IEEE1451.2网络化智能传感器校正引擎的研究

臧　晶，赵　常

(沈阳理工大学 信息科学与工程学院，沈阳 110159)



IEEE1451.2网络化智能传感器校正引擎的研究

臧晶，赵常

(沈阳理工大学 信息科学与工程学院，沈阳 110159)

摘要：针对传统传感器无法同时适应不同传输总线以及传统传感器采集数据的非线性、零点漂移等问题，提出将最小二乘法应用于基于IEEE1451.2标准智能传感器的校正引擎中。通过Matlab软件对传统传感器与智能传感器的采集数据分别进行仿真，验证了经过最小二乘法校正后的传感器采集数据相比于传统传感器采集数据的正确性得到了提高。

关键词：IEEE1451.2；智能传感器；校正引擎

为实现传感器与现代网络互连，赋予传统传感器一些“智能”特性。早在1993年开始，以Kang Lee为首的一些杰出的科学家就开始构造一种通用智能化传感器的接口标准，经过几年努力IEEE会员在1997年通过了IEEE1451.2标准。在国外，HP实验室在IEEE1451.2标准的基础上建立了一套传感器模型。模型包括与传感器相连的STIM和与Ethernet相连的NCAP两个部分，每个部分的内容可以在 PC机上通过浏览器读取。在国内，刘龙将IEEE1451.2标准与射频技术相结合，以 ADUC812单片机为核心，应用射频芯片nRF24E1、温度传感器 DS18B20与振动传感器 ADXL210设计无线智能传感器节点。

本文对IEEE1451.2标准的智能传感器的校正引擎应用算法做了研究，提出将最小二乘法应用到校正引擎中，通过对仿真结果以及数据正确率的分析验证了该方法能够有效抑制传统传感器数据采集中非线性以及零点漂移等问题。

1IEEE1451.2标准技术特征

IEEE1451.2的功能模块如图1所示，该标准规定智能传感器是由STIM与NCAP模块以及它们两者之间的接口TII构成。

图1　IEEE1451.2传感器接口标准功能框架

智能传感器的变送器模块STIM，主要功能为读取传感器数据和设定执行器参数。它主要包括：数字信号处理模块、变送器电子数据表格TEDS、TII独立接口以及扩展接口等部分。

网络适配器模块NCAP，主要用于连接STIM模块和网络，它可以从STIM模块中获取传感器采集数据，然后将数据发送至不同的网络总线，同时也可以实现对STIM的智能控制。它主要包括：校正引擎、应用处理器和网络接口等部分。其中校正引擎的表达式由IEEE1451.2标准给出，其校正参数存储于电子数据表格TEDS中。

变送器独立接口模块TII，是基于SPI协议的连接NCAP和STIM的串行通信接口，它通过10根总线将NCAP与STIM连接在一起。

电子数据表格TEDS，是IEEE1451.2的技术核心。它是内嵌于STIM模块的一个表格，可以储存在EEPROM中，描述了STIM和NCAP模块中的相关参数，被设计来提供传感器的自我识别能力和自校正能力，它可以描述STIM所支持的传感器的类型、性能、行为等属性，例如：所支持传感器的名称、类型、序列号等。正是由于该表格的存在，从而使传感器具有了自我标识能力，能够使不同的网络都可以识别所使用的传感器类型及相关信息。即用户在选择传感器的时候不用再考虑传感器的网络兼容性问题。IEEE1451.2标准定义的 TEDS模型包括8种不同的数据表单，描述了所支持传感器或执行器的类型、行为和性能属性。其中总体TEDS和通道TEDS是必备的，其它6个可按需求选择。

网络化智能传感器一般由信号采集模块、数据处理模块和网络接口模块组成。这三个模块可以是采用不同芯片构成合成式的，也可能是单片式结构。其基本结构如图2所示。它采用的基本技术原理是：将传感器的微弱电信号放大后，经A/D转换器变换为数字信号，送入微处理器，依靠灵活和丰富的软件对输入数据进行数字滤波、误差补偿、工程量提取等，并能进行各种功能组态，为每个智能传感器配置一个数字通信模块，以标准通信协议将所需数据传输至监测节点并实现传感器、执行器之间的信息对等交换。

