软传感器:格罗宁根大学《npj-柔性电子》:电纺成束碳纳米纤维,可恢复截肢者的体感等的受皮肤启发的人造软传感器

2021/11/12 10:05 · 传感器知识资讯 ·  · 软传感器:格罗宁根大学《npj-柔性电子》:电纺成束碳纳米纤维,可恢复截肢者的体感等的受皮肤启发的人造软传感器已关闭评论
摘要:

软传感器:格罗宁根大学《npj-柔性电子》:电纺成束碳纳米纤维,可恢复截肢者的体感等的受皮肤启发的人造软传感器1成果简介本文,格罗宁根大学DebarunSengupta等人员在《npjFlexibleElectronics》期刊发表名为“Electrospunbundledcarbonnanofibersforskin-inspiredtactilesensin

软传感器:格罗宁根大学《npj-柔性电子》:电纺成束碳纳米纤维,可恢复截肢者的体感等的受皮肤启发的人造软传感器  第1张

传感器:格罗宁根大学《npj-柔性电子》:电纺成束碳纳米纤维,可恢复截肢者的体感等的受皮肤启发的人造软传感器

1

成果简介

本文,格罗宁根大学Debarun Sengupta等人员在《npj Flexible Electronics 》期刊发表名为“Electrospun bundled carbon nanofibers for skin-inspired tactile sensing, proprioception and gesture tracking applications” 的论文,研究报告了一类可穿戴、可缝合且灵敏的碳纳米纤维 (CNF)-聚二甲基硅氧烷 (PDMS) 复合基压阻传感器,该传感器通过碳化电纺聚丙烯腈 (PAN) 纳米纤维并随后嵌入 PDMS 弹性薄膜中实现。所得压阻应变传感器的机电触觉传感表征显示线性响应,平均力灵敏度约为 1.82 kN -1法向力高达 20 N。CNF-PDMS 复合传感器在可穿戴身体传感器网络和高级仿生皮肤应用中的实时功能通过人体运动和手势监测实验得到证明。已经展示了一种能够利用 CNF 束展示本体感觉和触觉感觉的受皮肤启发的人造软传感器。此外,还展示了16个点压敏柔性传感器阵列,模拟了无毛皮肤的慢适应低阈值机械感受器。这种与神经形态电路相结合的设备可以潜在地重建机械臂的触觉,并恢复截肢者的体感。

2

图文导读

图1:CNF-PDMS 传感器在人体生理运动监测中的应用。

图2:CNF 束的形态和传感机制。

图3:柔性应变传感器

图4:柔性应变传感器在人体运动监测中的应用。

图5:可缝合在衣物内的集成传感器。

图6:多点压力/触敏柔性传感器阵列制备方法。

图7:使用 CNF-PDMS 传感器模拟人手。

3

小结

总之,这项工作证明了电纺 CNF 束作为灵敏、灵活和线性但价格低廉的压阻传感元件在开发用于可穿戴人体运动监测和触觉传感应用的服装可集成传感器中的适用性。

文献:

软传感器:软传感器

软传感器”(soft sensor),主要涉及建立一个以若干观察员为传递和呈现目标位置数据的信息源,以观察员的观测报告为基础,及时地对目标对象位置进行估计的传感网络。通过在传感器网络中建立适应人体传感器模型(Human Sensor Model,简称HSM),将位置信息以概率的形式表征出来,即对位置信息进行概率度量实现了信息结构化。在此基础上,将概率化的位置信息与其它物理传感器收集的目标位置信息的概率结构进行有效的融合,及时地反馈目标地理位置的可能变化,使观察员能够快速地调整好自身的位置及身体状态,为下一步的目标观测做好针对性的部署。实验将概率信度作为传感器网络的通信语言,构建自适应人体传感器模型,实现以观察员的观测报告为基础的目标位置信息的概率度量,完成半结构化状态信息的可靠性预测。软传感器:格罗宁根大学《npj-柔性电子》:电纺成束碳纳米纤维,可恢复截肢者的体感等的受皮肤启发的人造软传感器  第2张

软传感器:软传感器技术是什么?

越来越多的行业正在寻找一种不使用传感器测量物理量(压力、温度……)的方法。

这种方法便是软传感器。

而软件传感器的挑战在于:如何在不测量物理量的情况下获得其值?

1. 什么是软传感器?

