三分量磁通门梯度仪校准算法研究

针对三轴磁通门传感器非正交、灵敏度不一致、零偏以及构成梯度仪的两个磁通门传感器位置不一致引起的测量误差问题,建立了误差模型;基于地磁矢量模值短时不变原理,采用线性化最小二乘算法进行一个磁通门传感器参数的辨识;基于校准后三分量差值F范数最小原理,采用多元线性回归的方法进行另一个磁通门传感器参数以及两个磁通门传感器相对位置关系参数的辨识。实验结果表明,该方法能够将两个磁通门中最大总场误差从1 194.4 n T降低到30.0 n T,将三分量梯度仪最大输出误差从529.1 n T降低到13.4 n T,有效地改善了梯度仪性能。     

基于球形反馈线圈的三轴磁通门磁强计

在高精度三轴磁通门磁强计的设计中,均匀的反馈磁场有助于提高仪器输出的温度稳定性和线性度,同时也可在一定程度上减小由于磁强计各个分量互扰产生的零点偏移。通过简单的物理模型计算,提出了球形反馈线圈的设计方案,并给出了ansys电磁场仿真结果及反馈线圈内部磁场均匀性测试实验结果。经过测试,在此基础上制作的实验样机的线性度达到0.0038%FS,灵敏度温度系数达到0.0000755%FS/℃,且噪声性能也达到9.0807pT/(Hz)～(1/2)。     

基于SoC与CPLD的数字化三轴磁通门传感器

提出了一种基于混合信号系统级芯片（SoC）和复杂可编程逻辑控制器（CPLD）的数字化三轴磁通门传感器信号调理系统。利用硬件完成对信号的采集、滤波处理、传输等功能,并编写了相应的数据处理算法,从而降低了成本,缩减了面积。实验结果表明：与传统磁通门传感器相比,误差减小,温度性能与输出稳定性得到了改善。     

三轴磁强计转向差的自适应校正

三轴磁通门磁强计被广泛地应用于地磁和空间磁场的研究。利用三轴磁强计的输出向量来估计被测磁场的模量,会有转向差存在。转向差是由磁强计三个磁轴的非正交性、各通道定标比例系数的不一致性以及各通道的零点偏置引起的。要精确计算被测磁场的模,校正转向差,就必须估计出磁强计的上述参数。本文提出的校正方法对磁强计的参数进行估计,不需造价昂贵的专用设备。仿真试验及实测数据证明这些方法是行之有效的。     

基于FLANN和最小二乘的磁梯度计误差校正

在基于偶极子磁场分量梯度的水下磁异常定位方法中,三轴磁力计自身误差及两磁场坐标系配准误差等是限制水下定位精度的主要因素,因此有必要对其进行校正,补偿磁场分量梯度计测量值。建立了磁场分量梯度计的测量误差模型,提出了基于函数链接型神经网络(functional link artificial neural network,FLANN)和最小二乘法的磁场分量梯度计误差校正方法,给出了误差参数辨识及校正算法,数值仿真和实测数据证明了校正算法具有良好的收敛性,能显著地抑制磁场分量梯度测量误差,该校正方法为提高磁场分量梯度计性能提供了一种可行途径。     

融合转向差校正的磁强计地磁补偿硬件实现研究

为实现地磁背景下微弱磁异常目标的远距离探测,解决地磁背景信号远大于目标磁异常信号,导致测试系统分辨率和探测能力受限的问题,文中设计了由测量和补偿2个三轴磁通门磁强计构成的实时动态地磁补偿系统.推导了三轴磁通门磁强计非正交、灵敏度和零点误差对测量结果的影响方式,提出了通过电路参数的合理匹配和优化设计实现转向差校正和地磁补...     

基于改进遗传算法的三轴磁场传感器校正方法研究

针对三分量磁场传感器存在三轴非正交性、三轴灵敏度不一致和零点偏移误差,不能满足磁场精确测量的问题,提出了一种基于改进遗传算法的三轴磁场传感器校正方法.建立了实际传感器的测量模型,分析了误差产生的机理,研究了误差校正的方法,设计了基于遗传算法和改进遗传算法的校正参数求解过程,通过仿真实验和实测实验,验证了校正方法的有效性和改进遗传算法的快速性,经校正后的三轴磁场传感器的测量精度得到大大提高.     

基于ARM的三端式磁通门传感器

传统磁通门传感器受环境变化影响较大,文中设计了一种基于ARM的三端式磁通门传感器.传感器对磁通门信号进行数字化处理,把二次谐波的积分值反馈到磁通门线圈中,最后在计算机上显示磁场大小与方向.软件取代了模拟电路中带通滤波、相敏检波和积分等环节.实验结果表明:设计的三端式磁通门传感器具有较好的稳定性和线性度.     

基于FLANN的三轴磁强计误差校正研究

提出一种基于函数链接型神经网络(FLANN)的三轴磁强计误差修正方法.由于三轴非正交、灵敏度不一致及零点漂移所引起的误差降低了三轴磁强计的测量精度,因此有必要进行校正.本文先对与三轴磁强计系统参数有关的测量进行详细分析和理论计算;然后,设计矩阵形式的数学模型对该误差进行修正.通过构造相应的FLANN网络结构,实现对模型参数矩阵的辨识.用实际地磁场测量数据进行测试,结果表明,三轴磁强计的转向误差由800 nT修正到12 nT以下.因此,该研究为提高三轴磁强计性能提供了一种可行方法.     

