应变片动态校准数据处理系统设计

针对高幅值应变量的动态校准问题,提出了基于霍普金森杆的动态应变激光绝对法校准装置,设计数据处理系统。受环境因素和测试系统本身的影响,激光测振仪和应变放大器的输出电压存在一定的零漂。对电压值进行修正,并基于Lab VIEW平台编制数据处理软件,实现应变片的动态校准。针对零漂的处理,提出了零线自动选取算法,程序根据实际电压自动截取一段水平零线,并计算零线平均值作为零漂值。经试验验证,零漂处理后,零线波动范围与峰值的比值降低约50%,应变的最大相对偏差降低,提高了应变片灵敏系数校准的可靠性和准确性。数据处理系统使用灵活,操作简单,数据分析可靠。     

电振动台特性检测系统

提出一种结构简单、分辨率高、适合各种振动模式的电振动台特性检测系统.该系统采用自准直光路原理,利用位置敏感传感器对电振动台微小角度进行精密检测.数据通过USB口送至计算机,处理后得到振动台交变扭动特性曲线.系统包括自准直光学系统、PSD信号处理单元和数据处理系统三部分.各部分误差分析结果得出系统角度分辨率为9.90×10-5°.测试结果表明该系统能满足一些精密角速率传感器振动测试中零漂检测的应用要求.     

智能仪器的零漂处理

<正> 一、概述在所有电量或非电量(例如力、温度、位移、速度等)的测量和控制仪器仪表中,零位的稳定性是影响仪器精度的一个重要因素。影响零位稳定的主要原因:一是温漂,一是时漂,统称之为零漂。传统仪器中采用硬件方法克服零漂,线路复杂,对元器件要求严,成本高且效果也不能尽如人意。智能仪器中,以最简的硬件并充分发挥计算机软件的功能和灵活性使上述问题迎刃而解,提高了仪器的精度和可靠性。本文以Intel公司的MCS-48单片机系统为例,介绍几种实用的零漂处理方法。     

压电式加速度传感器在高冲击环境下的零漂分析

为了抑制侵彻加速度测试中发现的压电加速度传感器零漂现象,减小其对测试结果的不利影响.首先从传感器自身和传感器后续电路两个大方面,分析了测试系统可能产生零漂的各种原因,并且针对引起零漂的原因提出相应的解决措施.然后根据具体测试环境改进设计了抑制零漂的侵彻加速度存储测试系统.通过空气炮实验,与改进前的试验曲线进行比对.试验结果显示,设计采取得的措施很好的抑制了零漂现象.     

侵彻加速度信号零漂的处理方法

针对侵彻加速度信号的零漂特征,采用小波分析法处理零漂数据,提出以小波基函数提取趋势项的准确度和信号重构能力作为最优小波基的选择依据。研究表明：零漂信号的频率范围主要集中在100 Hz以内;bior2.8小波基提取趋势项准确度较高,重构侵彻加速度信号的误差最小。含有零漂的侵彻加速度信号采用bior2.8最优小波基分解出100 Hz以下的低频趋势项,能够有效地消除零漂,得到的加速度一次积分与二次积分分别与实际的侵彻速度和侵彻行程保持了较好的一致性,行程相对误差小于10%。消除零漂后的加速度信号可以为计行程自适应起爆方式提供有效信息。     

高温应变测试方法与测试系统开发

高温应变的测试往往是工程上的一个难点,高温会对传感器、测试仪器以及测试数据带来诸多的影响,需要采取有针对性的措施来保证测试方案的可行性和测试数据的准确性。通过实验分析高温对应变测试过程产生的各种影响,就高温应变计的选型和参数修正、高温条件下的温度补偿,以及测试数据的处理进行了详细的分析讨论。并针对这一过程开发了配套测试系统,通过实测某高温退火炉炉壁工作过程的应变情况,得到了准确的温度-应变曲线和炉壁的应力分布情况,在高炉的分析检测中取得了较好的效果,对一般的高温应变电测也具有很好的适用性。     