图2　网络化智能传感器基本结构

2校正引擎

2.1数学模型

在实际工程中，传感器采集的数据往往存在非线性，零点漂移等问题，这些问题如果只依靠提高装置的性能，是不能完全解决的，通过校正引擎，能够提高传感器的测量精度。同时校正引擎能够完成数据的转换，可以将传感器获得的数据转化成为工程量或将工程量转化为执行器所需要的表达形式。IEEE1451.2规定校正参数TEDS存在于STIM中，NCAP中的校正引擎获取TEDS中的校正参数实现传感器数据的校正，从而通过软件改善测量误差。

IEEE1451.2标准规定校正引擎的数学原理为

(1)

式中:Xn为传感器的输出变量值；Hn为输出变量的修正值；Dn为输出变量的参数；Ci为多项式的每一项系数，它们都存在于STIM的TEDS中。校正引擎通过数学模型计算，得到校正后的传感器数据。IEEE1451.2标准虽然规定了数学模型，但是校正系数可以通过不同的算法获得，对于不同的算法，校正引擎的精度各不相同，下面将最小二乘法应用于校正引擎来获得校正系数。

2.2最小二乘法数学原理

最小二乘法是用于曲线拟合的一种常用方法，它通过使所求数据与实际数据之间的误差平方和最小来优化数据。

选取多项式f(x)=a0+a1x+a2x2+…+amxm来逼近实际函数，yi为实际测量点的值，则误差函数ei=f(xi)-yi，误差函数平方和为

(2)

(3)

即可求出多项式系数a0，a1，a2…an的解，进而求出逼近函数f(x)。

因为f(x)=a0+a1x+a2x2+…+amxm=(b1x+c1)(b2x+c2)…(bmx+cm)，故f(x)是吻合IEEE1451.2标准规定的校正引擎表达式(1)。

2.3仿真实验

采用AD590温度传感器测量到某实验室某时间段内的温度变化如表1所示。

表1　测量温度与实际温度值　℃

2.3.1校正前数据分析

将测量温度与实际温度做仿真可得到图3所示的仿真图。

图3　测量温度与实际温度分布仿真图

由图3可以看出，实际温度是呈线性分布的，且零点是在坐标轴原点，而由普通传感器测量的数据由于传感器本身具有零点漂移以及非线性等问题，使得测量的温度数据无规律地分布在真实数据两边，具有典型的非线性特性，另外测量数据的起始点也偏移了坐标原点。由此可见普通传感器测量的数据具有非线性和零点漂移等问题。

2.3.2数据校正

将普通传感器测量的数据，经过最小二乘法校正引擎，用Matlab编写仿真程序如下：

figure;

t=[8 8.5 9 9.5 10 10.5 11 11.5 12];

c=[16.2 16.3 16.9 17.5 18.1 18.3 19.3 19.4 20.2];

c1=[16.0 16.5 17.0 17.5 18.0 18.5 19.0 19.5 20];

a=polyfit(t,c,1);

ti=8∶0.1∶12;

ci=polyval(a,ti);

plot(t,c,′go′,′MarkerEdgeColor′,′k′,′MarkerFaceColor′,′g′,′MarkerSize′,6);

xlabel(′时间′);

ylabel(′温度′);

hold on

plot(ti,ci,′linewidth′,2,′markersize′,16)

plot(t,c1,′--*m′,′linewidth′,1);

legend(′原始数据点′,′拟合曲线′,′真实数据′);

plot(t,c,′-r.′)

yi=polyval(a,t)

hold off

运行结果如图4所示。

图4　校正仿真结果图

由上述程序得出校正引擎的校正系数：a=[1.0300，7.7222]

由校正系数可得到拟合多项式表达式为：yi=1.0300xi2+7.7222

由上述程序得到校正后的各点数据为：

y=[15.9622，16.4772，16.9922，17.5072，18.0222，18.5372，19.0522，19.5672，20.0822]

