基于灰色神经网络的传感器分段标定

针对大量程高精度传感器不能一次完成标定实验的情况,提出一种将优化灰色GM(1,1)模型与BP神经网络相结合来预测分段标定过程中特征值缺失的方法,从而实现传感器的分段标定。首先,根据实验数据建立传统灰色GM(1,1)模型,对待标定传感器和标准传感器的测量值进行缺失数据的预测;然后,为弱化传统灰色GM(1,1)模型序列变化的幅度,提高模型的预测精度,利用中心逼近的思想对传统的GM（1,1）模型进行优化;最后,利用BP神经网络对优化的灰色GM(1,1)残差序列进行修正,以较高的精度实现对分段标定过程中缺失特征值的预测。结果表明,待标定传感器和标准传感器组合预测模型的平均残差分别为0.023%和0.401%,证明了组合预测模型的有效性。所提出方法为解决大量程高精度传感器分段标定时静态特性曲线的拟合提供了一种新思路。     

灰色理论的位移传感器标定不确定度评定

硅晶元等高精度平面度测量时,为提高测量可信性,对所用位移传感器标定已成为业界常规。本研究针对用于基于逐次两点法(STPM)测量硅平面的两电容式位移传感器2804/3890 J设计了一种压电陶瓷标定系统,实现其标定间隔达到8nm/1 mV,提高了标定的精确度。建立基于灰色理论的GM(0,2)系统数学模型,确立待标定传感器测量结果的回归模型,以得到传感器特性的最佳估计,并确定其联合不确定度,得到被标传感器的测量不确定度的最佳评估。与传统回归模型比较,得出GM(0,2)模型具有很好的精度,满足要求。通过STPM测量过程的模拟,得到用此传感器实施的STPM测量的测量精度约为56 nm(λ=20 nm)。     

逐次二角法在路面断面形状测量领域的应用

为解决现有路面测量方法不能兼顾准确、通用、低成本、便于携带的问题,开发了一种基于逐次二角法的路面形状测量系统。该系统通过距离旋转编码器测量行驶距离,角度旋转编码器测量前后连杆间夹角变化值,通过MATLAB进行数据处理。根据逐次二角法得到了被测路面的断面高程曲线。分析了逐次二角法测量的累积误差、倾角误差、采样间隔误差。该测量系统在实际测量中,测量坡度的相对误差为0.6%,测量圆弧半径的相对误差为0.5%;10m水泥路面的测量中,以水准仪测量的结果为基准,偏差小于3mm。     

高精密位移传感器标定技术的研究

为实现对高精密位移传感器的自动标定,提出一种采用微位移发生系统产生标准被测量,激光传感器作为标准量检测系统,同步数据采集系统进行数据采集,计算机系统控制采集系统与处理数据的标定系统。通过合理设计压电陶瓷微动调节装置,实现其控制精度约为5%/FS.实验表明该标定系统方便高效。