静态无线传感器（共5篇）
静态无线传感器 篇1
摘要：在静态无线传感器网络中,传统的APIT算法认为未知节点是在由锚节点组成的三角形内部的,在这种前提下得到未知节点的位置判断结论的判断存在着很大的位置判别误差,从而影响了未知节点定位的精度,为了减少这种判别错误的出现,在传统APIT算法的基础上提出了一种基于三角形面积判别的方法,同时通过对能量值加权的质心算法估计出未知节点的坐标。同时通过Matlab对算法进行了仿真比较,该方法在一定程度上提高了定位精度,减少了估计误差。
关键词：APIT算法,面积判决,精度,质心定位,能量值加权
0 引言
无线传感器网络是一种低损耗的无线网络传输技术[1],它在很多领域特别是人类无法亲自到达的区域进行信息跟踪、数据采集等方面发挥着重要作用[2]。在这些地区,节点是随机播撒在指定区域的各个地方的,节点在初始状态下是不知道自身位置的,而节点没有自身位置信息是没有办法实现数据采集等工作的,节点自身定位是实现数据采集的非常关键的一个初始化行为。目前研究的节点自身定位方法根据是否与距离有关[2],可以分为两大类:与距离有关的定位和与距离无关的定位方法[3],其中APIT技术是一种典型的与距离无关的定位算法之一。它适合于高密度的节点自身定位,而且思想简单,容易实现,是目前比较有优势的一种自身定位算法[4]。本文针对APIT算法中对未知节点的是否在锚节点组成的三角形内部的判断提出自己的观点,它可获得更好的精度估计[5]。
1 APIT算法
APIT算法中的PIT测试的核心思想就是在定位之前首先要确定要定位的未知节点是否在3 个锚节点组成的三角形的内部,如果在就执行相关算法,估计出未知节点的值; 如果不在,则认为是不合格的锚节点三角形,不予计算。这样就无形中提高了定位精度,剔除了一些误差比较大的估计值。但它是相对于动态节点的,如果未知节点同时远离或者靠近3 个锚节点,那么节点就在三角形外,否则就在三角形内部[6,7]。但对于静态网络而言,节点位置相对来说是静止的,这种方法行不通,后来就有人提出通过比较这个未知节点的邻居节点与锚节点的距离关系[8],如果邻居节点与锚节点距离同时大于或者小于未知节点与锚节点的距离,认为在三角形外部,否则认为在三角形内部[9,10,11]。
同时,在上面in-out判别算法的基础上,找出所有未知节点在锚节点组成的三角形内部的集合,计算所有集合的中心,估计出位置信息[12,13]。所以可以看到in-out判别方法和精确度直接关系着位置估计的精度,是一个非常关键的环节。针对PIT测试估计在一些极端情况下容易出现较大误差[14,15],比方说,未知节点比较靠近锚节点组成三角形的一个边时,或者它的邻居节点位置比较分散,造成未知节点和邻居节点分别在三角形内部和外部时等[16,17],提出一种新的基于三角形面积的in-out判断方法( NA-APIT算法) 。
2 改进算法( NA-APIT)
定理: 在图1 和图2 中分别给出了未知节点D在锚节点ABC组成的内部和外部2 种情况,可以看到,图1 中未知节点在三角形内部时,未知节点和锚节点组成的新的三角的面积之和等于锚节点组成三角形的面积。而图2 中未知节点在锚节点外部时,面积之和大于锚节点面积。
证明: 锚节点进行信息传递时,传递的信息包括节点能量信息和节点自身的位置信息,那么根据通用的能量传递公式,能量的传递与距离的平方是成反比例的关系,
即:
式中,E1为到达未知节点的能量,E0为锚节点发送时刻的能量,d1为未知节点与锚节点的距离,k为一常数,它与信号波长,传输环境等信息有关,特定的条件下为一常数,用k表示。
通过能量比值很容易得到未知节点到锚节点的相对精确的距离值,这样很容易得到三角形面积值,通过面积比较久可以得出未知节点D是否在锚节点组成的三角形的内部。
3 改进后NA-APIT的算法流程
①所有的锚节点在通信半径范围内,向各个方向广播自己的节点位置信息和初始能量信息。
②未知节点把接收到的能量信息和初始能量信息相比较,并通过式( 1) 计算出未知节点到相对应锚节点的距离值。
