三坐标测量机高速测量过程动态误差分析与补偿

三坐标测量机测量过程的动态误差制约着工业现场测量效率的提高,为此,提出一种三坐标测量机高速测量过程动态误差补偿方法以改善测量精度。为使研究具备典型性与代表性,以市场上较为广泛使用的移动桥式三坐标测量机为研究对象,通过建立误差分离平台分析测量机高速测量过程动态特性,确定了能够表征测量过程动态误差的四项参数,即最大定位误差(MPE)、残余定位误差(RPE)、最大逼近误差(MAE)、残余逼近误差(RAE)。采用正交实验方法分析了动态误差参数的共性影响因子(定位速度、定位距离、逼近速度、逼近距离)对动态参数的影响程度,并利用三坐标测量机测量标准球得到训练样本和测试样本,分别使用训练样本和测试样本对测量机测量过程动态误差进行建模和补偿。结果表明,经模糊神经网络模型补偿后动态过程误差分别减小了88.8%、80.2%、90.8%、71.3%,证明了模糊神经网络模型能够有效提高测量机的动态测量精度。     

光栅测量系统的误差研究

研究光栅系统的误差构成及其变化规律,对提高光栅测量系统的精度,进行测量系统结构的优化设计均具有重要意义。在全面分析光栅测量系统误差来源的基础上,定量描述了光栅副误差、导轨误差、工作台误差,建立了光栅测量系统总误差模型;研制了一套激光干涉仪与光栅测量系统实时比对实验装置,实现了光栅测量系统综合误差的分离。通过模型仿真与实验比对,验证了总误差模型的有效性。应用该模型对光栅测量系统进行误差修正,能显著提高光栅系统的精度,使测量不确定度减小了一半。     

神经网络在感应同步器零位误差补偿中的应用

根据实际测量得到测角系统在0°~360°之间全部零位误差数据,分析测角系统产生奇、偶点跳跃零位误差的原因来自于感应同步器测角系统引入的非有效电势。以实测误差数据为样本,运用神经网络建立测角系统的角度测量误差模型,提出一种对奇、偶点跳跃的零位误差进行分段辨识方法,并设计完成一种组合神经网络误差模型。仿真研究结果表明用分段辨识方法建立的误差模型计算误差预测值准确,模型泛化能力强。该文设计的误差模型用于零位误差数据的补偿,可将测角系统的零位误差从±102减小至±1.02。     

基于RBF神经网络的测斜仪方位角校正研究

本文介绍了国内常用磁性电子测斜仪的结构和测斜原理,分析了其本身和工作过程中可能存在的误差及其来源。针对井眼姿态测量中的主要测量参数之一方位角,基于径向基函数(RBF)神经网络补偿算法,建立了以实测井斜角和方位角构成的二维向量为输入、标准方位角构成的一维向量为输出的三层RBF神经网络模型,并用实际测斜仪的测量数据进行现场测试。测试结果表明,采用该RBF神经网络补偿算法,建模时间短,可将方位角的实际测量精度从±2.1°提高至±1.9°以内,误差补偿效果好。     

压力变送器温度补偿技术研究

对压力变送器误差补偿原理进行深入研究,采用BP神经网络算法对由温度变化造成的压力传感器输出结果的误差进行补偿。首先分析压力变送器测量影响因素,建立神经网络补偿模型,其次通过部分实验样本数据进行训练得到具体神经网络结构,并通过剩余实验样本数据验证神经网络的有效性。实验结果表明,该方法有效的抑制了温度对压力传感器输出的影响,提高了传感器测量结果的稳定性和准确性,可以在变送器设计、生产中采用该方法进行温度补偿。     

基于RBF神经网络的电子罗盘误差补偿研究

介绍了三轴磁阻电子罗盘的测量原理。基于磁阻传感器HMC1052/1051Z和MEMS加速度计MXD2020ML研制了一款带倾斜补偿功能的三轴磁阻电子罗盘,分析了电子罗盘工作过程中可能存在的误差及其来源。针对无姿态角度的情况,基于径向基函数(RBF)神经网络补偿算法,建立了以测量航向角为输入、期望的航向角为输出的3层RBF神经网络模型,并用样机的采样数据进行仿真验证。实验数据表明,采用该RBF神经网络补偿算法,可将航向角的精度从±35.52°提高至±0.6°以内。     

无陀螺惯性测量系统的标定及误差补偿研究

本文针对旋转弹用弹旋基准问题,提出八加计惯性测量系统方案,并进行了加速度计静态标定实验,给出了静态标定算法及模型系数标定结果。在此基础上,设计了系统动态标定实验及误差补偿方案,在实验室自研高速转台上标出了转台加速过程的完整的动态误差补偿模型,实施了惯性测量系统的实验弹模拟实验。经标定补偿后的误差模型,解算滚转角在9S内最大累积误差为-4．071°。实验结果表明动态误差补偿模型能有效提高滚转角的解算精度,具有一定实际应用价值。     

双波段、双通道对接系统测距误差补偿方法研究

为了完成空间航天对接任务,针对复杂光照条件下的对接孔位置测量问题,设计了一种双波段、双通道测距系统,并对其测距误差补偿方法进行了研究.在介绍了系统测距及误差补偿原理后,根据可见、近红外和双目的测距特点及误差分析结果,利用神经网络对双波段数据进行融合补偿处理,实现弱光照、强光照及无光照条件下的对接孔位置测量.通过实验测试...     

