BP神经网络在温度二次仪表零位电压补偿的应用

针对二次仪表存在零位测量电压的温度漂移,运用人工神经网络,采用BP算法,对温度二次仪表的零位电压温度特性进行非线性补偿;利用MATLAB工具进行仿真,达到较好的效果,提高了二次仪表的测量精确性,减少了二次仪表测量系统的测量误差.     

非色散红外CO_2传感器温度补偿模型研究

针对农业温室大棚中CO_2浓度监测易受到温度影响的问题,建立了一种利用热释电探测器对非色散红外CO_2传感器进行温度补偿的模型。从安装在红外探测器上的热敏电阻的输出电压中提取环境温度。为了建立温度补偿模型,进行了温度对传感器模块性能影响的实验,并采用卡尔曼滤波对足够的稳态数据进行处理。在建立温度补偿模型之后,其在30℃温度变化范围内的精度在±150 ppm以内,能够实现较准确的CO_2浓度在线监测。     

基于数值迭代的非色散红外二氧化碳高温补偿方法

近些年,CO_2排放的准确计量技术及装备研制是减排工作中亟需解决的重要问题,高温环境下红外CO_2传感器的补偿技术是实现CO_2准确计量的关键技术。采用基于数值迭代的温度补偿方法,实现了40~100℃范围内的非色散红外CO_2传感器的温度补偿。研究结果表明,利用该方法进行温度补偿后的测量误差小于3%。     

风速风向测量误差补偿算法的研究

为了提高风帆助力船舶中风速风向的测量精度,提出一种基于空间模型的风速风向测量误差补偿算法.首先建立了船舶运动状态下风速风向矢量的空间模型.在应用超声波风速风向测量技术的基础上,通过空间测量的方法确定测量误差与空间倾角的对应关系,并对测量误差进行单向拟合补偿计算和空间拟合补偿计算.最后,经过大量的实验和测量数据的对比,验证了基于空间模型误差补偿算法的有效性和可行性.从而解决了一类风帆助力船舶辅助推进控制系统的风速风向空间测量的误差补偿问题,使得风速风向测量精度满足风帆辅助推进控制系统的要求.     

基于卡尔曼滤波数据融合的并联机床动态定位方法

针对并联机床动平台上主轴动态定位问题,将惯性传感技术运用于并联机床动平台的位姿测量,提出一种基于卡尔曼滤波(Kalman filtering,KF)数据融合的并联机床动态定位新方法。该方法融合动态惯性测量数据和机床各腿(支架)的编码器信息,通过KF算法补偿动态测量误差和计算误差,从而实现并联机床动平台位姿(位置和方向)的精确定位。详细介绍KF算法中惯性系统模型和外部测量模型的建立过程,以及测量变量与状态变量间的关系矩阵的推导过程。最后,进行一个单方向运动动态测量的简化试验,对并联机床动平台的6自由度位姿测量进行仿真研究,初步证实了该位姿算法的有效性。     

基于Elman神经网络的压力传感器温补偿的研究

当受到温度、电磁波等外界因素的影响,压力传感器的测量精度较低,测量值容易有较大的波动.因此,当压力传感器运用于汽车等移动设备时性能下降.以对温度极其敏感的CYJ-101压力传感器为例,建立18组样本数据在Elman模型的神经网络中进行温度补偿训练.仿真结果显示,通过Elman神经网络的温度补偿,传感器的测量误差降低约2...     

车辆动态称重系统的补偿算法研究及其软件设计

车辆动态称重系统作为治理超限运输的主要工具,其测量精度一直是主要的研究课题.通过动态称重的实测数据,运用一元线性回归方法,建立以速度作为补偿因子的补偿模型,然后用该补偿模型对动态测量结果进行修正,并进行了相应的软件设计.实际应用表明该补偿算法具有一定的精度和实用价值.     

时栅传感器动态测量误差补偿

针对动态测量误差特点,提出了对系统误差和随机误差分别进行建模和组合补偿的思想来提高时栅传感器的动态测量精度。对具有周期性变化特征的系统误差采用傅里叶级数逼近的方法进行建模,运用最小二乘求解超定方程组的方法计算出系统误差的补偿参数。对于系统误差补偿后残留的随机误差采用灰色预测GM(1,1)模型进行预测,通过模型残差检验和修正提高预测的准确度。实验结果表明,利用傅里叶级数逼近模型有效地补偿了系统误差,误差由±35″降至±7.8″,通过最小二乘参数寻优得到的补偿参数与传感器实际的误差成分相吻合;灰色预测模型则很好地预测补偿了残留的随机误差,误差由±7.8″降至±3″。得到的结果表明,利用这种对误差分别建模和补偿的方法大幅度地降低了动态测量误差,有效地提高了传感器的测量精度。     

基于NFLMS算法的Wiener型传感器动态补偿

在测量系统中许多传感器的动态特性是一个非线性Wiener模型,即存在着严重的静态非线性和动态响应滞后。当被测量对象的变化率高于传感器的响应速度时,测量结果与真值之间存在较大的动态误差。为了补偿动态误差,文中采用模型参考和Wiener逆模型辨识的方法建立动态补偿单元。考虑到Wiener逆模型的参数在辨识过程中是慢变的,辨识算法采用非线性滤波最小均方根(nonlinear filtered least mean squares,NFLMS)算法。仿真实验和应用研究表明,使用NFLMS算法辨识得到的补偿单元,能够很好地补偿Wiener型传感器动态误差。     