2.3.3校正后数据分析

上述仿真后得出的数据整理后如表2所示。

表2　校正后温度值　 ℃

(1) 非线性校正分析

由图4可知，原本无规律分布在实际数据两边的测量数据具有非线性特性，经过校正后的数据已经非常接近实际数据，并且呈现出明显的线性特性，下面定量分析非线性校正的改善率：

测量数据正确率=1-(|采集数据-实际数据|/实际数据)；

校正数据正确率=1-(|校正数据-实际数据|/实际数据)。

取各组数据平均值可得：

校正前数据正确率=99.1357% ；

校正后数据正确率=99.7982% 。

故经过最小二乘法非线性校正后正确率改善：0.6625% 。

(2) 零点漂移校正分析

由图4可知，“零点”处的实际数据为16.0，由于普通传感器具有零点漂移问题，测量数据为16.2，零点测量具有0.2偏差，而经过校正引擎校正后的数据为15.9622，偏差降低为0.0378，“零点漂移”现象得到改善，下面定量分析零点漂移的改善率：

测量数据正确率=1-(|采集数据-实际数据|/实际数据)；

校正数据正确率=1-(|校正数据-实际数据|/实际数据)；

校正前零点漂移正确率=81.25%；

校正后零点漂移正确率=99.77%。

故经过最小二乘法后的零点漂移正确率改善：18.52%。

由图4可知，由校正引擎校正后的数据更加接近真实数据，普通传感器采集过程中存在的非线性和零点漂移等问题得到了不同程度的改善，因而智能传感器比传统传感器测量出的数据更加具有可靠性，故将最小二乘法应用于对基于IEEE1451.2标准的智能传感器采集的数据进行校正，能够改善传统传感器数据采集过程存在非线性和零点漂移等问题。

3结束语

通过对传统传感器采集数据的仿真图以及正确率分析表明，将最小二乘法应用于IEEE1451.2标准的智能传感器校正引擎中，能够较好抑制传统传感器采集数据中存在的非线性以及零点漂移等问题，使采集的数据更加接近真实数据，传感器

的网络化、智能化也是未来传感器发展的一个方向。

参考文献：

[1]何金田,刘晓旻.智能传感器原理、设计与应用[M].北京：电子工业出版社，2011：73-80.

[2]童利标,陆文骏,于益.网络化智能传感器标准IEEE1451.2的TII协议研究[J].传感器世界，2006,12(3):37-40.

[3]卞亦文,吴仲城,申飞,等.基于IEEE1451.2 即插即用网络化智能传感器的研制[J].传感技术学报，2003，12(1):50-53.

[4]吴忠杰,林君,李冶,等.IEEE1451标准智能传感器中网络应用处理器的实现[J].传感器与微系统,2006,25(6):85-88.

[5]T M Roberts,M Talebzadeh.Fatigue life prediction based on crack propagation and acoustic emission count rates[J].Journal of Constructional Steel Research,2003,1(59):679- 694.

[6]王可,毛志.基于Matlab实现最小二乘曲线拟合[J].北京广播学院学报，2005,12(2)：50-56.

[7]付艳茹.基于Matlab曲线拟合的应用研究[J].吉林师范大学学报：自然科学版,2010,5(2)：55-58.

[8]Eugene Y Song，Kang Lee.Understanding IEEE 1451-Networked Smart Transducer Interface Standard[J].IEEE Instrumentation & Measurement Magazine,2008,11(2):11-17.

(责任编辑：马金发)

Research on Correction Engine of Networked Intelligent Sensors Based on IEEE1451.2

ZANG Jing,ZHAO Chang

(Shenyang Ligong University,Shenyang 110159 ,China)

Abstract：Traditional sensors can’t adapt to different transmission bus and data collected by non-linearity and zero drift shortcomings,the least squares method is applied to the calibration engine of IEEE1451.2 standard .Through the simulation of the data collected by traditional sensors and intelligent sensors in Matlab software,the data collected by least-square method is verified to have better performance in comparison with traditional sensors.

Key words：IEEE1451.2；smart sensor；correction engine

中图分类号：TP212

文献标志码：A

文章编号：1003-1251(2016)02-0044-04

作者简介：臧晶(1975—),女，讲师，研究方向：信号与信息处理。

收稿日期：2015-03-20