激光三角法在物面倾斜时的测量误差研究

相比传统的触针式测量,激光位移传感器因其高精度和非接触式测量的优点,在机械工程中已广泛使用。鉴于激光三角法的设计原理,当工件产生倾斜角时,激光位移传感器会产生误差。通过激光位移传感器、精密电移台、精密旋转台构建了实验测量系统,对测量数据使用Matlab进行分析,所用电移台的重复精度小于5μm,测得了不同倾斜角度下激光传感器的误差,用最小二乘法拟合进行了误差补偿。实验证明：误差标定后,激光传感器在测量倾斜物面时仍能保证高精度。     

基于线性补偿的测距传感器结构设计与参数优化

本文分析了传统的三角法结构和原理,传统的三角法测量虽然测量精度较高,但是测量范围小,为此引出了新的设计方案,推导出了测距方程表达式,并对其参数进行了优化,此结构与传统三角法结构相比,在不改变线阵CCD传感器尺寸的情况下,适当改变各参数的大小可大大提高测量范围。由于各参数之间的约束关系及三角法的结构造成在大量程测量时线性度与精度不断下降,因此提出了一种基于线性补偿的高精度测距方法,用最小二乘法思想对曲线拟合,经数值分析与线性补偿最后使物体位移与像点位移线性输出,降低了系统的误差。经理论分析,此方案是可行的,同时为实现高精度大位移的测量提供了参考的依据。     

激光位移传感器在纸坯厚度在线检测中的应用

介绍了基于激光位移传感器与电涡流位移传感器的位移差动法在线检测纸坯厚度的原理及测量系统的软硬件设计。该测量原理完全消除了造纸机卷纸滚筒的径向跳动对测量结果的影响。通过对各个传感器标定,并采用最小二乘法线性拟合标定数据,进一步提高系统的测量精度。     

激光位移传感器在角度测量中的应用

激光位移传感器因其较高的测量精度和非接触测量特性,可应用在很多方面,将其用在测量工件的角度上能够实现角度的高精度测量.通过步进电机带动激光位移传感器扫描二面角的2个面,然后对测量的数据采用Matlab程序做最小二乘拟合,得到二面角两边的斜率,从而求出角度.实验中采用的位移传感器分辨率为0.3 μm,导轨和步进电机重复定位精度高于3 μm,则测量角度的精度高于1".     

基于CMOS激光位移传感器的板厚测量系统

为了提高板材厚度参数的测量效率和精度,本系统利用CMOS激光位移传感器,通过激光三角法实现板材厚度的测量,并利用MPC08运动控制卡控制交流伺服系统实现激光位移传感器的测量定位,同时计算机对采集数据进行分析处理、显示和存储.实验表明该系统运行稳定可靠,测量效率大幅提高.     

分立式激光位移传感器设计

针对制式激光位移传感器不能满足复杂检测环境下几何尺寸检测需求的问题,提出了分立式激光位移传感器的设计方法.此方法可根据检测要求,将激光源与光电探测器分立布置,依据激光三角测距等原理确定系统分立设置的参数,并通过数据采集与标定建模等手段实现激光位移测量的功能.最后通过一设计实例,验证了该方法的可行性.     

余度IMU精度分析与数据融合方法改进

针对现有余度IMU（inertial measurement unit）数据融合精度不高的问题,在对六单轴传感器非正交配置的余度IMU数据融合特性及测量误差与融合误差之间关系进行研究的基础上,提出了1种基于最小二乘简单、有效的余度传感器测量误差估计及数据融合方法。首先对最小二乘融合的空间矢量在测量轴上的投影与测量值之间的误差进行方差统计,统计结果作为传感器测量误差估计的依据及加权最小二乘的权值参考。然后利用加权最小二乘对传感器测量数据进行融合。仿真结果表明：该方法能有效估计传感器测量误差大小,提高余度IMU数据融合及余度惯性导航系统精度。     

圆柱体直径测量与评定中的相关问题研究

ISO/CD 14405:2001规定了圆柱体的计算尺寸和全局尺寸,其测量与评定将面临一些亟待解决的问题.基于圆柱度误差的截面测量法,分别建立了周长直径、面积直径、最小二乘尺寸、最大内接尺寸和最小外接尺寸的评定模型.介绍了用于测量圆柱体直径的柱坐标测量机的基本结构和测控系统.以径向尺寸测量机构的标定方法为基础,给出了由电感传感器和光栅传感器测得的各采样点的径向位移转换为由这些采样点到回转工作台回转轴线的径向距离的计算公式.     

