分析方法的系统误差和允许误差

本文对大多数方法存在系统误差和实验室间的系统误差作了研究,把实验室间系统误差随机化后,作为随机误差处理。阐明了这两项误差对制订允许误差的影响。并给出了估算方法、系统误差及制定允许误差的公式和程序,由此计算出的结果比较符合实际。     

电磁铁力特性测试系统的研究

鉴于力特性是表征电磁铁性能的基本特性,基于力传感器和位移传感器等器件,提出了一种电磁铁力特性测试系统,介绍了其结构及原理,建立了测试系统模型,对测试系统误差进行了分析.通过试验研究了测试系统的动态系统误差,并对单向和双向两种特定结构的比例电磁铁的静动态力特性进行了测试.试验结果表明:该系统测试方便、测试结果准确可靠,适用于单向和双向电磁铁静动态力特性的测试.     

测量数据中系统误差的分析与检验

叙述了系统误差的特点与分类，检验方法，检验方法举例及系统误差的限制与消除。     

基于ATML标准的测试系统数据模型设计

为实现TPS与测试系统硬件的隔离,提高TPS的通用性与可扩展性,建立了以硬件设备属性为基础的测试系统数据模型;该测试系统数据模型根据ATML标准进行设计,描述测试系统的硬件信息及在测试过程中记录的数据,实现了测试系统内部各组件之间、各测试程序之间数据信息的无缝连接与共享;通过C#编写了转换方法,可以实现数据由传统的关系型数据库形式转化为XML格式,提高了数据模型的通用性;经检验表明,该数据模型可有效提高TPS的可扩展性,降低开发成本.     

基于本征模函数能量的外测数据误差分析方法

受测量环境、测量手段和弹道特性影响,外弹道测量数据误差复杂,存在随机误差具有不可观测性、强相关性和非平稳时变特性,以及系统误差具有潜伏性和不易识别的问题。为了有效估计随机误差特性,准确修正系统误差影响,提出了一种基于本征模函数(IMF)能量拐点的外测数据误差分析方法。根据外测数据随机误差、系统误差和真实数据的频率特征,采用IMF能量拐点方法将分解得到的IMF分成高频随机误差、混合信息和有效信息共3个集合。将高频随机误差集合直接去掉,有效信息集合保留,混合信息集合采用改进的阈值函数进行小波滤噪,重构滤噪后得到外测有效数据。经数据验证,该方法可合理补偿系统误差值,与真实弹道测量值差别最小,提高了定位精度。     

武器装备测试数据立方体模型的构建

针对大规模、高频率数据交换的实际需求,结合武器装备测试数据的特点,构建了装备测试系统的数据立方体模型;首先介绍了数据立方体的基本概念以及常用的基本模型,之后分析了装备测试系统的实际需求,以概念模型、逻辑模型以及物理模型三级数据模型的方法实现整体设计;数据立方体为装备测试数据提供多维的观测角度,满足了实际任务对高效率数据交换的要求,为之后的数据分析应用提供了良好的数据基础平台.     

基于PXI的轴角数据转换器精度测试系统设计

针对某型设备轴角数字转换器精度测试需求的迫切性以及目前测试方法和设备不能满足本系统需要的问题,基于PXI总线搭建了扩展性好的硬件测试平台和自检平台,并通过对大量自检数据和系统误差性质的深入分析与研究,设计了一种系统误差补偿方法,减小了系统误差,提高了测试精度.同时,系统提供自动测试功能和自检功能.该系统已经成功得到应用...     

基于CAI模糊数据模型的智能测试

本文主要研究了一种利用模糊数据模型进行智能测试的系统。这种测试系统针对学生的英语听力能力,有重点的提出练习和测试方案,并随时跟踪学生的表现来确定新一轮的测试方案。     

相控阵测量雷达跟踪起伏动目标精度分析

目标不同的航路及其运动特点对雷达测量数据质量影响很大.为了估算整个航路目标动态定位精度,依雷达测量目标工作原理,给出航路分段处理原则.对雷达测量数据与GPS测量真值比对的一次差,提出了基于三次B样条的雷达系统误差分离方法.通过处理某飞行任务的大量测量数据,估算出了不同航路的雷达动态测距、测角系统误差和随机误差.结果表明,雷达测距系统误差与斜距成正比;测角系统误差为设计指标的2倍多;其随机误差与设计指标相符.     