基于TDLAS的同轴扩散火焰温度与CO_2浓度测量

温度与组分浓度的空间分布对火焰中多环芳烃和碳烟生成机理的研究非常重要。本文基于可调谐二极管激光吸收光谱(TDLAS)技术对甲烷同轴扩散火焰温度与CO_2浓度的空间分布进行测量。针对轴对称的同轴扩散火焰,本实验采用4.2μm的中红外带间级联激光器测量了不同火焰高度上路径积分的吸光度谱线,并通过傅里叶分析Abel逆变换方法重建出各点的光谱吸收率谱线。结合HITEMP数据库,通过最小二乘法拟合实验数据得到火焰温度与CO_2浓度,并将TDLAS测量结果同CFD仿真进行比较。发现TDLAS温度与CO_2浓度测量结果与CFD仿真吻合良好,但由于未能全面考虑辐射效应,CFD仿真高估了最大火焰温度,计算的最大CO_2浓度和火焰面高度偏低。     

柔性臂坐标测量机动态误差补偿算法研究

针对柔性臂坐标测量机误差因素复杂且误差影响之间呈非线性的问题,分析了误差因素并对部分动态误差进行研究,提出了一种基于模拟退火和神经网络的柔性臂坐标测量机动态误差补偿方法。利用BP神经网络建立动态误差补偿模型,通过模拟退火算法优化权值从而解决了神经网络的收敛速度慢的问题。通过实验获得数据样本,训练所建模型后对测试数据进行误差补偿。与BP神经网络模型进行对比结果表明,补偿测试点后得出的单点重复性测量误差提高了60.85%,长度测量误差的精度提高了54.79%,证明了所提方法的有效性和可行性。     

时栅动态测量误差建模与补偿技术研究

为提高时栅传感器动态测量精度,针对时栅的误差特点,提出对动态测量误差的周期性成分和随机性成分分别建模的思想。采用傅里叶级数逼近的方法对误差中的周期性成分进行建模,利用最小二乘方法对逼近模型参数进行寻优,选取比重较大的谐波参数对误差的周期性成分进行分离,对于分离后残留的随机性成分采用支持向量回归(Support vector regression,SVR)模型进行预测,利用交叉验证的方法对回归预测模型进行参数寻优和细化,选取最优的核函数参数g和惩罚因子C,使得残差均方达到最小。研发误差补偿系统,对时栅动态测量误差进行补偿。试验结果表明,运用该建模方法和模型,时栅传感器动态测量误差的峰峰值由38.2″降至3″,有效地降低了测量误差,大幅度提高了传感器的测量精度。     

激光跟踪仪多基站转站精度模型与误差补偿

为实现大空间域激光跟踪仪的高精度测量,本文针对由转站误差导致的激光跟踪仪分时多基站测量精度难保证的问题,提出了基于多站位下单台激光跟踪仪测量误差的转站误差模型与转站参数修正的补偿方法。首先分析了激光跟踪仪测量误差的来源以及具体形式,阐述了激光跟踪仪测量误差影响空间任意点测量精度的具体形式;其次分析了激光跟踪仪的随机测量误差和系统测量误差对多基站转站参数求解精度的影响。在此基础上,建立了考虑随机、系统测量误差的激光跟踪仪多基站转站误差模型和转站参数误差补偿模型。蒙特卡洛仿真结果表明:当激光跟踪仪的长度测量误差为0.5μm/m,角度测量误差为5μm+6μm/m时,最大转站误差为0.174 7mm,补偿后最大转站误差为0.04mm,转站精度提高了77%。分时多基站转站测量实验结果表明:直接转站测量时最大转站误差为0.054 2mm,补偿后转站误差为0.033 1mm,转站精度提升了38.9%。激光跟踪转站补偿后测量精度有明显的提高。     

基于阻尼粒子群优化的地磁场测量误差补偿

针对三轴磁力仪在磁场测量过程中的磁干扰问题,提出了基于阻尼粒子群优化算法的磁测误差补偿方法。建立了磁力仪误差和载体磁干扰的一体化误差补偿模型,分别采用阻尼粒子群算法和Two-step方法对非线性观测模型进行参数估计。以质子磁力仪数据作为真值,借助无磁转台充分连续采样,实验结果显示,阻尼粒子群算法对于磁场测量误差具有良好的抑制作用。补偿后,由阻尼粒子群算法和Two-step方法得到的均方根误差分别由1 025.7降至60.304 4、581 n T。结果表明,阻尼粒子群算法取得了更好的补偿效果,补偿精度提高了至少一个数量级,为磁场测量误差提供了一种非常有效的补偿方法。     

