利用Visval C++下MSComm开发的串口通信软件

利用Visual C＋＋6．0 MSComm控件实现串口通信软件的设计，将MSComm控件作为微软公司提供的简化Windows下串口通信编程的ActiveX控件，它通过串行端口传输和接收数据，为应用程序提供串行通信功能，利用此控件使应用程序结构简单、继承性好。通过在汽车里程检测软件中的成功应用，证明了该控件编写的串口通信软件是可靠和稳定的。     

基于PLC的摆动摩擦试验机测控系统研究

本文采用西门子s7-200 PLC进行数据采集和过程控制,利用Visual Basic6.0编程软件开发摩擦试验机上位机的人机界面,通过调用串口通信控件MSComm的方法实现摩擦试验数据的实时采集.本系统能够实现试验机定时工作、报警处理,以及压力和扭矩的实时采集和动态显示.     

激光跟踪仪角度采集系统设计及误差修正研究

高精度的角度采集和测量是激光跟踪仪实现跟踪和精密测量的关键。针对激光跟踪仪中采用的圆光栅编码器,本文介绍了一种基于FPGA的数据采集系统的设计与实现方法。该采集系统分为滤波、计数、通信三大模块。数字滤波模块用于消除跟踪控制过程中跟踪头振动、抖动产生的信号干扰;计数模块实现方波脉冲的倍频、辨向及计数;通信模块实现跨时钟域的数据传输。系统通过Modelsim仿真及实验测试验证了方法的可行性与可靠性。采用谐波分析方法对角度误差进行了修正,测量误差由3.5″降低到1.5″。本文设计的角度采集系统及谐波分析误差修正方法具有一定的通用性,可广泛应用于相关领域。     

激光跟踪仪系统测量不确定度预测方法研究

针对测量系统的测量不确定度预测问题,将现代信息论的思想应用于激光跟踪仪测量系统的测量不确定度分析与预测中,采用现代信息论中的时间序列自回归模型(AR模型)建立测量系统不确定度预测模型,揭示测量系统的结构与规律,对测量系统进行预测分析,提高测量系统的测量精度.通过建立基于AR模型的激光跟踪仪测量系统的测量不确定度预测模型,对激光跟踪仪系统的测距误差进行了预测分析.仿真实验表明,基于AR模型的测量系统的测量不确定度预测模型具有良好的精度,而且该模型预测分析数据具有可靠性.     

激光跟踪仪动态参数自动测试系统设计

介绍了中国计量科学研究院最新研制的激光跟踪仪动态参数自动测试系统.当前,对激光跟踪仪的评价普遍局限于静态参数的评定上,而该系统却通过测量激光跟踪仪在动态条件下的各性能指标,弥补了在动态指标评定方面的缺陷,从而可以从静态、动态两个方面对激光跟踪仪进行全面的评价.     

提升激光跟踪仪长度测量准确度的方法

提出了利用激光跟踪仪进行高准确度测量的方法.描述了激光跟踪仪测量时的特定设置,以获得具有激光干涉仪准确度的长度测量结果.通过几何推导,证明了这种方法不受激光跟踪仪角度测量的影响.列出了方法中主要的测量不确定度来源和不确定度合成的公式.     

光电跟踪误差校准技术的研究

研制光电跟踪仪校准系统,利用激光跟踪仪跟踪光电跟踪仪并采集测量数据,剔除其中存在的粗大误差得到有效数据,采用球面拟合最小二乘法确定光电跟踪的中心。建立合理的坐标转换模型,实现激光跟踪仪的中心向光电跟踪仪的中心坐标转换,并将二者的测量数据进行对比得到校准结果。利用VB和MATLAB软件结合的方法对数据进行分析与处理,提升运算效率。举例给出光电跟踪仪校准系统的测试结果,并对其不确定度进行分析,证明了此校准系统的可靠性,为跟踪及瞄准系统的参数校准提供了参考。     

测试系统中实现浮点数的串口传输

VisualBasic作为一个可视化的面向对象的编程语言，以其编程简单、快捷、所开发的软件界面友好、操作方便等优点在测试系统软件开发设计中得到了广泛的应用。许多测试系统软件都需要从下位机采集数据进行处理和分析，由于VB语言自身的限制，应用VB编制的采集数据程序很难直接从串口获得浮点数据，本文针对该问题讨论了在VB中利用MSComm控件通过串口从下位机采集浮点类型数据的有关技术，并提出了一种在VB环境下实现浮点数采集的简单方法以及程序实现的具体步骤。     

机载火控系统智能检修设备的设计

介绍了基于PC的机载火控系统智能检修设备的设计思想,重点讨论了检修设备的硬软件实现方法.在软件部分阐述了利用VC控件MSComm编程实现串口通信的方法.系统精度和自动化程度高,具有良好的通用性,可方便地推广应用到新型机载火控系统上.     

被动式激光跟踪测量方法及其误差补偿技术

针对主动式激光跟踪仪跟踪测量系统复杂、研制成本高的问题,提出了被动式激光跟踪方法用于测量目标点的空间坐标。首先基于HTM方法建立被动式激光跟踪测量系统的误差分析模型,提出相关误差参数的检测方法,在对测量误差进行补偿后,被动式激光跟踪测量系统的空间坐标测量误差从550 μm降低为150.8 μm。为进一步提升测量精度,采集经误差补偿后的残余误差作为样本数据,利用BP神经网络对样本数据进行训练;利用训练好的BP神经网络模型对被动式激光跟踪测量系统的残余误差进行补偿,空间坐标测量误差从150.8 μm降低为51.6 μm。相较HTM误差补偿方法,HTM+BP神经网络模型的补偿效果提升了65.8%。