一个基于图的音乐数据模型与查询语言及其实现

图数据模型广泛应用于各种具有复杂关联数据的领域.针对现有音乐数据模型与查询语言在功能上的缺陷,首先提出了一个基于图的音乐数据模型Gra-MM,用图数据模型对复杂音乐数据进行建模,定义了图逻辑数据结构以及相关的图代数操作,然后给出了建立在Gra-MM之上的音乐数据查询语言Gra-MQL,定义了查询语言的BNF定义.Gra-MQL能够较好地处理音乐数据之间的复杂关联,同时具有音乐元数据检索和音乐内容数据检索能力,从而满足用户对音乐数据不同层次的查询需求,克服了传统图数据查询语言对复杂关联数据的表达能力有限、不能直接应用于音乐内容检索等不足.最后对实现的音乐数据库原型系统进行了介绍,对原型系统进行测试并给出实验数据,证明了模型以及查询语言的可行性.     

调平的测量误差分析与倾角传感器精度的选择

为减小调平误差,正确选择合适的传感器及其精度,以平台调平的倾角测量为研究对象,通过分析和计算推导出平台水平倾斜度与测量的方向倾角之间的数学关系式,并运用数学理论及误差合成原理重点对测量误差进行分析处理;最后在分析倾角传感器具体误差内容的基础上,以平台水平度允差作为误差参考标准,得到了在实际应用中平台调平的判断准则及传感器精度参数选择的理论依据,为后续的实验验证奠定了基础.     

阈值去噪与RBF神经网络在MEMS陀螺仪误差补偿中的应用

针对现有MEMS陀螺仪中随机误差较大,导致器件输出信噪比低进而影响其应用范围的现状,提出一种基于小波阈值去噪与梯度径向基( RBF)神经网络结合的MEMS陀螺漂移非平稳时间序列建模预测方法。首先采用Allan方差法分析了MEMS陀螺仪的主要随机误差,随后利用小波阈值去噪分离出MEMS陀螺误差模型中的白噪声及漂移误差,最后采用RBF神经网络对漂移数据进行建模。通过实验对文中所述的误差补偿方法进行验证,表明了方法的有效性,对于基于MEMS陀螺仪的惯导系统精度提高具有重要意义。     

数字预失真系统对各种误差的敏感度分析

大多数数字预失真（DPD）系统都是在各种理想假设条件下进行的理论验证和算法仿真。在真实的硬件系统中由于受到各种误差分量的影响, 仿真环境下所得的补偿效果与性能指标有时很难在实际系统中复现。针对DPD系统中常见的几种误差分量进行分析, 根据其数字域体现建立基带误差模型及数字域DPD仿真系统。通过大量细致的仿真实验, 归纳和分析了各种误差分量对DPD系统的影响, 最终为硬件系统各主要部件设计指标的提出提供了依据并同时降低了后期系统调试的工作量。     

基于Allan方差的MEMS陀螺随机误差建模

针对由于MEMS陀螺随机误差较大而影响MEMS惯性测量系统测量精度的问题,提出一种利用Allan方差分析随机误差并建模的方法。在分析Allan方差原理的基础上,通过Allan方差分析法分离和辨识了MEMS陀螺仪的各项随机误差以及误差系数,并利用随机误差系数进行了数学建模。通过与ARMA模型比较,表明利用Allan方差建立的模型更加精确。该方法为MEMS惯性导航系统中姿态测量的误差补偿和滤波提供了新的思路,对提高MEMS惯性测量系统的测量精度具有一定的实际应用价值。     