液压同步顶升控制系统传感器误差标定

由于位移传感器自身的线性度问题,在现场使用过程中测量值与真实值之间必然会存在一定的误差,位移传感器的现场标定就必不可少.针对中海油油品1#汽车装车台液压同步顶升控制系统提出了一种位移传感器测量值示值误差标定方法,本方法以位移传感器的绝对误差为标定对象,通过调整A/D转换的偏移与增益来使示值拟合实际值,最后用最小二乘法来求其拟合直线,通过比较其相关系数和绝对误差来确定最后一组的偏移和增益值.     

基于递推最小二乘法加速度计信息辅助的磁力计标定方法

由于MEMS磁力计自标定过程无法实现与MEMS加速度计间未对准误差的估计,提出一种利用加速度计矢量作为辅助信息,对磁力计的误差参数及磁力计与惯性单元间的未对准误差参数的一步估计方法。首先.对加速度计进行标定处理;然后,利用加速度计和磁力计间点积不变的性质,构造误差参数模型;最后通过递推最小二乘法完成对误差参数的迭代求解。通过仿真与实验对本文提出方法进行了验证,结果表明,本文提出方法估计出的磁力计误差参数的误差在10-4量级,标定后的磁力计与加速度计所在的惯性单元间的旋转角稳定在苏州磁倾角47.5°附近,完成了误差参数的一步估计。且迭代计算效率较高,相比于最小二乘法计算速度,在5秒钟左右就完成了对误差参数的估计,更适用于现场标定。     

一种基于线结构光的水下目标3维信息测量方法

针对现有水下探测方式精度不佳、标定误差较大、效率较低等不足,设计了一种基于线结构光的水下目标3维信息测量方法。首先利用交比不变原理求解特征点在世界坐标系下的相对位置,随后基于像面特征点的方向向量及特征点的位置信息求解其在相机坐标下的真实坐标值,利用多个特征点完成结构光平面的标定。通过目标物扫描实验验证了该方法的可行性及有效性。线结构光平面的标定仅需要对特制的简单结构立体靶标进行一次扫描即可完成,无需多次移动靶标,避免了人为误差的影响。在标定线结构光平面的同时可以同步完成位移平台各自由度的位移速度标定,有效降低了实验平台系统误差,在提升系统精度的同时也极大地提升了整个系统标定过程的效率,非常适用于大尺度线结构光系统在水下现场标定。经验证,扫描水下目标物所得3维点云坐标沿X、Y轴方向的误差均小于2%,沿Z轴方向的误差略大,平均误差2.77%。     

基于多传感信息融合的轨道线形检测

多传感信息融合是实现轨道线形高精度检测的重要方法,而加速度计和陀螺仪是多传感信息融合中的关键传感器。为了解决加速度计和陀螺仪存在累积误差导致测量精度较低的问题,提出一种基于多传感信息融合的轨道线形检测方法。基于捷联惯性系统和双目视觉的测量原理,建立了双目视觉与惯性测量结合的多传感数据融合模型,并利用扩展卡尔曼滤波实现了双目视觉、加速度计和陀螺仪测量信息的融合,提高轨道线形检测精度。通过实验进行验证,结果表明：基于多传感信息融合方法的测量精度比惯性测量方法提高了近9倍,且测量所得坐标在三个方向上的最大位移绝对误差不超过0.536mm,可有效实现高精度轨道线形检测。     

基于图像融合技术的经络实时三维可视化研究

本研究目的是将三维可视化应用于人体经络.通过磁场跟踪仪Wintracker和多通道经络测试仪共同获得经络的三维坐标.利用OpenCV相关函数实现摄像机标定,计算出坐标变换矩阵M,将世界坐标系下的经络三维坐标变换成图像二维坐标系下的经络坐标,最后利用图像融合技术实时地将经络线绘制于现场人体体表图相应位置上,实现经络穴位的...     

旋转式电磁机构动态位移的图像测试技术

将一种基于高速摄像机和虚拟仪器的动态测试图像处理技术运用于旋转式电磁机构的动态位移测试。在LabVIEW虚拟仪器的平台上,运用图像处理技术对旋转式电磁电器动态过程连续的高速图像进行处理与分析,通过提取触头运动过程中标记点的坐标,绘制了电磁电器动态机构的位移曲线。     

由航空影像自动重建大范围3维地形

目的 针对由航空影像自动生成大范围3维地形的立体模型配准问题,提出一种自动配准全部立体模型的方法,从而生成大范围3维地形。方法 首先由相邻影像构建独立的立体模型;然后根据特征匹配同名点在公共影像上的坐标对应关系,自动提取相邻模型的连接点;通过循环遍历搜索,自动配准全部立体模型,进而构建全航摄区的大范围3维地形。结果 采用两组数据进行实验,结果显示,两组数据全部3维模型的均方配准误差分别为5.20像素和2.63像素。本文方法生成的大范围地形的相对精度较高;对第2组数据的结果采用控制点进行绝对定向,并用检查点进行精度评估,结果显示全部检查点的均方平面和高程误差分别为0.326 m和0.502 m,生成的大范围地形达到了较高的绝对精度。结论 本文方法可自动化执行,仅需输入一系列有一定重叠的航空影像,即可自动生成按一定方式组织的大范围3维地形产品。该方法生成的大范围地形既可用于3维场景浏览,也可用于地形量测,但不适用于由激光扫描获取的点云数据的配准。     