③假设能接收到的锚节点的个数为N,那么它们共有CN3种不同的组合结果,任意选取接收到的3个锚节点,通过面积判断法,判断未知节点是否在所选锚节点组成大三角形内部。如果在进入第④步,如果不在,则丢弃这组数据。
④根据三角形加权质心定位算法,估计出这组估计值。这里提出一种精度更高的权值计算方法,即
三角形质心加权定位估计值为:
这里设三角形的3 个点分别是A点( 坐标( xA,yA) ) 、B点坐标( xB,yB) 和C点坐标( xC,yC) ,未知节点到这3 个锚节点的距离分别为d1、d2和d3。
⑤ CN3的值减1,结果是否为0。如果不为0,回到第③步,继续计算; 如果为0,进入第⑥步。
⑥对所有符合条件的关于未知节点的估计值求平均,设有m个估计值,则估计值为:
⑦与实际的位置信息相比较,计算出估计误差:
式中,( x,y) 为未知节点的实际二维坐标。
4 算法仿真分析
在仿真实验中,选取的仿真环境为100 × 100 的一片区域,在未知节点和锚节点随机分布在这篇区域,锚节点可以广播自己的位置信息和能量信息,仿真参数为锚节点的个数和通信半径,在不同的锚节点个数和不同的通信半径下2 种算法的误差进行比较。
锚节点的个数为30 个,节点通信距离从20 ~50 m之间的误差值如图3 所示。从图3 可以看出,在图中给出的通信范围内,改进后的算法有效降低了误差,提高了定位精度。
保持通信距离不变,锚节点的个数从30 ~ 60 个之间的一个误差值如图4 所示。锚节点个数的增加是每5 个测试一次,从图4 中同样可以得出结论: 改进后的算法有效地降低了误差,提高了定位精度。
5 结束语
APIT算法是一种经典的静态无线传感器节点的定位算法,它的优点在于未知节点的定位与距离无关,随着对节点定位精度的提高,需要对其进行改进,针对APIT算法中未知节点与锚节点三角形位置关系的in-out判断方法进行了改进,提出了基于三角形面积的in-out判断方法,分别在改变距离和锚节点这2 种条件下进行仿真,对2 种算法进行误差比较,结果表明该改进算法有效地提高了未知节点的定位精度。
静态无线传感器 篇2
一个下午的实验，或许比我这大学三年多所学的理论知识更加具有实用性。开头，老师用一个混凝土传送车的测量项目，从经济成本和技术手段等方面详细介绍了有线测量的缺点与无线测量的有缺点。印象最深刻的一点是：有线测量的线路布置相当麻烦，且成本高昂，易受外界干扰；无线测量安装方便，随着技术的进步，成本也较低，抗干扰性较好，将是未来科技发展的方向。接下来便是动手操作，其中有两点感触颇深：
第一、从基础做起很重要。
整个实验从学习测量软件开始，实验的相关参数都需要再软件中事先设置妥当。有的同学完全不管不顾就立即开始测量，使得实验数据牛头不对马嘴，直接导致测量失败。学习好测量软件，接下来便是看懂实验原理图，选择正确的传感器进行实验。一开始，我们无从下手，原因在于：无线传感器本身的结构不了解，无法有效的使用起来，输入接入了3
通道，在软件上采集时却使用1通道，一直采集不到
实验数据，或者本该接在同一个传感器的不同通道上的，却找两个传感器来测量。好在，经过摸索和同学
间的讨论，终于弄明白了这些问题，希望以后的同学
们能吸取教训。
第二、细节很重要。
记得千分表加载测应变的实验中，要求输入信号全桥
接入，共4根接入线，其中一对是电源与地线，一对
是中间节点线。刚开始，我们两个接线员一看电路图，想当然认为4个电阻一样大，4根线应该是一样的，变随机接线，导致最后无论怎么调试都没有输入信号，明显是将邻臂接入了电路，使得输入信号互相抵消了，正确的接法应该是采用对臂相加原则，将R1R3或者R2R4 接入，也就说电源线与地线必须正确对于。
静态无线传感器 篇3
1 基于移动锚节点的静态无线传感器网络定位
1.1 静态无线传感器网络节点定位的基本原理
静态锚点主要是通过人工部署或者是配置GPS定位设备等来部署完成并且获得自身的精确位置信息, 在使用的过程中由于自身在无线传感器网络中占用的比例比较小, 但是其部署的目的是为了协助未知节点进行具体的定位的。因此可以总结到移动锚节点就是具备移动能力并且配置自身定位设备的节点。在无线传感器网络的使用中具体的分布在无线传感器网络中的位置节点中, 来提供可靠的辅助信息, 并且按照一定的算法来计算自身的估计位置。
