[发明专利]一种多维力传感器的动态解耦方法

权利要求书

1.一种多维力传感器的动态解耦方法，其特征在于，该方法包括以下步骤：

(1)首先对传感器进行动态测试试验；

(2)然后将传感器的输出信号进行动态补偿；

(3)最后对经过补偿后的输出信号进行静态解耦，根据所得的试验数据代入静态解耦模型，完成解耦。

2.根据权利要求1所述的多维力传感器的动态解耦方法，其特征在于，所述步骤(2)具体为：通过在传感器的输出端串联动态补偿滤波器来对传感器的有效工作频带进行适当的扩展和延伸，从而使得传感器测试系统动态特性达到预定要求。

3.根据权利要求2所述的多维力传感器的动态解耦方法，其特征在于，所述动态补偿滤波器可采用基于建模的动态模型的动态补偿滤波方法，具体为零极点相消或反卷积法。

4.根据权利要求2所述的多维力传感器的动态解耦方法，其特征在于，所述动态补偿滤波器可采用非建模的动态模型的动态补偿滤波方法，具体为粒子群优化算法或神经网络逆系统的补偿方法进行动态滤波补偿。

5.根据权利要求1所述的多维力传感器的动态解耦方法，其特征在于，所述步骤(3)中静态解耦可采用基于最小二乘法的线性解耦方法、基于BP神经网络的非线性解耦方法或基于模糊推理的传感器解耦方法。

6.根据权利要求5所述的多维力传感器的动态解耦方法，其特征在于，所述最小二乘法的线性解耦方法具体为假定传感器的输入与输出是线性关系，通过运用最小二乘法来确定其相关的参数。

7.根据权利要求5所述的多维力传感器的动态解耦方法，其特征在于，所述基于BP神经网络的非线性解耦方法具体为：

(1)首先，需要确定BP网络的结构形式；

(2)其次，选择可以用于网络模型训练和测试的样本数据；

(3)然后，对样本数据进行归一化处理；

(4)之后，对网络模型开始学习训练和测试；

(5)最后，对解耦测试效果展开效果分析讨论；通过统计分析实验数据，运用统计学的方法建立传感器的数学模型来实现传感器的非线性解耦合。

8.根据权利要求5所述的多维力传感器的动态解耦方法，其特征在于，所述基于模糊推理的传感器解耦方法具体为：

(1)把多维传感器看成一个黑箱系统，根据传感器的实际标定测量数据；

(2)利用人工智能方法中的模糊推理来建立多维传感器模型，并用该模型进行解耦计算。

9.根据权利要求8所述的多维力传感器的动态解耦方法，其特征在于，所述模糊推理需要经过3个步骤：①模糊推理的输入；②建立模糊推理规则；③输出信息的解模糊。