CN112859616A - 一种传感器采样间隔模糊控制器 - Google Patents

一种传感器采样间隔模糊控制器 Download PDF

Info

Publication number
CN112859616A
CN112859616A CN202110111674.9A CN202110111674A CN112859616A CN 112859616 A CN112859616 A CN 112859616A CN 202110111674 A CN202110111674 A CN 202110111674A CN 112859616 A CN112859616 A CN 112859616A
Authority
CN
China
Prior art keywords
sensor
sampling
fuzzy
sampling interval
data
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Withdrawn
Application number
CN202110111674.9A
Other languages
English (en)
Inventor
牛俊英
王思宏
温思杰
伍世瑞
黄仔龙
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shunde Polytechnic
Original Assignee
Shunde Polytechnic
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Shunde Polytechnic filed Critical Shunde Polytechnic
Priority to CN202110111674.9A priority Critical patent/CN112859616A/zh
Publication of CN112859616A publication Critical patent/CN112859616A/zh
Withdrawn legal-status Critical Current

Links

Images

Classifications

    • GPHYSICS
    • G05CONTROLLING; REGULATING
    • G05BCONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B13/00Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
    • G05B13/02Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
    • G05B13/04Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators
    • G05B13/042Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators in which a parameter or coefficient is automatically adjusted to optimise the performance

Landscapes

  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Computation (AREA)
  • Medical Informatics (AREA)
  • Software Systems (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • Feedback Control In General (AREA)

Abstract

本发明涉及一种传感器采样间隔模糊控制器,根据传感器与标准值读数偏差和读数变化速度控制传感器的采样周期,通过输入信号e(k)、ec(k),按模糊控制规则,得出传感器的采样周期T(k),e(k)、n(k)可按照阈值设置为NB、NM、NS、ZO、PS、PM和PB共七个语言变量值,输出模糊变量SL(k)也为{NB,NM,NS,ZO,PS,PM,PB}七个档位,相应的实际输出量[1,7]。本发明在传感器数值与标准值偏差较大或者变化波动较大时,提高采样频率记录波动过程,而当波动较小时,降低采样频率提高器件使用时长。

