3.52 什么是智能传感器？传感器的智能化主要包括什么内容？
答：智能传感器是基于人工智能、信息处理技术实现的具有分析、判断、量程自动转换，漂移、非线性和频率响应等自动补偿，对环境影响量的自适应，自学习以及超限报警、故障诊断等功能的传感器。
传感器智能化主要包括：逻辑判断和统计处理、自诊断和自校准、自适应和自调整、组态、记忆和存储、数据通信等功能。
3.53 微传感器的特点是什么？有什么应用？ 答：微传感器具有以下特点：
（1）空间占有率小。对被测对象的影响少，能在不扰乱周围环境，接近自然的状态下获取信息。 （2）灵敏度高，响应速度快。由于惯性、热容量极小，仅用极少的能量即可产生动作或温度变化。分辨率，响应快，灵敏度高，能实时地把握局部的运动状态。
（3）便于集成化和多功能化。能提高系统的集成密度，可以用多种传感器的集合体把握微小部位的综合状态量；也可以把信号处理电路和驱动电路与传感元件集成于一体，提高系统的性能，并实现智能化和多功能化。
（4）可靠性提高。可通过集成，构成伺服系统，用零位法检测；还能实现自诊断、自校正功能。把半导体微加工技术应用于微传感器的制作，能避免因组装引起的特性偏差。与集成电路集成在一起可以解决寄生电容和导线过多的问题。
（5）消耗电力小，节省资源和能量。
（6）价格低廉。能多个传感器制作在一起且无须组装，可以在一块晶片上同时制作几个传感器，大大降低了材料和制造成本。
3.54 模糊传感器具有哪些基本功能？其基本结构是怎样的？
答：模糊传感器作为一种智能传感器，它应该具有智能传感器的基本功能，即学习、推理、联想、感知和通信功能。
模糊传感器的基本功能决定了其基本结构。 1．逻辑结构与物理结构
29
所谓模糊传感器的逻辑结构就是在逻辑上要完成的功能，图3.306所示是模糊传感器的简化逻辑结构框图。一般来说，模糊传感器逻辑上可分为转换部分和符号处理与通信部分。从功能上看，有信号调理与转换层、数值—符号转换层、符号处理层、有指导信息层和通信层。这些功能有机地集成在一起，完成数值—符号转换功能。
与模糊传感器逻辑功能相对应，一种典型的物理结构如图3.307所示。由图可知，模糊传感器是以计算机为核心，以传统测量为基础，采用软件实现符号的生成和处理，在硬件支持下可实现有导师学习功能，通过通信单元实现与外部的通信。
图3.306 模糊传感器的基本逻辑 图3.307 模糊传感器的基本物理结构 2．多维模糊传感器结构
图3.308所示为多维模糊传感器结构框图。由图可知，由敏感元件、信号调理以及A/D转换器组成的基础测量单元完成传统的传感测量任务。由数值预处理、数值—符号转换器、概念生成器、数据库、知识库构成的符号生成与处理单元实现模糊传感器核心工作——数值—符号转换。单一被测量的一维情况只能是多维模糊传感器的一个特殊情况。
数值符号的模糊化必须有知识库中专家知识的支持，知识库中存放的知识主要有符号量及其隶属函数、合成概念的推理合成规则、被测对象的背景知识以及测量系统的有关情况等。知识库经验隶属函数可以通过模糊统计法、选择比较法等方法产生，而对于不同的测量对象具体实现时的输入信息模糊化过程，则可以在知识库经验指导下，通过语义关系自动产生，也可以在导师指导下通过学习和训练来产生并修正隶属函数曲线，这正是设计学习单元的主要目的。调整好的符合量和隶属关系放入知识库中。通过调整符号量的隶属，可使模糊传感器适合不同的测量目的。
通过对一组采样样本的训练，模糊传感器可以自动产生一个概念序列放在数据库中，当有数值测量结果送入时，按最大隶属度原则选一符号量输出，即实现了数值—符号转换。
学习系统主要是为了调整概念而设计的，当测量系统用于不同的测量目的时，或不同用户有不同要求时，用户通过学习系统来调整符号量的隶属关系，满足自己的测量目的，调整好的符号量放入知识库中。
推理器主要是用来实现复合概念的生成。由于复合概念是建立在经验知识基础上，测量结果不能通过公式计算，必须利用知识库中的经验知识通过模糊推理来实现。为实现有导师学习，还必须具有输入设备，用户通过它实现对传感器的控制和调整概念。
通信接口实现模糊传感器与上级系统之间的信息交换，把测量结果（数值量与符号量）输出到系统总线，并从系统总线上接收上级系统的命令。人机接口是模糊传感器与操作者进行信息交流的通道。
30
管理器主要是对测量系统自身的管理，接收上级系统的命令，开启/关闭测量系统，调节放大器的放大倍数，根据上级系统的要求决定输出量的类型（数值量或者语言符号量）等。
图3.308 多维模糊传感器结构框图
3．有导师学习结构的实现
具有学习功能使得模糊传感器的智能化水平提高。图3.309所示为具有学习功能的模糊传感器示意图。由图可知，有导师学习法的基本原理是基于比较导师和传感器对同一被测值x的定性描述的差别进行学习的。对同一被测值x，如果导师的语言描述符号为l?x?，模糊传感器结构的描述为
l'?x?，则l?x?与l'?x?进行比较，结果如下：
（1）如果l?x??l'?x?，则e?正，那么u?增加； （2）如果l?x??l'?x?，则e?负，那么u?减少； （3）如果l?x??l'?x?，则e?0，那么u?保持。
其中，e为误差，u为控制量，被控量为概念的隶属函数，控制行为是“增加”、“减少”和“保持”。“增加”是指隶属曲线向数值小的方向平移或扩展，“减少”指向数值量大的方向平移或扩展，“保持”指隶属函数保持不变。
基于上述有导师学习的基本原理，可以看出，实现模糊传感器有导师学习功能的结构，关键在于导师信号的获取。
导师信号可以分为经验知识信号和直观感觉信号两类。所谓经验知识信号是指在某些测量任务下，经过长期的实践经验总结，导师对被测量的描述符号隶属度为1的相应数值已经可以事先确定；
31
而直观感觉信号是指导师对被测量状态的直接描述符号，其间不经过数值描述符号这一过程。可以采用人机接口的方式将上述这两种导师信号输入至模糊传感器内部，以便进行学习。
图3.309 有导师学习的模糊传感器示意图
3.55 网络传感器的一般组成单元是什么？其核心是什么？
答：网络传感器主要是由信号采集单元、数据处理单元及网络接口单元组成。
敏感元件调理电路A/D转换 微处理器网络接口信号采集单元 网络传感器的核心是使传感器本身实现网络通信协议。目前，可以通过软件方式或硬件方式实现传感器的网络化。其中，软件方式是指将网络协议嵌入到传感器系统的ROM中；硬件方式是指采用具有网络协议的网络芯片直接用做网络接口。 3.56 请画出利用网络传感器的测控系统的基本结构图。
答：图所示为利用网络化传感器进行网络化测控的基本系统结构。其中：
测量服务器：主要对各测量基本功能单元的任务分配和对基本功能单元采集来的数据进行计算、处理与综合，数据存储、打印等。
测量浏览器：为Web浏览器或别的软件接口，可以浏览现场测量节点测量、分析、处理的信息和测量服务器收集、产生的信息。
系统中，传感器不仅可以与测量服务器进行信息交换，而且符合IEEE1451标准的传感器、执
数据处理单元 网络接口单元
32