在无线传感器定位系统中, 节点的间距或者是角度的测量技术主要是由:RSSI、TOA、TDOA和AOA组成的。其中在测量技术中, RSSI主要是在已知了发射功率, 在接收节点测量接收功率中, 具体的计算传播损耗, 使用理论或者是经验信号传播模型来将传播损耗转化为传输的距离;TOA是指通过测量信号传播时间来测量具体的网络距离;TDOA被广泛的应用在无线传感器网络的定位方案中, 一般是在节点上安装两种信号收发器。AOA是一种估算邻居节点相对自身防伪信息的技术, 但是最终总结到:RSSI和TDOA是移动锚节点在无线传感器网络定位中最常用的技术。在移动锚节点中定位的计算主要采用的是三边测量法、极大似然估计法以及三角测量法来计算未知节点的位置。
1.2 静态无线传感器网络定位算法分类
静态无线传感器网络定位的算法主要有: (1) 基于测距的定位和无需测距的定位。基于测距的定位算法通常采用的是RSSI、TOA、TDOA、和AOA测量技术, 在测量技术的应用中, 需要将传感器节点上额外的配备测距的装置, 这样就能够增加节点的成本和功耗以及计算量和通信量, 避免了在测量中的误差影响。但是无需测距定位, 在使用中能够减小节点的尺寸, 满足了功耗和成本的限制。 (2) 集中式计算的定位于分布式计算定位, 其中集中式计算的定位是指计算中心收集所有的定位信息, 然后将集中的信息计算完成所有的节点定位方式, 在使用中能够进行大量的计算以及存储, 并且可以获得相对精确的节点位置估算。 (3) 静态网络节点的定位和移动网络节点的定位, 其主要应用的是锚节点移动性来进一步减少所需要的锚节点的数量, 最终降低了硬件成本, 增强了覆盖面积, 提高了定位精度。
2 移动锚节点在静态无线传感器网络定位算法中的分析
通过增加锚节点的数量以及密集的部署锚节点来提高整个网络的定位, 其中在移动锚节点的定位算法中主要是利用1个或者是多个锚节点来在整个网络节点中进行全面的分布, 并且按照规划好的路径进行移动, 在移动的过程中其周期性广播标数据包, 以及信标数据包中的发射该信标的信标点位置的信息就能详细的确定, 在移动锚节点中通信的传感器节点可以接收到信标数据包, 在测量的同时根据节点间的连同信息或者是3个以上的测量距离来估计自身的位置。本文在结合使用RSSI、TOA和AOA测量技术估计节点位置的算法中, 详细的确定了静态无线传感器网络定位算法的构建。最终确定出未知节点通过信标信号内的时间戳计算传输时间差, 然后将传输速度和传输时间差来计算未知节点和信标点之间的距离, 完成了整个过程的位置确定。另外在移动锚节点的路径规划中, 主要是为了促进移动轨迹能够覆盖整个网络中所有的未知节点, 然后再未知节点进行定位完成后提供良好的质量保证信标点。
3 总结
本文在分析了移动锚节点之后将静态无线传感器网络定位算法进行了详细的探究, 对无线传感器网络的特点以及移动锚节点的路径的规划问题, 并且通过分析移动锚节点在静态无线传感器网络定位的算法, 为进一步加强节点定位以及测量技术提供了有效的保障, 提高了节点的定位精度, 为无线传感器网络提供了最小的网络成本, 在耗能最低中实现了最高的定位精度以及定位覆盖率, 延长了整个网络的使用, 提高了我国网络技术的进一步发展趋势。
摘要：随着网络技术在深入的发展, 静态无线传感器网络主要是通过引入网络技术中具有数据采集能力、信息处理能力以及无线通信的能力的传感器节点进行相互交换信息, 并且协调控制有机相结合。该技术的已经被广泛的应用于生活中的各个领域中, 在移动锚节点的使用中, 改变了静态无线传感器网络在发展中遇到了环境恶劣、不可到达区域最终实现了监测和跟踪的任务, 有效的控制了节点位置的具体信息。
关键词：移动锚节点,静态无线传感器,网络定位,算法构建
参考文献
[1]何晓敏, 梁金甲.基于移动锚节点的无线传感器网络定位算法研究[J].仪器仪表学, 2012 (04) .