基于动态滑动模型的加速度传感器数据在线预测方法研究

加速度传感器输出值精确测量是相关数据预测的必要前提,为补偿制造工艺和测量环境影响带来的加速度传感器输出误差并准确预测加速度传感器输出数值,提出了基于自适应归一化奇异谱和神经网络的加速度传感器误差补偿及数值预测方法。首先分析加速度传感器输出误差产生的原因;然后根据奇异熵定阶去噪的方法提出了自适应奇异谱方法用于加速度传感器误差自适应补偿;最后选用基于滑动窗的径向基(radical basis function, RBF)神经网络作为加速度传感器输出数值预测方法,并用粒子群优化算法优化RBF神经网络的初始参数。实验结果表明,自适应奇异谱方法可以有效补偿加速度传感器输出误差,并可以选定不同的自适应参数以满足不同误差需求,并且粒子群算法优化的RBF神经网络可以有效预测加速度传感器输出数值。     

关于 PDR 算法步长估计模型的改进研究

为了更加精确地判别基于微惯性测量单元( IMU)的行人定位信息,本文深入研究了传统行人航迹推算(PDR)算法模 型,发现传统算法所采用的判别条件单一且精准度不高。 针对传统算法中步长估计模型不准确的问题,本研究首先提出一种基 于扩展卡尔曼滤波的误差补偿优化算法,以实现 IMU 内集成的加速度计、陀螺仪等传感器的误差补偿。 将优化后的原始数据 放入 BP 神经网络算法对单参数步长估算经验模型进行训练。 实验结果表明,基于 BP 神经网络融合基础模型的步长算法相比 单纯的基础步长模型,闭环精度提高了 0. 3%以上,开环误差减小了 8. 5 倍,基于 BP 神经网络的改进 PDR 算法可以有效抑制惯 性算法的误差发散。     

基于径向基函数神经网络的涡流传感器非线性补偿方法研究

为了解决数字式涡流传感器的非线性问题,提出利用径向基函数神经网络进行非线性补偿的方法。介绍非线性补偿原理以及算法,并将其与BP神经网络法进行比较。从实测数据出发,建立了涡流传感器的非线性补偿模型。结果表明,这种非线性补偿模型误差小、有良好的鲁棒性、能实现在线软补偿,比用BP神经网络有更快的训练速度。     

基于遗传算法的RBF神经网络在热敏电阻温度传感器非线性补偿中的应用

针对热敏电阻温度传感器应用中存在的非线性问题,提出了应用遗传算法训练径向基函数(RBF)神经网络实现其非线性补偿的遗传神经网络方法,介绍了非线性补偿的原理和网络训练方法.该方法能同时优化网络结构和参数,具有全局寻优能力,补偿精度高.实验结果表明,所提出的热敏电阻温度传感器非线性补偿方法是实用的和可行的.     

基于改进神经网络算法的数控钻攻中心进给轴热误差预测

为降低数控机床热误差对数控钻攻中心的影响,提高工件的加工精度,解决不同工况下热误差预测精度不佳的问题。 在进给速度为 10 m/ min、环境温度 20°的工作条件下进行数控机床进给系统热误差测量实验,采用鹈鹕优化算法对神经网络进 行优化,确定 BP 神经网络的最优权值和阈值,建立进给系统热误差的 POA-BP 预测模型,并与传统 BP 神经网络和 GA-BP 神经 网络以及 SCN 随机配置网络进行实验对比分析。 结果表明,传统 BP 神经网络预测平均相对误差为 12. 23%,GA-BP 神经网络 平均相对误差为 11. 5%,SCN 预测模型预测平均相对误差为 12. 71%,POA-BP 预测模型预测平均相对误差为 9. 93%,精度有所 提升。 结论:提出的鹈鹕优化算法改进的神经网络在热误差预测中具有较强的有效性和精确性,可以提高进给运动精度,为热 误差补偿的实现提供理论指导。     

基于径向基函数网络的大型电力变压器故障诊断

研究了径向基函数（RBF）神经网络的模型结构及其在电力变压器故障诊断中的实现方法,介绍了变压器故障诊断的RBF模型.通过故障诊断及仿真实例分析,将RBF网络与BP网络的性能进行比较,得出RBF神经网络训练速度快、逼近误差小、能够更有效地解决电力变压器故障诊断问题的结论.     

机床热误差建模及检测系统模块设计

提出了基于模糊神经网络的数控机床温度与热变形的数学模型,该模型根据输入输出样本自动设计和调整模糊系统的参数,并使传统神经网络中没有明确物理含义的权值被赋予模糊逻辑中推理参数的物理含义。将模糊逻辑理论和神经网络结合,提高了网络的泛化能力。文中给出了模糊神经网络结构、算法的具体实现过程。并通过一个仿真实例说明模型可以将20μm内的热变形补偿到1．7μm内,补偿效果明显。针对补偿技术研究与应用中需要快速采集大量的温度及热变形信号问题,以MSC1210微控制器为核心进行模块化设计,温度采集模块通过SPI接口与上位机DSP连接组成数据采集系统。可以方便、灵活的完成数据采集任务。