传感器是将观察到的物理量的状态转换为可用量的装置。例如,传感器将汽车的速度测量值转换为仪表盘上的显示值,供驾驶员使用。

一般而言,传感器可分为两种:物理现实中的传感器与软传感器。

物理传感器是测量物理量的设备,例如:压力传感器(气压计)、 速度传感器(转速表)和温度传感器(温度计),等等。

而软传感器,也称为虚拟传感器,是软件的通用名称,其可以同时处理多个测量。通常,软传感器基于控制理论,有时也被称为 “观察者”,它是通过间接使用的,可能有数十个甚至数百个测量值。

软传感器在数据融合中特别有用,它将不同特性和动态的测量结合在一起。因此,软传感器可以用于故障诊断以及控制应用。典型的软传感器包括卡尔曼滤波器,而最新的软传感器会使用神经网络或模糊计算。

软传感器应用示例:

卡尔曼滤波器用于估计位置

电动机速度估算器

使用自组织神经网络估算过程数据

过程控制中的模糊计算

食品质量评估

综上所述,软传感器是一种利用其他传感器的信息来估计物理量的软件程序,而不是直接测量。

2.软传感器是如何运作的?

软传感器经常被用于在线估计,基于对硬件传感器的测量信号的分析,用软件实现数学模型。通常情况下,建模采用第一原理模型、回归模型或人工神经网络进行。软传感器已经成功地应用于大规模工业过程的监测和控制。

软传感器需要测量、模型和估计算法来工作。

测量:

由于软传感器技术的无限可能实现,对所需硬件的确切需求是逐一研究的。利用系统知识的优势,可以使用更经济的仪器来获得所需精度的测量。软传感器可以共享一些现有的硬件能力。

模型:

软传感器中使用的模型代表了系统的知识,这些知识被用来提高测量的质量。所需模型的复杂度取决于软传感器开发的目标和系统的复杂度,范围从无到数千个动态变量。

简单的模型只需要很少的计算能力来执行估计算法。如果是更复杂的模型,可能需要安装额外的计算能力。许多模型允许作为嵌入系统来实现。

这些模型可能是基于 1)有关过程变量的物理过程知识——即所谓的第一原理模型或白箱模型;2)从系统运行数据中确定,但对系统结构几乎没有洞察力——即所谓的黑箱模型;3)混合灰箱模型,合并前两种方法。

估计算法:

同样,在模型的情况下,可以应用广泛的估计算法来计算感兴趣的变量。从Lueneberger Observer或Kalman Filter等简单的线性滤波技术开始,到Extended Kalman Filter或Moving Horizon State Estimation等最先进的非线性估计算法,将软传感器的适用范围扩大到在频繁变化的工作点上运行的具有挑战性的高度非线性系统。

3.应用:从物理传感器到软传感器

软传感器为工业中遇到的许多问题提供解决方案,这些问题涉及可用性,成本,质量和测量的实用性。通过改进的过程控制,操作和故障检测,改进的措施可以提高产品或系统性能的质量。

在由于经济或技术限制(例如,空间不足,恶劣的环境条件,极端的操作条件)而无法使用经典仪器完全或频繁地测量这些变量的情况下,软传感器可提供所需的过程变量的估计值。这些估计值可以解决以下问题。

问题1:测量非常昂贵,因此只能定期执行。

解决方案:软传感器为变量提供连续的估计。

问题2:仪器过于昂贵且尚未安装,因此该过程更加难以控制。

解决方案:软传感器提供廉价的变量近似值估计值,从而改善了操作。

问题3:没有仪器可以直接测量感兴趣的过程变量,例如系统的热负荷。

解决方案:软传感器使用可用的测量值来提供变量的估计值,例如,结合系统动力学的知识以及冷却剂质量流量和系统温度的测量值来计算热负荷。

问题4:由于恶劣的条件或仅缺少空间,无法在目标位置安装任何仪器,例如,在目标位置没有放置温度计的地方。

解决方案:软传感器提供了变量的估计,使用在不同地点进行的测量,与感兴趣的地点相关联,例如,使用感兴趣点周围的温度知识和系统模型允许估计该地点的温度。

在某些应用场景下,软传感器相比物理传感器有一定的优势。

例子1:轮胎与路面之间作用力的估算

用途:轨迹控制(ESP、ABS……)。

物理传感器:存在,但价格昂贵(一个测功轮的价格超过10万欧元)。

软传感器:使用其他更容易访问的测量方法(轮胎变形、速度、振动……)。

例子2:胎压估算

用途:检测爆胎、充气不足……。

物理传感器:经典压力传感器(每个轮胎上一个)