Description

一种传感器采样间隔模糊控制器
技术领域
本发明涉及控制器技术领域,更具体地说,是涉及一种传感器采样间隔模 糊控制器。
背景技术
随着生产生活越来越数字化、智能化和网络化,各种各样的智能设备充斥 着日常的生产与生活,并时刻感知与环境息息相关的数据。目前,在采样测量 系统中,大多是采样点恒定、采样间隔均匀的,当样值波动较小时,采样间隔 均匀会增加计算量,而当样值波动较大时,均匀的采样间隔又会导致数据失 真、精度下降的现象。
发明内容
本发明所要解决的技术问题是,提供一种传感器采样间隔模糊控制器,当 传感器数值与标准值偏差较大或者变化波动较大时,提高采样频率记录波动过 程,而当实际值和波动较小时,降低采样频率提高器件使用时长,以克服现有 技术之不足。
本发明解决其技术问题的技术方案是:一种传感器采样间隔模糊控制器, 根据传感器与标准值读数偏差和读数变化速度控制传感器的采样周期,通过输 入信号e(k)、ec(k)得出传感器的采样周期T(k),e(k)为传感器第k个时刻读 数n(k)与标准值S的偏差绝对值,ec(k)是连续两个采样周期的传感器读数之 差;将e(k)、n(k)可按照阈值设置为NB、NM、NS、ZO、PS、PM和PB共七 个语言变量值,输出模糊变量SL(K)符合下表:
Figure BDA0002919263420000011
采样周期符合:T(k)=SL(k)*Tmin,Tmin为最短采样间隔。
一种传感器,根据上述传感器采样间隔模糊控制器对样本进行模糊采样间 隔的采样,采用系统仿真验证的样本数据总体表示如下:
Figure BDA0002919263420000021
上述传感器,其特征在于,未被采样数据,采用线性插值的方法还原为每 个时间单位传感器测量数据,按照如下公式S2计算:
Figure BDA0002919263420000022
其中,n(k)为传感器第k次采样数据,T(k)为第k次模糊决策生成的采样间 隔,Tmin为最短采样间隔,SV(j)为采样和拟合数据构成的完整测量数据。
本发明有益效果是:本发明在传感器数值与标准值偏差较大或者变化波动 较大时,提高采样频率记录波动过程,而当波动较小时,降低采样频率提高器 件使用时长。
附图说明
图1是本发明的传感器采样间隔模糊控制器的控制结构框图。
图2是本发明的传感器模糊采样住址软件界面示意图。
具体实施方式
下面详细描述本发明的实施例,所描述的实施例是示例性的,仅用于解释 本发明,而不能理解为对本发明的限制。
一、传感器采样间隔模糊控制器结构设计
控制器结构框图如图1所示,控制器设计采用Matlab,依据传感器与标准 值读数偏差和读数变化速度控制传感器的采样周期,系统至少具有两个输入信 号,分别是:
e(k)=|n(k)-S| (1)
ec(k)=n(k)-n(k-1) (2)
e(k)为传感器第k个时刻读数n(k)与标准值S的偏差绝对值,ec(k)是连 续两个采样周期的传感器读数之差,反映了传感器数值变化率。将e(k)、n(k) 可按照阈值设置为负大(NB)、负中(NM)、负小(NS)、零(ZO)、正小 (PS)、正中(PM)和正大(PB)共7个语言变量值,模糊子集为{NB, NM,NS,ZO,PS,PM,PB}。模糊控制规则的基本思想:当传感器数值偏 差或者变化波动较大时,提高采样频率记录波动过程,而当实际值和波动较小 时,降低采样频率提高器件使用时长。因此按照表1模糊控制规则推理后的输 出模糊变量SL(K)的语言变量论域同样设为7个语言变量论域,也分为{NB, NM,NS,ZO,PS,PM,PB}七个档位,相应的实际输出量[1,7],对应七档 采样间隔。
具体采样间隔为T(k)=SL(k)*Tmin,其中Tmin为最短采样间隔。
表1模糊控制规则表
Figure BDA0002919263420000031
二、仿真软件设计
为了帮助用户验证传感器模糊采样的有效性,用户可从人机界面传感器最 大值(nmax)、最小值(nmin)、标准值(nstandard)、初始值(n(1))、样本数以模 拟不同类型传感器,输入e(k)、n(k)阈值用于设置输入量的模糊语言变量值, 参见图2。
设Slevel为传感器数值变化速度,该值越大,粉尘浓度变化速度越快;粉尘 按照一定设定速度变化时,更新值为n(i)叠加一个符合均匀分布的随机值,Alevel为该随机值的幅度参数,该值越大传感器数值变化幅度越大,样本数据总体可 表示为如下公式S1。
Figure BDA0002919263420000032
通过设置Slevel与Alevel的数值,可以确定样本的动态特性,二者越大代表传感器工作环境越复杂。
传感器按照表1设计的模糊控制器对样本进行模糊采样间隔的采样,其他 未被采样数据,采用线性插值的方法还原为每个时间单位传感器测量数据,按 照如下公式S2计算:
Figure BDA0002919263420000041
其中,n(k)为传感器第k次采样数据,T(k)为第k次模糊决策生成的采样间 隔,Tmin为最短采样间隔,SV(j)为采样和拟合数据构成的完整测量数据,即实 际粉尘浓度n(j)对应的测量结果。
由上,每个测量结果的误差绝对值可表示为|n(j)-SV(j)|,而平均误差值 和最大误差值为如下公式S3、S4:
Figure BDA0002919263420000042
Ermax=max(SV(j));(j=1...M)
通过仿真软件可以输出拟合波形用于与原均匀采样波形对比。可输出模糊 采样总数目,同时得到传感器寿命延长倍数(模糊采样总数/均匀采样总数)。 另外还能输出平均误差值和最大误差值。
输出的传感器寿命延长倍数、平均误差值和最大误差值可以反映模糊控制 器的性能,还能用于确定系统所需的最小采样间隔Tmin。在保证读数精度的基 础上,延长传感器寿命。
上述实施例为本发明较佳的实施方式,但本发明的实施方式并不受上述实 施例的限制,其他的任何未背离本发明的精神实质与原理下所作的改变、修 饰、替代、组合、简化,均应为等效的置换方式,都包含在本发明的保护范围 之内。

