[发明专利]一种基于类脑计算的微压力传感器

说明书

本发明公开了一种基于类脑计算的微压力传感器，包括微压力传感器微压力感应结构、搭载脉冲神经网络的类脑计算芯片和通信模块，由微压力感应结构检测工作环境种的压力值，由类脑计算芯片读取微压力感应结构的原始数据，通过神经网络完成智能滤波和快速读数，通信模块进行远程反馈，反馈的信息用于调整神经网络以改善学习效果。本发明的优点是传感器可自适应于多种复杂环境，压力检测精度高，延迟低，功耗小，能够对输出结果分布异常给出告警。

技术领域

本发明涉及一种智能检测压力的器件，特别是一种基于类脑计算的微压力传感器。

背景技术

微压力传感器是一种采用了微机械制造工艺加工的电子传感器件，被广泛应用于工业生产、电子设备等领域。当前的微压力传感器采用出厂调试后离线检测输出的工作模式，这种模式存在工作工况与调试工况差异大导致输出结果不准确、在连续工作中对环境干扰因素不识别等问题。

发明内容

本发明是针对目前压力传感器需要现场调试、应对复杂环境抗干扰能力差的问题，提供了一种用于可自适应于多种复杂环境的类脑计算微压力感应结构。

为了解决上述技术问题，本发明采用的技术方案是：

一种基于类脑计算的微压力传感器，至少包括一微压力感应结构、一预置神经网络模型的类脑计算芯片和预警模块，其特征在于，包括以下步骤：

工作时，所述微压力感应结构在环境压力作用产生应变ε(t)并输出电信号，电信号传输到类脑计算芯片中，神经网络模型首先判断该电信号是否处于预设检测范围内，如果不在，则通过预警模块发出预警，进行人工检查或者干预；如果在，则进入滤波环境，根据该电信号的时域、频域特征，判断传感器工作状态，调取存储中相关处理方法对其进行滤波处理；经过滤波处理的电信号通过神经网络模型判断读数定义域，调取该读数定义域对应的函数进行计算并输出读数；神经网络模型对输出读数的分布情况进行学习和分析，当输出读数的分布出现异常时，类脑计算芯片将输出告警信号，告知使用者判断是否存在问题。

进一步地，所述神经网络模型采用同类型微压力感应结构的长期工况下运转且经过校正的带标签数据或者实验室模拟环境下带标签数据经过拟合训练得到。

进一步地，所述神经网络模型可在工作过程中继续学习经通信模块校正的带标签数据。

进一步地，所述预警模块包括通信模块和远程服务器。

进一步地，所述微压力感应结构采用基于惠斯通电桥的压力感应结构。

进一步地，在滤波环境下，类脑计算芯片首先对该电信号的时域F(t)、频域特征F(ω)进行离散化处理，记录干扰源幅高及频谱区域、统计干扰分布点位，对比带标签数据的分布函数F(sp)，判断传感器工况范围{(a,b^-),(b⁺,c^-),(c⁺,d^-),...}，a、b、c、d组成的数据段代表工况范围，针对该电信号所在数据范围，调用相应的滤波修正函数f_1i(F)＝∫_Re^2πitε(KF(ω)-g_i(ω)-a_i)dε，从频域消去该工况下出现的干扰g_i(ω)，利用经验系数K(t)和经验常数a_i修复信号失真，从而完成对信号的智能滤波处理，其中i为序号角标，t为时间，ω为频率。

进一步地，所述读数定义域记为[m_i,n_i]，对应的函数为F为经过滤波处理的电信号，i为序号角标，m_i和n_i为读数定义域的端值，U_i(f(n_i))为初始线性标定函数，以计算数据点初始值。