静态无线传感器 篇4
新版GB/T7551—2008《称重传感 器》国家标 准增加了“8.2.7带电组件的称重传感器的附加试验方法”, 使称重传感器的研究、设计、制造、应用有了标准可循[1,2]。
称重传感器误差是重要静态性能指标的一个极限值, 一旦评定标准选定后, 它也就客观地存在于称重传感器的检定试验数据中, 这对准确地评定称重传感器的性能至关重要。本文介绍了基于新国标的称重传感器在室温下静态标定试验测试系统的组成、试验方法、误差计算方法和结果分析。运用75%载荷点法计算称重传感器误差, 验证其满足1000分度的要求[3]。采用最小二乘法求最佳拟合直线方程, 计算线性度、滞后误差、重复性误差, 并对误差结果进行综合分析[4]。
1静态标定
如图1所示, 测试系统由MPS-3005L-3稳压电源、叠加式2kg标准砝码、12×40063悬臂梁式称重传感器 (量程:20kg) 、Aglient34410A6高精度万用表、PC机组成。
静态标定时, 试验环境保证稳 定、无噪声, 试验台无 振动, 空气干燥, 室温控制在20~25℃, 激励电压设为11.87V。加载与卸载顺序为:稳定温度→满载3次→等待5min→加载/卸载循环3次→等待1h→满载30min→卸载。其中最大试验载荷为20kg, 最小试验载荷为0kg, 每加载或卸载2kg时间间隔为20s。万用表设置在120min内, 以500ms扫描间隔时间采集数据。试验结束后, 从PC机浏览器 中导出数 据到Excel中处理。取每个试验载荷点平稳阶段的平均示值, 并列入新版国标的表B.3 (续) 中。经整理得到表1。
2误差计算与分析
2.175%载荷点法评价
国标在规定最大允许误差时指出:误差包络线以一条直线为基准, 此直线是以20℃时载荷试验中的2个输出确定的, 一个是最小载荷输出, 另一个是递增加载时取得的量程的75%载荷时称重, 称重传感器的输出。由上述规定, 试取该悬 臂梁式称重传感器测量范围的最大分度数Nmax=1000, 则实际检 定分度值v=0.02kg。
由表1中平均示值可以确定转换系数:
式中, K0.75为对应于75%Nmax (15kg) 的试验载 荷下的进 程平均值 (mV) ;Kmin为Dmin载荷下的进程平均值 (mV) 。
由于在所施加的试验载荷级别中, 没有对应于被检测称重传感器75%Nmax的试验载荷点D15, 此时D15可由上下级D14、D16的示值利用内插法求 出。经计算得K0.75=11.689 mV, 由式 (1) 知转换系数f=0.01532。于是各级试验载荷的参比示值Ri和以v表示的称重传感器误差ELi、重复性误差ERi可计算列入表2中。
在确定最大允许 误差mpe时, mpe=PLCnv (n=0.5, 1, 1.5) , 取分配系数PLC为0.7, 参照国家标准中的表5, 得最大允许误差mpe, 如表2中最后一列所示。
由表2可以看出, 最大误差为0.653v, 最大重复性误差为0.444v, 均未超过国标规定的最大允许误差。
在满载30min蠕变过程中, 每隔5 min记录示值, 如表3所示。经计算得30min和20~30min内的蠕变误差分别为Cc=0.3199v、Cc (20~30) =0.1175v。据国标, 显然Cc不超过所施载荷下最大允许误差绝对值的0.7倍 (0.735v) , Cc (20~30) 不超过该最大允许误差绝对值的0.15倍 (0.735v) 。
综上所述, 根据75%载荷点法计算, 该称重传感器的误差、重复性误差、蠕变误差均小于最大允许误差。所以, 判断该称重传感器的误差满足1000检定分度的要求。
2.2最小二乘法拟合
按照最小二乘法求得的拟合直线可以保证称重 传感器的最大允许误差最小, 拟合精度高。如表4所示的中 间结果, 由正反行程输出平 均值KiD、KiI及总平均 值Ki得到斜率a=0.7664和截距b=0.1923的拟合直线方程:
由上式可 知, 该称重传 感器的零 位误差 (零点输出) 为0.1923mV, 而灵敏度为0.7664mV/kg。而由表1知, 该传感器的输出灵敏 度还可以 表示为Su=15.521 mV/11.87 V=1.3076mV/V。
根据所得拟合直线方程, 计算得各试点载荷的最小二乘参比值K′i和拟合偏差, 取其最大值计算得最小二乘线性度rnL=0.05%。计算各 试验载荷 点的迟滞 偏差取其最大 值计算知 迟滞误差rnH=0.002%。从各试验载荷点输出的标准偏差σiD、σiI中取最大值σmax, 取置信系数K =3, 可得重复 性不确定 度ΔR=Kσmax =0.009, 计算得重复性误差rnR=0.06%。由于以上各误差值互不相关, 彼此独立, 相关系数为0, 故该称重传感器的合成标准不确定度为:
即最大引用误差为0.06%。
3结语
本研究是基于最新 国家标准GB/T7551—2008的称重传感器在室温下静态标定试验。采用75%载荷点法计算得到最大误差为0.653v, 最大重复性误差为0.444v, 蠕变误差分别为Cc=0.3199v, Cc (20~30) =0.1175v, 均未超过国标规定的最大允许误差要求, 验证了称重传感器满足1000分度值要求。采用最小二乘法计算知称重传感器的灵敏度为0.7664mV/kg, 线性度为0.05%, 滞后误差为0.002%, 重复性误差为0.06%, 最大引用误差为0.06%。
摘要：介绍了基于国家标准GB/T7551—2008的称重传感器在室温下静态标定试验, 包括该测试系统的组成、试验方法、误差计算方法和试验结果分析。参考称重传感器国家执行标准及性能试验程序, 对悬臂梁式称重传感器在室温下进行静态标定试验。运用75%载荷点法计算称重传感器误差, 验证其满足1 000分度值的要求。采用最小二乘法求最佳拟合直线方程, 计算灵敏度、线性度、滞后误差、重复性误差等主要静态特性指标, 并对误差结果进行综合分析。
关键词：称重传感器,国家标准,静态标定
参考文献
[1]GB/T7551—2008称重传感器[S]
[2]刘九卿.称重传感器执行标准及性能试验程序与误差计算方法[A].第九届称重技术研讨会论文集[C], 2010
[3]顾瑞良.称重传感器的测试方法与误差计算[J].工业计量, 2001 (3)
静态无线传感器 篇5
随着科学技术的发展,多维力传感器在航空航天、机械加工、汽车等行业中有着广泛的应用。多维力传感器按测力原理可分为电阻应变式、电容式、压电式、光学式和电感式等[1]。压电式传感器是根据压电材料的正压电效应将外力转换为电荷量输出,通过测量相应电量获得外力大小的一种传感器。本文在现有压电式四维力传感器基础上,改变敏感元件的布局方式,从而得到新的压电式四维力传感器的结构模型,并通过有限元分析方法对该模型进行了仿真分析。
1 石英晶片组的分布设计
将多块石英晶片(敏感元件)按照一定的切割形式和排列方式组合来构成“组合晶组”,就可以实现空间多方向力和力矩的测量。如图1所示,将8片X切型晶片和8片Y切型晶片均匀分布在内、外圆环上。内环为X切型晶片,其机械轴沿径向均匀发散,利用石英的纵向压电效应测量垂直于晶片的力FY;外环为Y切型晶片,其电轴(灵敏度轴)沿着测力的方向,利用石英的剪切压电效应测量与晶片表面相切的力FX、FZ和力矩。
在图1的基础上,优化晶体元件的结构。首先,用圆形的X、Y切型晶片代替原方块形的。其次,将8片X切型的石英晶片和8片Y切型的石英晶片均匀分布在内、外圆环上,构成一个晶组1[4]。
晶组1中,晶片1、2、3、4均位于同一平面上。晶片1、2、4用于测量力FX、FY和FZ;晶片3用于测量力矩MY。晶组1的石英晶片布局如图2所示,晶片1内箭头所指为X方向,晶片2内箭头所指为Z方向,Y方向垂直纸面向外。最后,将1个和晶组1布局方式完全一样的晶组2平行叠加放置在晶组1的上方,构成一个新的敏感元件布局,如图3所示。
2压电式四维力传感器的有限元分析
2.1建模