Claims (3)

1.一种传感器采样间隔模糊控制器,根据传感器与标准值读数偏差和读数变化速度控制传感器的采样周期,其特征在于,通过输入信号e(k)、ec(k)得出传感器的采样周期T(k),e(k)为传感器第k个时刻读数n(k)与标准值S的偏差绝对值,ec(k)是连续两个采样周期的传感器读数之差;将e(k)、n(k)可按照阈值设置为NB、NM、NS、ZO、PS、PM和PB共七个语言变量值,输出模糊变量SL(K)符合下表:
Figure FDA0002919263410000011
采样周期符合:T(k)=SL(k)*Tmin,Tmin为最短采样间隔。
2.一种传感器,其特征在于,根据权利要求1所述传感器采样间隔模糊控制器对样本进行模糊采样间隔的采样,采用系统仿真验证的样本数据总体表示如下:
Figure FDA0002919263410000012
3.根据权利要求2所述传感器,其特征在于,未被采样数据,采用线性插值的方法还原为每个时间单位传感器测量数据,按照如下公式S2计算:
Figure FDA0002919263410000013
其中,n(k)为传感器第k次采样数据,T(k)为第k次模糊决策生成的采样间隔,Tmin为最短采样间隔,SV(j)为采样和拟合数据构成的完整测量数据。
CN202110111674.9A 2021-01-27 2021-01-27 一种传感器采样间隔模糊控制器 Withdrawn CN112859616A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110111674.9A CN112859616A (zh) 2021-01-27 2021-01-27 一种传感器采样间隔模糊控制器

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110111674.9A CN112859616A (zh) 2021-01-27 2021-01-27 一种传感器采样间隔模糊控制器

Publications (1)

Publication Number Publication Date
CN112859616A true CN112859616A (zh) 2021-05-28

Family

ID=76009583

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110111674.9A Withdrawn CN112859616A (zh) 2021-01-27 2021-01-27 一种传感器采样间隔模糊控制器

Country Status (1)

Country Link
CN (1) CN112859616A (zh)

Citations (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH01293401A (ja) * 1988-05-20 1989-11-27 Matsushita Electric Ind Co Ltd ファジィ制御演算装置およびファジィ推論方法
US4953117A (en) * 1987-12-29 1990-08-28 Sony Corporation Method and apparatus for converting sampling frequencies
JPH05181509A (ja) * 1991-12-27 1993-07-23 Tabai Espec Corp ファジィコントローラ
US5365468A (en) * 1992-02-17 1994-11-15 Yamaha Corporation Sampling frequency converter
JPH08227312A (ja) * 1993-11-02 1996-09-03 Koichi Kanbe 測定間隔自動制御装置
WO2000016173A2 (en) * 1998-09-11 2000-03-23 Sck.Cen An adaptive fuzzy controller and simulation method
CN103309233A (zh) * 2013-05-13 2013-09-18 陕西国防工业职业技术学院 一种模糊pid控制器的设计方法
US20140195199A1 (en) * 2013-01-09 2014-07-10 Honeywell International Inc. Synchronizing data from irregularly sampled sensors
CN104950681A (zh) * 2015-06-25 2015-09-30 安徽工业大学 一种石灰窑燃烧过程的模糊预测控制系统及其控制方法
CN106681136A (zh) * 2017-02-17 2017-05-17 三峡大学 一种基于自整定模糊pid控制的同步电机励磁控制系统
CN108832853A (zh) * 2018-06-20 2018-11-16 长春工业大学 一种基于模糊pi-pd控制的直流无刷电机调速方法
CN108983616A (zh) * 2018-08-20 2018-12-11 新疆大学 一种基于切换原理的非均匀采样系统输出反馈控制方法及控制器
CN111007721A (zh) * 2019-12-11 2020-04-14 南通大学 一种线性定常系统中采样周期动态选择方法
US20200162801A1 (en) * 2018-11-16 2020-05-21 Sap Se Intelligent and dynamic processing of sensor reading fidelity

