贺《军医进修学院学报》30年

依据光声传感器的原理,改进了传输线理论,引入与谐振腔相连接的腔室、管道所引起的非理想因素,提出了一种更为完善的LC等效电路模型.利用此模型完成一维光声腔结构参数的理论分析和计算,通过与以前的模拟结果和实际测量数据进行对比可知,新模型的模拟结果与实验结果拟合得更好,从而证明了新模型的合理性.     

直挂云帆济沧海——写在《军医进修学院学报》创刊30周年

为了解决特殊环境下的瞬态高温测量,研制了一种基于黑体辐射的光纤高温测量系统.介绍了该系统的工作原理,采用"接触-非接触"测量方法和光纤光栅窄带滤波技术,分析了影响黑体空腔传感器有效发射率的各种因素,并给出了优化设计参数.试验表明,系统测温范围可达2 000℃,响应时间小于120 ms,性能稳定,抗干扰能力强.     

继往开来,再创辉煌庆贺《军医进修学院学报》创刊30周年

在减少昂贵试剂消耗和提高生产能力的需求驱动下,微泵技术得到了广泛的关注和发展.利用声表面波流驱动的微泵在流体雷诺数很小的微尺度下具有一定优势,成为微流控系统中一种重要的补充技术.该文介绍了声表面波在微泵的研究现状,分析了基于表面波的微泵的基本原理,并设计了聚焦型叉指换能器实现微泵功能.对实验器件的设计、选择以及实验过程进行了介绍和分析,并对未来研究工作作出了总结.     

推陈出新,创办高水平的《学报》品牌——庆贺《军医进修学院学报》创刊30周年

电子束光刻(EBL)具有高的分辨率,能制备具有亚微米尺寸的声表面波(SAW)器件.一种采用EBL技术制备用于气体传感器的具有亚微米尺寸的SAW延迟线的方法:首先利用EBL在压电衬底上获得叉指换能器(IDT)的电子抗蚀剂图形;然后用剥离工艺制作出IDT电极.通过邻近效应校正和提高场拼接精度,制作的叉指电极具有一致性,电极形貌好.相对于干法刻蚀工艺,剥离工艺避免了对压电衬底表面的物理损伤.该技术为实现特征尺寸达到百纳米级的更高工作频率SAW器件的制造提供了很好的途径.     

优化的RBF神经网络对光纤位移传感器温度补偿

在对光纤位移传感器进行温度标定的过程中,随着工作环境的变化,位移传感器的测量值会产生误差,从而使位移传感器在使用时随着环境温度的变化发生精度下降的情况。为减少这种漂移偏差,该文使用径向基(RBF)神经网络对位移传感器进行温度补偿,并采用自适应的设计思想寻找RBF函数中心。将位移量和环境温度作为输入,其输出为传感器输出电压,使用自适应的设计思想来确定基函数的中心,建立一个基于RBF神经网络的模型。结果表明,该模型的训练结果可以使光纤位移传感器进行测量的相对误差降低9.23%,在测量精度上有很大的改进,证明了该方法的可行性。     

基于小波神经网络的光纤陀螺系统级温度补偿

捷联惯组中光纤陀螺的输出精度受温度的影响较大,在实际应用中必须对其进行温度漂移补偿。对于光纤陀螺的零偏随温度变化呈较强的非线性特性,传统的多元线性回归法难以满足补偿精度要求,因而将小波神经网络用于建立光纤陀螺的温度补偿模型。通过对某型号捷联惯组中光纤陀螺的静漂数据进行仿真,实验结果表明,基于小波神经网络模型比多元线性回归模型的补偿效果更明显,有效提高了陀螺的精度。     

基于PSO优化RBF神经网络的MEMS陀螺温度补偿

针对微电子机械系统(MEMS)陀螺温度变化影响其零偏误差的问题,提出了一种基于粒子群优化(PSO)和径向基函数(RBF)神经网络的陀螺零偏补偿方法.通过RBF神经网络对预处理后的陀螺零偏的温度误差建立模型,用PSO 搜索RBF神经网络的最优参数来提高其泛化能力后,将PSO-RBF神经网络最优参数用于补偿陀螺零偏.实验结果证明了该算法的有效性,经PSO-RBF神经网络算法补偿后,MEMS陀螺零偏的最大误差从0.046(°)/s减小到0.003 4(°)/s,标准差从0.042 7(°)/s减小到0.001 3(°)/s,有效提升了陀螺的零偏稳定性.     