冲击测试中电荷变换电路的零漂分析与优化设计

压电加速度传感器在进行高g值冲击测量时经常出现零漂现象,严重影响了测试结果的精度和可靠性。为解决这一问题,首先建立压电传感器冲击测量时的数学响应模型,分析了测量电路中RC时间常数对零漂的影响。同时针对传输电缆耦合的共模噪声,设计了一种三运放差动电荷放大电路。测试证明,该电路在抑制共模噪声干扰的同时可进行±20 pC的小电荷的检测放大。最后通过恩德福克冲击台进行改进前后的对比冲击测试,验证改进后的设计对冲击测量中零漂抑制切实有效,为工程使用提供一定的参考价值。     

基于WaveBook/516及DASYLab的动应变测试研究

根据工程应用中对动态应变的测试试验要求,结合动应变测试原理对WaveBook/516A数字式高速动态应变测试系统进行了分析,利用DASYLab搭建了具有测试、记录和分析模块动应变测试系统,并利用构建的虚拟测试系统完成多项测试任务,形成的虚拟测试方法可供从事动应变测试工作的工程技术人员参考.     

数字电子秤模拟量自动调零的研究

在自动检测系统中，对于零漂的现有些控制系统在一定精度范围内允许，但对行有些控制系统不允许，本文对电子秤自动测量系统中出现零的漂情况，给出一种模拟量自动调零电路，其中保持电路时间为数小时之久，解决了检测过程中的零漂自补偿问题。     

基于PXI的数字式长时间积分器

传统模拟积分器存在着零点漂移、非线性误差和电容泄漏等问题,通过对传统模拟积分器及数字式积分器的深入调研,以及PXI系统的学习,设计了基于PXI的数字式长时间积分器,该积分器减小了非线性误差和泄漏现象。主要思想是首先对信号进行数字积分,然后通过某种算法扣除数字积分的零漂,来修正积分结果。测试结果证明基于PXI的数字式长时间积分器有效地降低了零点漂移,比传统模拟积分器更加灵活的功能。     

转向架一系悬挂装置的阻尼比和刚度的动态测试

针对地铁车辆对地铁转向架动态性能测试的要求,给出了一种无需校正位移传感器、压力传感器零点的一系悬挂装置的阻尼比系数和刚度的动态测试方案,并且基于PXI总线多功能数据采集卡PXI6070E和图形化编程语言Labview7.0,成功地实现了该方案,有效地避免了现场校零的繁琐调试过程,大大地提高了测试精度,为地铁安全、高效运营奠定了基础。     

基于LabVIEW和PXI的城市轨道车辆转向架测试系统

为了能够快速准确地实现对城市轨道车辆转向架的性能测试，搭建了基于虚拟仪器编程语言LabVIEW和PXI总线测试技术的城市轨道车辆转向架测试平台。应用单线程多卡耦合循环软件架构和错误跟踪方法，保证了多数据采集卡的协调运行和测试系统的可靠性；采用双字节整数保存法优化实时数据的存储，消除了硬盘存储瓶颈。实际应用证明，该测试系统适应性强、可靠性高，使用方便、灵活，能够充分满足城市轨道车辆转向架的测试要求。     

投票表决算法在高帧频图像处理中的应用

针对目前高帧频图像处理方法中软件速度慢、实时性差、专用硬件开发周期长、灵活性差等缺陷,开发完成了基于FPGA的高帧频图像硬件实时处理系统。该系统采用投票表决算法,压缩了存储和处理的数据量,充分发挥FPGA器件的并行特性,使图像采集与图像处理并行完成,提高了图像处理速度。系统已成功应用于高速轨道检测车的钢轨断面图像实时动态处理和分析。     

基于PXI的长时间低零漂斩波式积分器

为了避免传统模拟积分器积分电容泄漏,减小简单数字式积分器前端模拟器件的固有噪声及A/D的量化等误差,设计了基于PXI的长时间低零漂斩波式积分器系统。该系统由PXI机箱、数据采集卡和前端信号处理模块组成硬件平台,对信号进行调理和采集,采样率达到200 kS/s,LabVIEW语言和RTX实时系统构成软件设计平台,对信号进行积分、实时扣除零漂等软处理。通过对系统的测试,此积分器有效地降低了零点漂移,比传统模拟、数字积分器具有更加优越的性能。     