非法计算故障的一种静态测试方法

非法计算是C／C＋＋程序中的常见故障,该类故障极易导致系统崩溃。针对C／C＋＋语言中常见非法计算故障进行了分析,并从面向具体故障的测试思想出发,建立了C／C＋＋语言中非法计算的故障模型,结合静态测试的特点,给出了一种静态查找此类故障的方法。此方法已实现,并已应用于面向故障的软件测试系统中。     

超大范围坐标测量系统的现场测试基准及其误差分析

CCD立体视觉坐标测量系统已有广泛应用,但其有效测量范围通常在十数米之内.超大范围坐标测量系统是一种适于野外环境的坐标测量系统,其测量范围可覆盖直径达数百米的圆形区域.文章从分析测量系统数学模型入手,指出了建立现场测试基准的必要性,随后给出一种既能保障测量结果正确可靠又可简化测量模型的基准建立方法,并分析了基准建立过程中各引入误差对系统误差的影响.实验数据证明了文中测量原理及测试基准建立方法的可行性.     

基于时间序列分析的Kalman滤波方法在MEMS陀螺仪随机漂移误差补偿中的应用研究

从工程实用的角度出发,探讨了MEMS陀螺仪随机漂移误差的有效补偿方法.首先采用时间序列分析的方法建立了MEMS陀螺仪的随机漂移误差模型,然后阐述了用基于时间序列模型的Kalman滤波方法减小该漂移误差的具体方法.对某MEMS陀螺仪实测数据的误差补偿结果表明,所介绍的滤波方法能够有效地抑制其漂移误差,提高MEMS陀螺仪在实际系统中使用精度.     

一种用于数据校正的最小二乘与准最小二乘组合方法

过程系统的控制与优化要求可靠的过程数据。通过测量得到的过程数据含有随机误差和过失误差,采用数据校正技术可有效地减小过程测量数据的误差,从而提高过程控制与优化的准确性。针对传统基于最小二乘的数据校正方法:和基于准最小二乘的鲁棒数据校正方法:,分析了它们的优缺点,并提出了一种最小二乘与准最小二乘组合方法:。该方法:先采用准最小二乘估计器检测过失误差并剔除,然后再采用最小二乘估计器进行数据校正,可以综合前两种方法:各自的优点,使得数据校正结果:更加准确。将提出最小二乘与准最小二乘组合方法:应用于线性与非线性系统的数据校正中,通过校正结果:的比较说明此方法:的具有较好的过失误差检测能力和较准确的数据校正结果:。最后将此方法:应用于实际过程系统空气分离流程的数据校正中,结果:说明了此方法:的有效性。     

The application of ANFIS prediction models for thermal error compensation on CNC machine tools

Thermal errors can have significant effects on CNC machine tool accuracy. The errors come from thermal deformations of the machine elements caused by heat sources within the machine structure or from ambient temperature change. The effect of temperature can be reduced by error avoidance or numerical compensation. The performance of a thermal error compensation system essentially depends upon the accuracy and robustness of the thermal error model and its input measurements. This paper first reviews different methods of designing thermal error models, before concentrating on employing an adaptive neuro fuzzy inference system (ANFIS) to design two thermal prediction models: ANFIS by dividing the data space into rectangular sub-spaces (ANFIS-Grid model) and ANFIS by using the fuzzy c-means clustering method (ANFIS-FCM model). Grey system theory is used to obtain the influence ranking of all possible temperature sensors on the thermal response of the machine structure. All the influence weightings of the thermal sensors are clustered into groups using the fuzzy c-means (FCM) clustering method, the groups then being further reduced by correlation analysis.A study of a small CNC milling machine is used to provide training data for the proposed models and then to provide independent testing data sets. The results of the study show that the ANFIS-FCM model is superior in terms of the accuracy of its predictive ability with the benefit of fewer rules. The residual value of the proposed model is smaller than ±4 μm. This combined methodology can provide improved accuracy and robustness of a thermal error compensation system.