基于温度梯度的光纤陀螺输出漂移补偿

理论上,采用四极对称法绕制的光纤线圈能很好抑制温度梯度对光纤陀螺的影响,实际上,由于结构加工不理想或石英缠绕引起自身的机械形变,使线圈内外的温度变化,从而导致陀螺输出速率误差.该文分析并给出了光纤陀螺输出速率误差与线圈内外温度差或温度梯度间的关系,提出了一种补偿光纤陀螺因温度变化而导致输出速率漂移误差的方法,尽管光纤陀...     

基于RBF神经网络的加速度传感器动态补偿研究

提出一种应用径向基函数(RBF)神经网络进行加速度传感器动态性能补偿方法.介绍动态补偿原理以及算法,并将其与BP神经网络法和系统辨识法进行比较.该方法利用加速度传感器的动态标定数据,采用RBF神经网络搜索和优化补偿模型参数.结果表明,这种补偿模型误差小,比用系统辨识法有良好的鲁棒性、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RBF神经网络的自适应均衡器研究

在研究基于径向基函数(ＲＢＦ)神经网络的均衡器结构以及传统自适应均衡算法的基础上,提出了两种新的基于ＲＢＦ神经网络的自适应均衡器,并给出了相应的自适应均衡算法。新的均衡器是将判决反馈引入到ＲＢＦ神经网络中以及将Ａｄａｌｉｎｅ网络与ＲＢＦ网络有机的结合而分别构成的,仿真结果表明这两种新算法比基于ＲＢＦ神经网络的自适应均衡算法都具有更好的收敛性能。     

神经网络在光纤陀螺标度因数温补中的应用

阐述了光纤陀螺标度因数受温度影响的机理,光纤长度、光纤环直径、中心波长、集成光学调制器调制系数以及2π复位电压值均影响标度因数的稳定性。在此基础上提出建立温度模型补偿法,对最小二乘法和BP神经网络补偿法进行了分析与比较。该文利用光纤陀螺输出实测数据进行了后仿真,结果表明,神经网络法进行光纤陀螺标度因数温度补偿可使误差明显减小,其效果要优于传统的最小二乘法,这样保证了光纤陀螺全温情况下在系统的使用精度。     

Trajectory Switching Control of Robotic Manipulators Based on RBF Neural Networks

In this paper, we discuss the trajectory switching neural control problem for the switching model of a serial n-joint robotic manipulator. The key feature of this paper is to provide the dual design of the control law for the developed adaptive switching neural controller and the associated robust compensation control law. RBF Neural Networks (NNs) are employed to approximate unknown functions of robotic manipulators and a robust controller is designed to compensate the approximation errors of the neural networks and external disturbance. Via switched multiple Lyapunov function method, the adaptive updated laws and the admissible switching signals have been developed to guarantee that the resulting closed-loop system is asymptotically Lyapunov stable such that the joint position follows any given bounded desired output signal. Finally, we give a simulation example of a two-joint robotic manipulator to demonstrate the proposed methods and make a comparative analysis.     

基于RBF神经网络的虚拟仪器测试系统动态补偿方法

测试系统存在着动态测试误差,为了准确地复现出被测量的原始信号,提出了基于RBF神经网络的虚拟仪器测试系统动态补偿方法.该方法不依赖于测试系统的数学模型,而是根据测试系统的输入和响应数据,利用神经网络的强非线性逼近能力获得补偿系统的模型参数,通过LabVIEW构造出测试系统的动态补偿系统.实验结果表明,将RBF神经网络和虚拟仪器相结合,对测试系统进行动态补偿具有良好的效果.     

基于Smith预估补偿与RBF神经网络的改进PID控制

由于工业界普遍存在且难以很好地解决恒温控制的大滞后和非线性问题,特提出了将Smith预估补偿和RBF神经网络与PID控制相结合的改进PID控制算法。该算法利用Smith预估补偿对温度滞后问题进行处理,利用RBF网络在线学习能力进行PID参数的动态调整处理非线性问题,进而保证恒温控制使系统处于最佳状态。