Deep residual U-net with input of static structural responses for efficient U* load transfer path analysis

U* index theory is widely used to illustrate the load transfer paths inside an engineering structure. However, the conventional U* load transfer path analysis based on the finite element method is computationally demanding especially for large-scale structures. In this research, a convolutional neural network based on the architecture of residual U-Net is introduced to realize high-efficiency U* estimation of plate-type structures with arbitrary dimensions, boundary conditions, and loading conditions for the first time. Besides the geometrical information of the structures, the static structural responses including the feature maps of nodal displacement and stress are involved in the network input. Different input data combinations are experimented to study how they contribute to the model training. It is noticed that the stress and displacement data can significantly lower the output errors in U* prediction, and the geometrical information helps in noise reduction in U* contour graphs. The proposed method is tested with homogeneous plates and functionally graded plates respectively indicating its remarkable performance in load transfer path prediction. Moreover, this method shortens the U* calculation time by over 95% compared to the conventional finite element method. The improved efficiency of load transfer path analysis greatly facilitates the implementation of structural analysis, design, and optimization.     

基于单目视觉的智能物料分拣机器人的设计

为解决目前工业物料分拣机器人发展的需求问题,以模拟自动化物流系统的作业流程为目标,提出了一种基于单目视觉的智能物料分拣机器人的设计。为实现物料的自动分拣过程,以STM32作为核心控制器,驱动OV2640摄像头对图像进行实时采集、处理与分析,实现颜色识别和目标定位,并将处理结果传送给驱动控制系统。在图像标定方面,采用读取TFT屏中目标的坐标和求取目标的实际坐标,通过MATLAB软件来进行数据拟合,找出两个坐标的函数关系,从而实现目标的定位。采用遍历腐蚀算法、增量式PID算法、DBCSAN算法和Dijkstra算法,分别完成对随机摆放的物料的自动识别和定位、电机控制和路径规划。实验与竞赛结果表明,该单目视觉分拣机器人的分拣准确率和效率高,能够实现智能分拣功能。     

基于电感式位移传感器的调焦机构设计

调焦机构是大型光电跟踪设备和变焦距镜头的重要组成部分,调焦精度直接影响整个跟踪控制系统的性能.目前调焦机构大多采用光栅尺作为位移的采集和反馈单元来实现系统的闭环控制,其主要缺陷是体积大、温度适应性差,不能满足对温度要求高的工作环境.设计了一种由电感式直线位移传感器、DSP & FPGA调焦控制板卡、步进电机以及电动平移台组成的宽温调焦机构.详细介绍了系统整体架构、各个单元的硬件实现以及软件操作流程,系统性能参数分析和调焦实验结果表明设计能够满足要求.     

基于人体骨架特征编码的健身动作识别方法

健身动作识别是智能健身系统的核心环节。为了提高健身动作识别算法的精度和速度,并减少健身动作中人体整体位移对识别结果的影响,提出了一种基于人体骨架特征编码的健身动作识别方法。该方法包括三个步骤：首先,构建精简的人体骨架模型,并利用人体姿态估计技术提取骨架模型中各关节点的坐标信息;其次,利用人体中心投影法提取动作特征区域以消除人体整体位移对动作识别的影响;最后,将特征区域编码作为特征向量并输入多分类器进行动作识别,同时通过优化特征向量长度使识别率和速度达到最优。实验结果表明,本方法在包含28种动作的自建健身数据集上的动作识别率为97.24%,证明该方法能够有效识别各类健身动作;在公开的KTH和Weizmann数据集上,所提方法的动作识别率分别为91.67%和90%,优于其他同类型方法。     

基于大数据深度神经网络与Agent的大规模任务处理方法

因大规模任务处理模型在处理实际任务请求通常是基于历史数据的,若总依据经验和以往知识判断,会出现许多无法识别并处理的任务,以及出现模型过拟合等问题.提出了一种基于深度神经网络的计算模型进行大规模任务部署,并引用Agent强化学习效用进行评价,实现最佳虚拟网络映射方案.实验结果表明,这种BD T ard方法法能满足大规模任务请求,稳定系统长期收益,保障了大数据环境下大规模任务处理的高效执行.