1.4　智能传感器中的软件方法

智能传感器应该能够自主地适应环境的变化，并能对由传感元件老化等问题引起的漂移和偏置效应进行自我调节。这种智能传感器的主要特点是将可靠的、自确认的信号或特征传递给更高级别的监控系统，以达到信息融合、跟踪和估计的目的。不良的传感器数据应由传感器识别，并标记测量质量问题，同时估计可能导致传感器发生故障的原因。这种情况下，往往需要以软件为解决方案帮助用户获取更加可靠的数据。这类软件框架是通用的，其目标是能够将相关技术应用于各种类型的传感器。

1.4.1　软件子模块

智能传感器的输出数据包括对被测对象的估计、对测量值不确定度的估计，以及用于不同模式下的多个传感器的数据融合等过程。直观地看，如果传感器数据的不确定度较大，那么它在数据融合过程中的权重就会相应降低。从统计上来说，测量值不确定度可以完全由被测量的概率密度函数（PDF）来描述，其中概率密度函数的平均值和方差分别对应测量估计值和测量值的不确定度。智能传感器提供的其他信息包括故障警报和传感器退化的原因。采用这些技术的传感器输出信号也应该符合标准IEEE 1451.4（用于传感器即插即用模拟和数字接口）。要使传感器输出信息符合这种结构，需要使用很多软件子模块把原始测量数据转换标准协议数据。智能传感器的各子模块之间的交互关系如图1-4所示。

1.4.2　预处理

传感器的物理感应元件会对其放置的环境产生响应，进而影响传感器的正常输出。在预处理阶段将敏感元件的响应信号（如声学的强度或温度）转化为更能代表原始环境数据的物理量，如电流或电压。因此，预处理是智能传感器的基本功能之一，通过它的传感器数据校准功能对传感器中的偏置效应和老化影响进行补偿。根据不同的应用情况，校准过程可能包括可以使用查找表实现的信号线性化、使用归一化方法消除直流偏置效应，以及对信号进行调节以纠正由温度效应引起的偏差。预处理还可以实现抗混叠的基本滤波，提高系统的信噪比。所有校准参数，如查找表中的系数和过滤器参数，都是设备预先设定的，如果检测到传感器的变化，就需要更新这些参数的设定。遵循标准IEEE 1451.4可以将这些参数存储在特定的传感器电子数据表中，方便在新系统中放置传感器时进行自配置。

1.4.3　状态监测与故障检测模块

传感器常用于监测系统的状态，以检测其异常行为。例如，由机器轴承振动产生的频谱特征可以作为轴承磨损的一个指标。结合专家系统知识，对某些频谱成分的观测结果可以用来检测轴承特定失效机制的发生。然而，在概念上传感器数据自身的状态监测与利用传感器实现系统状态的监测是不同的。因为状态监测系统必须对过程变量的真正变化具有鲁棒性，以便降低对故障的误报率。例如，一个加速度计在指定的频率和振幅范围内检测振动，不会因为外界干扰而引起误警报。智能传感器软件中包含两种传感器状态监测和故障检测方法，即基于模型的残差分析和基于新型检测方法的故障检测。

基于模型的残差分析，利用存储在缓冲区中的近期测量值，计算当前测量值与基于模型的方法得到的预测测量值之间的残差，如图1-5所示。模型输出值和当前传感器输出测量之间的显著差异表示可能发生故障。

新型检测方法是一类基于潜在信息的统计特征来识别不正常或者不可预见的故障状态的技术统称。在传感器状态监测的情况下，在给定环境下传感器健康状态的数据分布应该是相对平稳的。然而，如果传感器被移动到一个未知的环境，那么由于传感器漂移、损坏可能会导致输出数据的分布改变。新型检测方法将传感器新采集的数据标记为“新数据”。利用传感器以往采集的数据组成训练样本数据，可以直接推导出健康传感器的数据分布。通过该数据分布，提供了一种用来估计传感器的“新数据”与传感器健康运行期间获得的数据是否属于同一数据分布的方法。如果“新数据”不符合这一数据分布，就被归类为异常数据，并推断这可能是由传感器特性的变化引起的。