方差)。

实施例第一步，取σ＝1，按一维进行推算，

$f\left(x\right)=\frac{1}{\sqrt{2\mathrm{\π}}}{e}^{-\frac{x^2}{2}}$

将30cm半径的圆分成三段，0-10cm，10-20cm，20-30cm，

$f\left(x\right)={\∫}_{-1}^{1}f\left(x\right)dx=0.68$

0-10cm：0.68*100＝68

$f\left(x\right)={\∫}_{-2}^{2}f\left(x\right)dx=0.95$

10-20cm：0.95*100-68＝27

20-30cm：100-68-27＝5

第二步，再将10cm半径的圆分成两段，0-5cm，5-10cm，

$f\left(x\right)={\∫}_{-1}^{1}f\left(x\right)dx=0.68$

0-5cm：68*0.68＝47

5-10cm：68-47＝21

参考图1，如图1所示的常规的传感器矩阵式布置结构，传感器之间的距离d1＝d2＝5cm，传感器矩阵的长宽均为50cm。

参考图2，如图2所示的常规的传感器圆圈式布置结构，传感器之间的距离d1＝d2，同心圆圈之间的距离d3＝d4，最大的圆圈的半径为30cm。

本发明的传感器具体布置方法：

参考图3，如图3所示，如果需要将100个传感器分布在半径为30cm圆形区域内，按照高斯分布的量化近似值，在半径为10cm圆形区域内，需要分布68个传感器，半径10cm到20cm的圆形区域内需要分布27个传感器，20cm到30cm的圆形区域内分布5个传感器。再将本发明的方法继续细化，将10cm的圆形区域继续分成2个区域，在半径为5cm圆形区域内，需要分布47个传感器，半径5cm到10cm的圆形区域内需要分21个传感器。以此类推最后得到工程所需要的传感器分布。如图3中的s1，s2，s3，s4即表示不同区域内传感器的数量。

d1＝5cm，d1+d2＝10cm，d1+d2+d3＝20cm，d1+d2+d3+d4＝30cm；

s1＝47，s2＝21，s3＝27，s4＝5。

参考图4，如图4所示，通过对假人胸部的压力传感器采用高斯分布布置，用于测试假人胸部压力分布情况。

采用高斯分布的布置方法让传感器的密度分布和实际压力的分布一致，在传感器数量一定的情况下，能提高数据采集的精度。

高斯分布相对其他分布有容易实现的优点，算法所需参数均可在分布模型构建过程中自适应获得，对预测输出作出概率解释，从而增大传感器可测覆盖范围，节约成本。

本发明通过对压力传感器采用高斯分布布置，能有效地提高传感器的测量精度，减少传感器的使用数量，减少传感器之间的串扰及传感数据采集的复杂性，增加传感器结点位置选择的确定性，减少随机布置误差的影响。

以上所述仅为本发明的较佳实施例，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (3)

1.一种压力传感器的布置结构，其特征在于，包括按高斯分布布置的组成若干同心圆结构的压力传感器；所述每个压力传感器的密度布置按照高斯分布布置。

2.根据权利要求1所述的压力传感器的布置结构，其特征在于，所述布置结构的布置方法包括以下步骤：

S1，将压力传感器的布置区域离散化为位于同心圆内的t×n个相同面积的网格；

S2，然后对部署位置结点均匀划分为等量的t×n组，每组结点对应一个网格；

S3，对各组结点建立以对应网格为中心u＝(x_i，y_i)的二维高斯分布。

3.根据权利要求2所述的布置结构的布置方法，其特征在于，所述步骤S3具体为：

$f_k^i(x,y\{k\∈G_{i,j})=\frac{1}{2{\mathrm{\π\σ}}^2}{e}^{-\frac{\[{(x-x_i)}^2+{(y-y_i)}^2\]}{2{\mathrm{\σ}}^2}}=f(x-x_i,y-y_i)$

其中，(xi，yi)表示传感器布置中心点即同心圆原点的位置，σ是标准差，(x，y)表示第K组中任意传感器结点的坐标；

将数目为n的压力传感器按照结点坐标以一定间隔排列布置于被测物表面，在一个圆形区域内服从二维高斯分布，得到区域内传感器在各结点的概率分布函数为：

$f(x,y)=\underset{i=1}{\overset{t}{\Σ}}\underset{j=1}{\overset{n}{\Σ}}\frac{1}{t\·n}\·f_k(x,y|k\∈G_{i,j})$

将得到概率函数归一化，按照每个结点的概率来布置布置传感器，由于在按照一定的间隔的每个同心圆上的各个结点分布概率一致，按照每个同心圆上的概率分布在该同心圆上均匀布置传感器；如果该同心圆分布归一化概率为p，则布置在该同心圆上的传感器的数量为n×p，且均匀分布。