在利用有限元建模的过程中,选择耦合单元SOLID5作为压电材料石英的单元类型,并且输人代表石英晶体材料属性的压电系数、弹性系数和介电常数矩阵,同时按照图3中晶片组的布局要求为每一块晶片建立局部坐标系,用映射方式划分网格。其余的结构选择高精度的二次结构单元SOLID95,它是3维20节点实体,能够用于不规则形状,而且不会在精度上有任何损失。压电式四维力传感器的有限元模型如图4所示。
若将图4所示传感器模型放在图3的坐标空间中,则Y方向的力FY对传感器来说是压力,其方向沿Y负向。由晶片组测力原理可知,Y方向的输出电压UY是内环8片X切型晶片输出电压之和;X方向的输出电压UX是外环上灵敏轴指向X方向的2片Y切型晶片输出电压之和;Z方向的输出电压UZ是外环上灵敏轴指向Z方向的2片Y切型晶片输出电压之和;M方向的输出电压UM是外环上灵敏轴排列绕Y方向旋转的4片Y切型晶片输出电压之和。
2.2仿真与数据分析
施加0～2 000N的外力FY到Y方向时,4个方向的输出(UY、UX、UZ、UM)及对其它3个方向的干扰情况(UX/UY、UZ/UY、UM/UY)见表1。
对于压电式四维力传感器,主要研究的是在4个方向同时施加力和力矩时的输出变化情况。因此对传感器4个方向同时施加力和力矩,得到的输出见表2。
研究表明:施加FY时,对其它3个方向的维间干扰均不大于0.000 8%;施加FX和FZ时,维间干扰最大值出现在X方向,且均小于2%;施加MY时,对其它3个方向的维间干扰小于0.1%。
为了得到石英晶片的力电转换效率,可先求出晶体片上产生的电荷与所受外力之间的比值,再将该值与晶片实际的压电系数相比即可。
将石英晶片视为薄平行板电容器,通过晶片上下面的电压差值可计算出电荷量,即:
式中,Q为石英电荷量;U为石英上下面电压差值;ε0为真空中介电常数值,取8.854 2×10-12 C2 N-1 m-2;εr为石英的相对介电常数,X切型晶片取4.5,Y切型晶片取4.6;S为石英晶片上下面的面积,取0.000 05m2;D为石英晶片的厚度,取0.001m。
由式(1)可知,晶体片上产生的电荷与所受外力之间的比值为:
由于FY、FX、FZ、MY是作用在32块晶片上的,因此,在计算晶片的力电转换效率时,首先要得到各方向上实际用于测量相关外力的晶片上所承受的力的大小。在Y方向上施加外力FY时,16片X切型晶片用于测量该力,其受到的力FY'=8×FY/32。在X方向上施加外力FX时,该方向上相关的4片Y切型晶片用于测量该力,其受到的力FX'=4×FX/32。Z方向的受力情况与X类似。施加力矩MY时,只需将力矩除以力臂得到相应的力后即可进行计算。
将FX'和FY'带入式(2),就可得到Y方向上X切型石英晶片产生的电荷与该晶片所受力之间的比值为1.97X10-12C/N;X、Z方向上Y切型晶片产生的电荷与该晶片所受力之间的比值为3.58×10-12C/N。在传感器中,X切型石英晶片相应的压电系数d11=2.31×10-12C/N;Y切型晶片相应的压电系数d26=4.62×10-12C/N。最后,将计算得到的比值与实际的压电系数相比,发现X切型石英晶片的力电转换效率为86%,Y切型石英晶片的力电转换效率为77%。
3 结束语
压电式四维力传感器采用了32片石英晶片,结构上比原16片的复杂。经ANSYS软件分析得知,该传感器维间干扰很小,力电转换效率也比原结构提高了2%～3%,但这些结果忽略了弹性膜片对该参数的影响。
通过对该新型晶片组的有限元仿真分析,初步验证了该传感器结构设计的合理性和有效性,不仅能够实现空间四方向上力或力矩的测量,还改善了静态特性。
参考文献
[1]张洁,黄惟一.用有限元法对腕力传感器弹性体的力学分析[J].传感器技术,2003,22(3):33-35
[2]黄亮.压电式四维力传感器的有限元仿真分析和设计[D].重庆:重庆大学,2009
[3]刘京诚,刘俊,李敏.基于压电式新型三维力传感器的设计[J].压电与声光,2005(6):33-35