软传感器:使用轮胎变形测量(充气)或车轮之间的速度差。

目前,软传感器技术发展的驱动力主要是经济。事实上,软传感器是一个计算机程序,因此,无需复制或制造它。它的成本源于IT开发,是一个一次性的过程。因此,这是一种非常有趣的方式,可以部分取代物理传感器的利用。

例子3:防夹系统

如今,越来越多的开启装置成为汽车上的机动装置:车窗、车顶、滑动侧门、后备箱……为了保证使用者的安全,防夹标准被制定出来,并成为强制性标准。

工业家开发了两种方法。一是直接检测,该方法非常可靠,但价格昂贵;二是通过速度测量进行间接检测,目前非常流行,但校准复杂,有时反应 “太迟”。

防夹系统越来越多地被规范在门窗的电子机械关闭系统上。例如,欧洲电动窗的标准要求防夹系统在100到125N之间,即10到12公斤之间。这也是工业家和汽车制造商不得不应对的问题之一。

带物理传感器的防夹系统:

为了达到这些标准,汽车制造商有时会使用带有物理传感器的复杂系统。在更大的范围内,成本是不可忽视的。目前,现有的系统是由橡胶制成的侧面,带有电容或电阻传感器(地铁列车的车门),或者带有障碍物探测仪。

带软传感器的防夹:

软传感器是作为物理传感器的替代解决方案出现的。其目的是获得与物理传感器相同(或更高)的精度,以便迅速确定障碍物的存在,并做出相应的反应。

一个电动系统(如门)的解决方案可能包括测量关闭时的速度,并将结果与 “常规 ”速度(预期)进行比较。如果观察到实质性的差异,我们可以归结为结论,即在关闭路径上有障碍物。然后,系统就会停止并返回。这个速度差与障碍物对门施加的力有关。返回之前授权的最大力是由测量的差值决定。