自动磁通门经纬仪多参量误差补偿算法

自动磁通门经纬仪是地磁绝对观测中测量磁偏角和磁倾角的重要仪器,在测量过程中目前存在横轴与磁轴的不正交误差、磁通门传感器零点偏移误差、电机停止误差和竖轴倾斜误差。为了提高仪器测量精度,利用多体系统理论建立了磁通门传感器输出模型,并基于该模型和"四位置测量法"提出了磁偏角和磁倾角的多参量误差补偿算法。补偿算法通过传感器指向与地磁矢量正交的4个特定位置进行测量,可消除不正交误差和传感器零偏。针对测量过程中存在的电机停止误差和竖轴倾斜误差,补偿算法可进行修正。利用模拟数据进行的仿真实验表明,补偿算法可对±10′以内的电机停止误差和竖轴倾斜误差进行补偿。在台站完成的实测实验表明,补偿算法使测量误差减小到3″以内,满足仪器测量的需求。     

圆光栅角度传感器的误差补偿及参数辨识

基于正弦函数和粒子群算法提出了一种误差补偿及参数辨识方法,用于提高圆光栅角度传感器的测量精度。使用光电自准直仪和金属多面体对圆光栅角度传感器的测量误差进行了离散标定,通过对标定数据的频谱分析,发现传感器测量误差主要由几种不同频率的正弦函数信号组成,由此提出了一种基于正弦函数的圆光栅角度传感器误差补偿模型。补偿模型中包含7个待定常量,本文采用粒子群算法求解这7个待定常量以克服最小二乘法无法收敛的问题。以待定常量为粒子位置坐标,以平均误差为适值函数,建立了一种基于粒子群算法的参数辨识模型,并根据参数辨识模型求出最优的待定常量。应用补偿模型对关节臂式坐标测量机的6个圆光栅角度传感器测量误差进行了补偿,结果表明:补偿后各角度传感器的平均测量误差减小了约398～1102.5倍,大大地提高了传感器的测量精度。     

基于温度补偿的甲烷检测系统设计与实现

由于现场农田环境的复杂多变性,红外甲烷传感器所测数据的准确性和稳定性受外界环境温度影响较大,因而由温度造成的浓度测量偏差需要补偿。分析温度对浓度测量的影响,采用温度、浓度控制单一变量法,对同一浓度甲烷标准气体在不同温度下作标定实验,研究红外甲烷传感器输出值随温度变化关系,得到补偿温度影响率,结合补偿数据处理算法得到补偿值。针对不同浓度的甲烷气体,进行温度特性实验和温度补偿数据处理,实验结果表明:温度补偿前最大测量误差为0.2%,经补偿后,甲烷浓度测量值随温度变化较小,误差范围为0~0.02%。补偿后传感器稳定性和准确性得到改善,能检测0~5%浓度甲烷气体,检测精度可达40×10-6,满足对CH4气体实时监测需求。     

装载机载质量动态测量偏载问题

在分析已有装载机载质量测量动力学模型基础上,针对偏载的动态补偿问题进行分析.首先对物料偏载状态下的铲斗进行受力分析,给出铲斗水平时偏载的静态计算方法;然后通过动态力矩平衡分析建立起偏载补偿量与转斗液压缸活塞杆行程、铲斗倾角的函数关系式,从而给出当铲斗处于任意倾斜状态时偏载量的动态补偿方法;最后采用自行研制的装载机载质量测量系统分别对物料无偏载、物料存在偏载但不进行补偿,以及物料偏载并进行动态补偿三种情况进行了对比试验.试验结果表明,经过偏载补偿可以获得与理想状况即无偏载时近乎相同的测量结果,即测量误差可以稳定在1%以内,从而验证了理论分析的正确性.     

基于遗传算法和Elman神经网络的接触式探头动态特性补偿

动态特性不理想是接触式探头系统动态测量误差的重要来源,严重制约探头测量速度和精度的提升。提出一种基于遗传算法优化Elman神经网络的探头动态特性补偿方法。针对微纳米接触式探头,采用遗传算法优化Elman神经网络的方法对其动态响应输出信号进行了补偿,使用自适应递推最小二乘方法辨识出补偿前后的探头系统动态模型。探头系统的动态测量不确定度由补偿前的77.8 nm减小至12.1 nm。遗传算法具有较好的全局搜索能力,克服了Elman神经网络容易陷入局部极值的缺陷,该动态补偿方法具有较快的网络训练速度和较高的动态补偿精度。仿真分析及不确定度评定结果都验证了该方法的有效性。     

压电材料动态称重传感器的融合设计方法

针对压电薄膜传感器测量受温度影响较大、压电石英传感器价格昂贵的问题,提出将2条压电石英传感器嵌入4排压电薄膜传感器的融合设计方法,建立压电薄膜传感器的等效安装模型及温度补偿算法,利用压电石英传感器对各排压电薄膜传感器进行实时准确的温度补偿。通过MATLAB软件,在正弦波路面激励下,当车速为10～120 km/h,环境温度为0～40℃时,对1/4车辆模型进行动态称重仿真实验。结果表明,融合设计的称重误差均值控制在0. 97%以内,比4排压电薄膜传感器精度提高23倍多,比4排压电石英传感器价格降低3倍多,实现了车辆动态称重的高精度低成本检测目的,工程应用价值好。