基于磁通门和磁阻传感器的混合宽带磁传感器的研究与设计

在地磁探测领域,被测磁信号幅值范围和频率范围都较宽,文中利用磁通门传感器低频段噪声密度低,TMR传感器工作频率高、高频段噪声密度低的特点,根据互补滤波的数据融合方法,对磁通门和TMR分别进行低通和高通滤波,并在FP GA平台上通过数字滤波和比较判断的数据融合方式,将2种传感器的输出在频带上进行"拼接",实现了两种磁传感...     

基于人工神经网络的红外焦平面阵列定标方法

用标准黑体定标数据分别采用基于神经网络和基于线性模型的定标方法对非制冷红外焦平面阵列上单个单元进行了定标,并对二者定标结果进行了分析和讨论。基于线性模型的定标方法采用最小二乘法拟合定标系数,数据处理简单,但精度较低。人工神经网络定标方法是在未知的情况下通过设计合适的网络就可以逼近输入与输出之间的映射关系,提高了定标精度。     

平面度误差的最小二乘法分析

本文就平面度误差的数学模型与按最小乘法建立理想平面（评定基准）的数学模型展开分析讨论；并结合实例分析，得出较客观地评定平面误差或测量较大平面的平面度误差，最小二乘法是最佳方法。     

双通道多级旋转变压器的标定和基于BP神经网络的误差补偿方法

通过高精度的编码器实现对旋转变压器的标定,为了提高旋转变压器的精度,提出了一种基于BP神经网络的误差补偿方法,用该网络对误差曲线进行训练,再将训练结果写入DSP程序中进行实时补偿。实验结果表明,通过该方法对误差进行补偿,可以将误差从±9′补偿到±0．3′,重复性好。     

基于HMM校正与神经网络延拓的EMD端点效应抑制方法

针对神经网络延拓方法在抑制经验模态分解的端点效应时存在的延拓数据与真实数据往往存在误差的问题,提出了一种基于HMM校正的方法来减小预测延拓数据误差。首先利用径向基函数(RBF)神经网络预测估计方法对部分原始数据进行估计,同时对端点外数据进行预测。然后计算该方法估计的数据与真实数据的误差序列,再用HMM方法建立估计误差序列模型,用以预测延拓后数据的误差。最后用RBF神经网络延拓数据减去HMM预测的误差数据得到新的校正后延拓数据。仿真与实验证明了将HMM预测方法与RBF神经网络数据延拓结合应用到解决端点效应的过程中所得到的延拓数据更接近真实数据,能够更好地解决端点效应问题,提高了经验模态分解精度。     

回转组合零件自动检测中系统误差消除的新方法

本文针对常用回转体组合零件自动检测的需要,利用最小二乘圆与最小二乘直线拟合以及坐标转换的方法,推导了相应理论计算公式,并据此得到了一套自动消除系统误差的新方法。     

最小二乘圆法评定圆度误差的优化算法

介绍了用最小二乘圆法评定圆度误差的准则。综合SWIFT法和混沌算法的优点,提出了改进的混沌优化算法,并通过对圆度误差测量数据处理的应用实例,说明了该优化算法的优点,从而达到全局最优。该优化算法也可推广应用于对其它测量误差的数据处理中。     

基于神经网络代数算法的电子罗盘的标定

为了标定KVH-C100型电子罗盘,分析了电子罗盘产生误差的原因,设计了电子罗盘信号采集的软硬件系统;为了减少随机因素的干扰,对采样数据进行了中值滤波;在此基础上,采用神经网络代数算法建立了电子罗盘的误差补偿模型,该模型能实现在样本空间的精确映射,具有较高的非线性逼近精度。通过实验证明该补偿模型比中值正弦误差补偿精度高,使得误差范围由标定前的-5.468 15°～1.457 96°减小到-0.492 8°～0.517 8°,重复性实验也证明该补偿模型一致性好,满足控制要求。     

基于磁通门传感器的弱磁场检测方法

为了实现对弱磁场的检测,研究了磁通门传感器原理,建立了磁通门传感器数学模型;采用高磁导率材料钴基非晶合金VITROVAC 6025Z作为磁芯材料设计制作了磁通门传感器,结合DDS(直接频率合成器)激励电路和虚拟仪器构成磁通门磁强计.虚拟仪器上磁场调零功能可实现磁通门磁强计在不同磁场环境下的归零校准,对弱磁场的测量更加精确.经对比实验,选择激励信号频率为10 kHz,激励幅值为5V,此时该系统灵敏度较高.在稳定可控磁场中,利用特斯拉计对系统进行定标,实验结果表明,磁通门磁强计线性度较好,分辨力达μT级.     

射频仿真中数控衰减器校准方法及其误差分析

研究了8位数控衰减器的控制码规律和校准方法,分析了校准控制码步长与校准误差的关系,得到校准误差随控制码步长螺旋上升的结论,该结论表明选取局部"凹点"处的校准步长产生的校准误差没有明显增加,既能兼顾校准精度又节省大量的校准时间;同时,分析了校准舍入误差,根据实测数据可知,8位数控衰减器校准舍入误差为0.12 dB,能够满足绝大部分应用需求。