简介:无线传感器网络部署的成功取决于是否能够在其诸如数据的精确性、数据聚类程度以及网络生命周期最大化等问题上,提供一个高质量可靠的性能服务。其中,数据融合机制就特别具有挑战性。如果将一小部分低质量的数据作为数据融合输入,那么极可能对整个数据融合结果产生负面影响。该文提出了改进型分批估计和BP神经网络相结合的多传感器数据融合方法,旨在提高网络的服务质量并减少整个网络的能量消耗。该方法能够辨别和剔除低质量的终端数据,提高数据的精确性;同时,它还能够融合冗余的数据,以减少各站点之间的数据通信消耗,使网络生命周期最大化。通过MATLAB实验仿真,表明该文提出的方法具有良好的数据融合性能;相比于LEACH,有效减少转发数据包量,提高了网络生命期。
简介:摘 要:为进一步满足测量精度与主要技术等方面的需求,更好的让称重传感器满足众多场合的需要,促进经济发展需求与实际的应用要求,在先前传统称重方式的改革基础之上,进一步研究出剪切梁式称重传感器。剪切梁式称重传感器现已广泛应用于诸多领域,本文立足于剪切梁式称重传感器的发展情况、工作原理及其特征,简析剪切梁式称重传感器的实际应用状况。
简介:摘 要: 谐振式传感器因具备体积小、分辨率高、精度高等优势极具应用前景。本文提出了一种由石墨烯纳米机械振子、Si/SiO2衬底以及磁致伸缩材料(Fe83Ga17)组成的高频、高可调谐性谐振式磁传感器。该磁传感器利用了石墨烯谐振器的高谐振频率特性,通过测量石墨烯的频移来检测外部磁场的大小。我们利用有限元分析方法,对传感器的谐振频率随外部磁场大小(1mT~1.6mT)变化的函数关系作了线性拟合,灵敏度可达105kHz/mT。同时,通过优化磁传感器的部分结构,如减小薄膜尺寸、衬底以及磁致伸缩材料的厚度,使得单层石墨烯的磁场灵敏度可达834kHz/mT,比传统的谐振式磁传感器高出2~3个数量级。结果显示,基于磁致伸缩效应的石墨烯谐振式磁传感器具有潜在的应用前景。