Patent Citations (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US4953117A (en) * 1987-12-29 1990-08-28 Sony Corporation Method and apparatus for converting sampling frequencies
JPH01293401A (ja) * 1988-05-20 1989-11-27 Matsushita Electric Ind Co Ltd ファジィ制御演算装置およびファジィ推論方法
JPH05181509A (ja) * 1991-12-27 1993-07-23 Tabai Espec Corp ファジィコントローラ
US5365468A (en) * 1992-02-17 1994-11-15 Yamaha Corporation Sampling frequency converter
JPH08227312A (ja) * 1993-11-02 1996-09-03 Koichi Kanbe 測定間隔自動制御装置
WO2000016173A2 (en) * 1998-09-11 2000-03-23 Sck.Cen An adaptive fuzzy controller and simulation method
US20140195199A1 (en) * 2013-01-09 2014-07-10 Honeywell International Inc. Synchronizing data from irregularly sampled sensors
CN103309233A (zh) * 2013-05-13 2013-09-18 陕西国防工业职业技术学院 一种模糊pid控制器的设计方法
CN104950681A (zh) * 2015-06-25 2015-09-30 安徽工业大学 一种石灰窑燃烧过程的模糊预测控制系统及其控制方法
CN106681136A (zh) * 2017-02-17 2017-05-17 三峡大学 一种基于自整定模糊pid控制的同步电机励磁控制系统
CN108832853A (zh) * 2018-06-20 2018-11-16 长春工业大学 一种基于模糊pi-pd控制的直流无刷电机调速方法
CN108983616A (zh) * 2018-08-20 2018-12-11 新疆大学 一种基于切换原理的非均匀采样系统输出反馈控制方法及控制器
US20200162801A1 (en) * 2018-11-16 2020-05-21 Sap Se Intelligent and dynamic processing of sensor reading fidelity
CN111007721A (zh) * 2019-12-11 2020-04-14 南通大学 一种线性定常系统中采样周期动态选择方法

Similar Documents

Publication Publication Date Title
CN109840362B (zh) 一种基于多目标优化的集成即时学习工业过程软测量建模方法
Horch et al. A modified index for control performance assessment
US5057992A (en) Method and apparatus for controlling or processing operations of varying characteristics
US11893472B2 (en) Accuracy compensation method for discharge caustic alkali concentration measuring device in evaporation process
CN109240204B (zh) 一种基于两步法的数控机床热误差建模方法
CN110889085A (zh) 基于复杂网络多元在线回归的废水智能监控方法及系统
CN114235111B (zh) 一种基于模型优化的超声波水表流量校准方法
CN101319925A (zh) 一种利用bp神经网络的煤气计量方法
CN110687800A (zh) 一种数据驱动自适应抗干扰控制器结构及其估计方法
CN110824914B (zh) 一种基于pca-lstm网络的废水处理智能监控方法
CN111352387B (zh) 一种实现数控机床非线性误差的智能补偿方法
CN111142494A (zh) 一种胺液再生装置的智能控制方法及系统
CN111238534A (zh) 基于证据推理的激光惯组最优测试时机确定方法
CN112859616A (zh) 一种传感器采样间隔模糊控制器
CN114462688A (zh) 一种基于lstm模型和动态阈值确定算法的爆管检测方法
CN115982555A (zh) 一种基于模糊信息粒化和动态神经网络的沉降预测方法
CN113959511B (zh) 基于射流水表的流量计量方法、设备、介质及产品
CN114925891A (zh) 基于小波分析与混合模型的用水量趋势预测方法和系统
Tsang Sensor data validation using gray models
CN113359573A (zh) 一种大坝安全智能预测方法及其装置
Zhang On-line Monitoring of Ethanol Concentration during Biomass Fermentation.
CN107220252B (zh) 常减压装置常压塔常一线闪点预测方法
Qiao et al. Application of Improved Intelligent PID Algorithm in High Precision Thermostatic Control in Trace Water Analyzer
CN117113886B (zh) 一种压力预测方法及装置
CN109814388A (zh) 参数自整定的miso异因子偏格式无模型控制方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
WW01 Invention patent application withdrawn after publication

Application publication date: 20210528

WW01 Invention patent application withdrawn after publication