基于FPGA的智能压力传感器系统设计

传统的压力传感器系统中压力源与传感器相隔较远,信号线过长,易受干扰,而智能传感器系统能够将传感器,数据采集和微处理器系统集成在一起,通过数字接口上传经过滤波的数据,具有良好的抗干扰性能;在设计中采用FPGA具有构建系统灵活,可实现片上系统的优点,适合在智能传感器系统中应用;同时系统采用多种误差消除手段,构建了一个具有动态零点漂移校准、随机误差消除和温度补偿功能的智能压力传感器系统,并给出了FPGA部分功能的仿真结果。     

基于Z-力敏元件的测力研究

Z-力敏元件是一种新型的半导体器件,输出为与压力应变有一定对应关系的频率量,该器件具有分散性、非线性、温度特性、零点漂移等特性,须通过硬件或补偿软件才能实际应用。本文对Z-力敏元件的特性进行了研究,通过三次样条插值方法实现力敏元件的线性化,通过二次插值方法实现温度补偿,通过加载时重量突变编程锁定的方法解决零点漂移。实验表明,通过数字化补偿后Z-力敏元件可输出与被测压力应变成正比的线性输出,该研究为Z-力敏元件的实际应用奠定了基础。     

基于压电传感器的零点漂移改善电路的研究

针对弹药发射及侵彻过程中高速大量程冲击信号的测量需求,设计了一种基于电荷传感器的高冲击弹载侵彻加速度测量电路,解决了常规弹载记录仪在侵彻过程中压电传感器因高过载而产生的严重信号值零点漂移的现象;通过对压电传感器的零点漂移现象的机理分析以及推导电荷转换等效电路中零点漂移电压的相关表达式,提出在前端采集的调理电路中用晶体管与运算放大器搭建了加推挽电流放大级的电荷放大器的方案,增强电路驱动能力,加快压电传感器放电速度;改善电路可替代例如小波分析等事后处理数据消除零点漂移的算法,在信号源头处解决零点漂移现象,并且实现在FPGA中搭建FIR滤波器对信号进行滤波,去除机械结构共振与传感器安装谐振造成的信号失真现象,满足测量常规弹药侵彻过程高过载连续动态特性的实时性测量,对研究这类工程问题的人员实现对测量电路改进具有指导意义。     

Dynamic integration of classifiers for handling concept drift

In the real world concepts are often not stable but change with time. A typical example of this in the biomedical context is antibiotic resistance, where pathogen sensitivity may change over time as new pathogen strains develop resistance to antibiotics that were previously effective. This problem, known as concept drift, complicates the task of learning a model from data and requires special approaches, different from commonly used techniques that treat arriving instances as equally important contributors to the final concept. The underlying data distribution may change as well, making previously built models useless. This is known as virtual concept drift. Both types of concept drifts make regular updates of the model necessary. Among the most popular and effective approaches to handle concept drift is ensemble learning, where a set of models built over different time periods is maintained and the best model is selected or the predictions of models are combined, usually according to their expertise level regarding the current concept. In this paper we propose the use of an ensemble integration technique that would help to better handle concept drift at an instance level. In dynamic integration of classifiers, each base classifier is given a weight proportional to its local accuracy with regard to the instance tested, and the best base classifier is selected, or the classifiers are integrated using weighted voting. Our experiments with synthetic data sets simulating abrupt and gradual concept drifts and with a real-world antibiotic resistance data set demonstrate that dynamic integration of classifiers built over small time intervals or fixed-sized data blocks can be significantly better than majority voting and weighted voting, which are currently the most commonly used integration techniques for handling concept drift with ensembles.     

基于集成分类器的数据流分类算法

作为一种典型的大数据,数据流具有连续、无限、概念漂移和快速到达等特点,因此传统的分类技术无法直接有效地应用于数据流挖掘。本文在经典的精度加权集成（Accuracy weighted ensemble,AWE）算法的基础上提出概念自适应快速决策树更新集成（Concept very fast decision tree update ensemble,CUE）算法。该算法不仅在基分类器的权重分配方面进行了改进,而且在解决数据块大小的敏感性问题以及增加基分类器之间的相异性方面,有明显的改善。实验表明在分类准确率上,CUE算法高于AWE算法。最后,提出聚类动态分类器选择（Dynamic classifier selection with clustering,DCSC）算法。该算法基于分类器动态选择的思想,没有繁琐的赋权值机制,所以时间效率较高。实验结果验证了DCSC算法的有效和高效性,并能有效地处理概念漂移。