基于正交锁定差分放大器的巨磁阻抗（GMI）磁传感器

基于非晶丝的巨磁阻抗(GMI)效应,利用CoFeBSi非晶丝作为敏感材料,采用正交锁定放大电路和仪用放大器作为信号调理电路,设计了一种差分式高灵敏度GMI磁传感器。介绍了巨磁阻抗效应的基本概念和双非晶丝差分结构的磁敏探头,分析了基于正交锁定差分放大技术的信号调理电路的工作原理,并结合非晶丝两端输出信号的幅度和相位特性,提出了正交锁定放大器输出包络的近似计算方法。实验结果表明:在-2.0 Oe~+2.0 Oe的量程内,该GMI磁传感器灵敏度可达748mV/Oe,线性误差为0.98%FS,且噪声平均功率谱密度约为0.8nT/Hz1/2。     

一种强度补偿反射式光纤位移传感器的研究

:提出一种等间距排列的三探头反射式光纤位移传感器 ,该传感器通过双路接收的方法来实现光强补偿。从理论上对该种传感器的补偿机理作了详细的分析 ,得出了位移特性调制函数的表达式 ,给出了仿真曲线。结果表明 ,这种光纤传感器可以有效地消除因光源光强波动、表面反射率以及光纤传输损耗的改变对输出特性的影响     

几种带补偿功能的三光纤传感器的分析

在单光纤对光耦合模型的基础上 ,研究了三种带补偿功能的三光纤反射式位移传感器 ,建立了通用的光耦合的数学模型。仿真研究了它们的位移特性 ,并比较了它们的优缺点。研究结果表明 ,采用三光纤的光纤位移传感器不但线性范围、位移灵敏度和线性度等特性得到较好改善 ,而且可以有效地消除光源功率波动和反射面的反射率变化等因素对位移测量的影响     

差动式电涡流位移传感器

设计了差动式精密电涡流位移传感器.通过对参数的合理选择与优化,测量电路尽量采用线性集成元件,较好地解决了一般载频调幅式电涡流位移传感器线性范围小、线性度差、时漂和温漂大的缺点,能够满足在10kHz的动态范围内,对高速转轴在复杂环境温度条件下,进行长期精确的位移和振动监测的需要.     

簇结构对无线传感器网络干扰及生命周期的影响

为降低网络干扰,延长生命周期,针对扇形环分簇的无线传感器网络,引入功率控制策略以改进传统的物理干扰模型和能耗模型。在此基础上,通过分析数据包产生过程,对网络干扰和生命周期进行计算。数值计算结果表明,网络中内外环宽度相差较小时,生命周期较长,但对干扰无影响;外环簇数应适当多于内环簇数;扇形环簇的数量增多时,网络干扰加剧,然而生命周期得到延长。研究结果为优化无线传感器网络中簇结构提供了依据。     

UHMWPE复合材料抗爆实验研究

运用定制的聚偏四氟乙烯(PVDF)压电传感器,直接测量爆炸载荷下UHMWPE层叠无纬布和PU基体的UHMWPE复合材料内部冲击波压力峰值,对其冲击波衰减特性进行了实验研究。实验结果表明:UHMWPE复合材料对爆炸冲击波有很好的衰减作用,含有PU基体的UHMWPE复合材料比UHMWPE层叠无纬布对爆炸冲击波有更好的衰减效果。UHMWPE复合材料具有轻质、吸收冲击波效率高等特性,在爆炸冲击波防护领域有很好的应用前景。     

无线传感器网络中基于有限反馈的协同MISO传输方案

为解决无线传感器网络中节点能量受限,文中提出一种基于有限反馈的协同M ISO传输方案,此方案通过接收端反馈给簇头节点的信道增益比值来调整簇头节点和协同节点的发射功率。通过联合优化传输速率和协同节点数,使得网络总能耗最小。分析和仿真结果表明,此方案能有效降低网络的总能耗。     

弯曲致受抑全内反射式液位检测效应仿真实验分析

从传统的有损光纤结构的液位传感方法入手,深入研究塑料多模光纤传输过程中的包层模式下的弯曲损耗、受抑全内反射以及光能量耦合机理,在理论上揭示传感器效应的作用机制,从几何光学的理论出发,使用光线追迹方法,进一步模拟宏弯曲光纤内的光线传播路径,光纤受抑全内反射效应的能量变化机制,仿真结果与理论分析一致,搭建实验平台对前述理论分析和仿真模拟结果进行进一步的测试和验证。实验结果表明,该效应相对于传统有损光纤结构方法,可以进行高精度高灵敏度的稳定可靠液位传感测量。     

水下传感器网络部署优化研究

水下传感器网络具有广阔的应用前景,但也存在能量有限、延迟较长、部署区域不连通和通信能耗大等问题,理论和实践证明传感器节点的优化部署是解决已上问题的有效方法。为此综合考虑水下传感器网络的工作环境及传感器特性,建立了提高网络可靠性的网络部署模型,给出了网络部署的成本函数及约束条件,并使用遗传算法对传感器节点和中转节点的部署成本及网络生命周期内的能量消耗进行优化。通过仿真实验表明,该模型收敛速度快,部署节点结果合理,达到了较好的优化网络的目的。     

LEACH—DRT算法中基于神经网络的数据预测算法

为了保证无线传感器网络中数据的完整性,针对基于LEACH路由协议的动态轮时间算法存在的问题,提出一种基于人工神经网络的数据预测算法。该动态轮时间算法中,部分簇因调整后的轮时间不足以完成数据的采集而丢失数据。数据预测算法结合传感器节点数据具有时空相关性的特点,将时空延迟算子引入神经网络模型,并通过建立的神经网络模型对数据进行预测。仿真时采用伯克利英特尔实验室的传感器数据,通过Mafl软件对模型进行测试并分析仿真结果。实验结果表明：该算法对连续多个数据的预测效果理想,预测误差始终保持在较低水平。