来源:网络

声明:本文内容系作者个人观点,不代表传感器专家网观点或立场。更多观点,欢迎大家留言评论。

软传感器:软传感器的技术与应用

展开全文
标签:
软传感器
  过程工厂的运营绩效已成为实现经济和环境目标的主要指标。这个指标现在比以往任何时候都更为重要。一般情况下,良好的运营绩效是一个不断改进过程的结果。因此,好的绩效会带来更高的成本效益、更好的产能效果和更少的生产损失,以及符合环保和安全法规,使过程的运行实现最佳化。  另一个在过程工业出现的持续变化是过程工厂的大仪表和数字化现象,导致的结果是大量的数据被记录和存储。虽然这些数据现在已经用于过程工厂的底层控制和监视,但这些数据的潜在价值和用途还远远没有得到充分体现和开发。   然而,利用这些隐藏的信息是不容易的,需要使用先进的工具对它们进行挖掘才能实现。其中一种重要的工具就是软传感器,这就是这篇文章的中心话题。软传感器有可能开启一个过程工业卓越运营的新时代,因为实施的成本相对较低,所需要开发的数据已经存在,所需要的技术也已经可用。  本文是一种通用性的技术和应用介绍。对软传感器(Soft Sensor:也称软仪表)的技术和今天正在使用的情况做一个简要概述。  软传感器技术  工业过程工厂通常要使用大量的传感器。传感器的主要目的是为过程监视和控制提供数据。然而,约在二十年前,研究人员开始利用过程工业中测量和存储大量的数据,建立基于这些数据的预测模型。在过程工业的背景下,这些预测模型被称为软传感器。这个词是一个组合词,包含了软件,因为模型是一种计算机程序;包含了传感器,因为这些模型类似于硬件传感器,能够提供现场数据。其他同义的公共术语是:推理传感器和虚拟在线分析仪--这像它们在六西格玛环境中的称谓。  在一般层面上,我们可以把软传感器分为两种不同的类型,即模型驱动型和数据驱动型(见图1)。虽然也有一些模型驱动的软传感器基于扩展的卡尔曼滤波器或自适应观测器,最常见的软传感器家族都基于第一原理模型(FPM)。第一原理模型描述了过程的物理和化学背景。这些模型的开发主要用于过程工厂的规划和设计,因此通常侧重于过程理想状态的描述。这是也使它们很难变为实用的软传感器。作为一种解决方案,数据驱动型软传感器的应用越来越普及。
  数据驱动型软传感器最流行的建模技术是主成分分析(PCA)结合回归模型(主成分回归 - PCR),偏最小二乘法(PLS),人工神经网络(ANN),神经模糊系统(NFS)和支持向量机(SVM)。  软传感器完成任务的范围非常广泛。软传感器的最占主导地位的应用领域是对过程变量的预测,这些变量要在低采样率或只通过离线分析才能确定。因为这些变量往往关系到过程输出的质量或过程的其他关键方面,使得它们对过程的控制和管理是非常重要的。由于这些原因,用更高的采样率和/或用较低的财务成本,能提供这些变量额外的信息具有极大的价值,而这正是软传感器的特长。应用于这类软传感器的监督学习方法既有统计学习方法也有计算学习方法。这类软传感器应用领域进一步扩展到在线预测。  软传感器的其他重要应用领域是过程监视和过程故障检测。这些任务还涉及到过程状态检测,一旦离开正常条件出现偏差,需要能够识别偏差源。传统上,过程状态由过程工厂控制室中的操作员来监视。过程状态的观察和解释通常基于单变量统计,这要依靠操作员的经验,要找出特定变量间的关系并作出关于过程状态的决定。过程监视软传感器的作用是:根据历史数据,建立多变量属性,然后与过程状态的描述相关。为了显示预测过程状态或多变量属性,软传感器要支持操作员界面,允许他们更快、更好、更有目的的做决定。过程监视软传感器通常基于主成分分析(PCA)和自组织映射(SOM) 。图2显示了所讨论的数据驱动传感器的应用范围和对每种应用最常用的技术。
  此外,过程工厂往往有大量各种各样的传感器,因此传感器出故障具有一定的概率。检测这种故障是软传感器的下一个应用领域。使用更为通用的术语来说,这个应用领域可描述为故障传感器的检测和重建。一旦检测和识别到故障传感器,这个传感器(软传感器)可以被重建或用软传感器来替换(硬件传感器),它可以训练成一个硬件测量装置的软传感器备份。如果备份传感器被证明足以替换一个物理传感器,这种理念还可以进一步延伸--软传感器在正常工作条件下可以取代的测量装置。   软传感器的应用  软传感器的应用可以在过程工业的许多领域里找到。最典型的例子是化学产品、造纸/纸浆和钢铁行业。下面列出软传感器在这些过程工业领域中三种最常见的应用类型。  · 在线变量预测  软传感器的最常见的应用是对在线不能测量的变量值进行预测。这可能是技术方面的原因(例如,没有任何设备能够测量这些变量值);也可能是经济方面的原因(例如,所需的设备太昂贵)等。最常用的情况是:需要测量对最终产品质量相关的关键值,而软传感器能够提供有用的信息值,当软传感器预测的变量值符合给定标准,它还可以用于过程的自动控制回路。数据驱动的软传感器已被广泛用于发酵、聚合反应及精炼过程。  · 过程监视和过程故障检测  软传感器的另一个应用领域是过程的监视。过程监视可以是一种无监督学习或二元分类任务。该系统可以被训练成描述/分析正常运行状态或识别可能的过程故障。一般情况下,过程监视技术基于多变量统计技术,如主要成分分析PCA方法,或更精确的霍特林(Hotelling)T2和Q统计方法。这些措施,一方面考虑所有输入特性的优势,即利用多变量统计,另一方面,提供关于特别贡献的监视统计数据可能破坏的信息。过程监视的另一种常用的技术是自组织映射(SOM)。  · 传感器故障检测和重建  作为故障检测和重建功能的软传感器,是在过程工业中的传感器出现故障时,还要像正常运行一样能够处理数据。因此,这就要求在故障前先要建完模型并应用于实际,在故障发生后要能够找到故障传感器并对其进行重建(软传感器)或替换(硬传感器)。
系统分类:
自动化软件 | 用户分类:
软件 | 来源:
原创

您可能感兴趣的文章

本文地址:https://www.ceomba.cn/4220.html
文章标签: ,  
版权声明:本文为原创文章,版权归 ceomba 所有,欢迎分享本文,转载请保留出处!

文件下载

老薛主机终身7折优惠码boke112

上一篇:
下一篇:

评论已关闭!