采用玻尔兹曼统计法分析光阱刚度的测量精度

考虑高精度的光阱刚度测量是光阱力测量的关键,本文提出了采用玻尔兹曼统计法来分析光阱刚度的测量精度。首先,描述了实验室搭建的近红外光镊系统,并将其搭建在暗室中的气垫平台上,以便隔离光干扰和振动干扰。然后,用四象限光电探测器探测被光镊捕获的微球向后散射的光,并选用与溶液黏度无关的玻尔兹曼统计法计算样品池底面附近的光阱刚度。最后,分析和讨论了溶液温度的变化、四象限光电探测器的灵敏度、采样频率以及采样时间对光阱刚度测量精度的影响。理论分析及实验计算显示:溶液温度的变化对光阱刚度的测量影响很小,但四象限光电探测器的灵敏度对光阱刚度测量精度影响较大。考虑采样的完整性和数据处理速度,采样频率通常取为被捕获颗粒拐角频率的5~10倍。对于本文搭建的近红外光镊测量系统,采样时间取为1~7s时,可以保证高精度地测量光阱刚度。     

光镊系统随机漂移建模和误差补偿

针对光镊系统本身噪声对测量精度的影响,提出了一种光镊系统随机漂移误差的有效补偿方法。首先,介绍了时间序列分析法和卡尔曼滤波技术,基于时间序列分析法建立了光镊的随机漂移误差模型;然后,用基于时间序列模型的卡尔曼滤波方法来减小该漂移误差。采用提出的方法对光镊设备实测数据的误差进行了补偿,结果表明：数据的误差方差由补偿前的188.90 nm²减小为8.41 nm²。计算补偿前后的艾伦方差可知,系统在平均时间为1 s时可使最小位移误差从 0.7 nm降低到0.1 nm。得到的结果显示：提出的滤波方法有效地抑制了光镊系统的漂移误差,将其用于双光镊对准可提高捕获光和探测光的对准精度,进而提高光镊系统的性能指标。     

多维力/力矩传感器静态解耦的研究

多维力 /力矩传感器的静态耦合是影响其测量精度的主要因素之一。在研究基于最小二乘理论的多维力传感器静态线性解耦方法的同时 ,提出了一种基于 BP神经网络的静态非线性解耦方法。以 HIT灵巧手的微型五维指尖力 /力矩传感器为对象进行了实验 ,结果表明 ,基于神经网络的非线性解耦方法可以明显地提高传感器的测量精度     

基于气动测量原理的零件自动选配系统

本文阐述了实现高精度、宽测量范围、基于气动测量原理的压缩机自动选配系统的工作原理和主要设计方法,介绍了用于提高零件测量精度、扩展气动测量范围和实现智能测量的建立在软硬件基础上的自校准三次测量法、增益可编程控制测量放大器和非线性修正技术的工作原理,给出了部分软件的流程图,并对误差修正前后的测量系统的精度进行分析,用试验进行验证。     

基于改进BP神经网络的数显千分表非线性误差补偿

数显千分表零/部件制造和安装误差及使用磨损是影响其测量精度的主要因素。为了提高其精度,基于数显千分表的单片机嵌入式控制系统,提出采用北方苍鹰优化(Northern Goshawk Optimization, NGO)算法和贝叶斯正则化(Bayesian Regularization, BR)算法改进BP神经网络(NGO-BR-BP神经网络)的非线性测量误差软件补偿方法,并将其与基于BP神经网络、贝叶斯正则化BP神经网络的补偿模型进行了比较,论证了基于NGO-BR-BP神经网络的数显千分表非线性误差补偿模型具有较高的预测精度,且模型可靠性高、稳定性好。实验结果表明,在0～50 mm的测量范围内,所提出的方法可使最大误差降低到0.888 527μm,而没有补偿前的最大误差为5.626μm。在数显千分表的嵌入式系统中植入NGO-BR-BP神经网络以提高千分表的测量精度,是可行和有效的。     

光镊的发展——追寻光的力量

光镊是利用光压形成的散射力和梯度力,对纳米级至微米级的粒子进行捕获和操纵的一种工具,日益广泛地应用于物理、生物等领域。本文首先介绍了光镊的基本原理、装置构造、分类,接着讨论了光镊应用的优势与不足并提出相应的改进意见,最后在回顾近些年来光镊在技术和应用层面的新发展的同时,对光镊未来的发展趋势进行了分析和展望。     

基于神经网络的多维力传感器静态解耦的研究

提出了基于人工神经网络进行多维力传感器静态解耦的方法。维间耦合是制约多维力传感器测量精度的主要因素，为克服传统线性解耦方法的局限性，利用BP神经网络的强非线性逼近能力研究了多维力传感器的非线性静态解耦。以研制的微型5维指尖力／力矩传感器为对象进行了解耦实验，结果表明，与基于最小二乘的线性解耦方法相比，提高了解耦精度。     

大量程柔性铰六维力传感器静态解耦的研究

为提高大量程六维力传感器的测量精度,提出了一种新型的六维力传感器非线性静态解耦方法,该方法结合混合递阶遗传算法和小波神经网络的优点,采用递阶遗传算法与最小二乘法分别对小波神经网络隐层结构参数以及输出层权值进行优化,再将优化后的小波神经网络模型用于六维力传感器非线性解耦.建立了基于混合递阶遗传算法和优化小波神经网络的六维力传感器非线性解耦模型,设计了基于混合递阶遗传算法的小波神经网络结构及参数优化算法,给出了六维力传感器非线性解耦的具体实现流程.以最新研制的6-UPUR大量程柔性铰六维力传感器为对象进行实验,结果表明,采用该方法六维力传感器的Ⅰ类误差和Ⅱ类误差分别为1.25％和2.59％,比采用BP和RBF神经网络方法的测量精度高.     

光动力学系统神经网络系统辨识及自适应控制之性能分析

分析了光动力学系统神经网络常规BP辨识与混沌加速BP辨识的异同,并对与二者相应的两种光动力学系统神经网络自适应控制技术的性能进行了比较。在此基础上,本文对光动力学系统神经网络自适应控制系统的设计原则进行了讨论。     

基于T矩阵的激光光阱力计算

在一定条件下,经过高数值孔径聚焦后的激光可以捕获大小从约几十纳米到几十微米范围内的微粒,这种技术叫做光镊,光镊技术广泛应用于许多生物领域.虽然光镊本身结构简单,用单光束就可以捕获单个粒子,但对光阱力的精确计算却存在一定的难度.虽然一些近似的方法如几何光学或瑞利假设可以用来进行光阱力的计算,但这些方法仅在一定限制范围内适用.本文把电磁散射理论作为一种通用的方法来解决光阱力的计算问题,论述了如何使用T矩阵方法进行光阱力计算并给出了一些数值结果,证明了T矩阵方法在光阱力计算方面的能力和效率.此外,本文还分析了一些对光捕陷效率的影响因素.     

Combining optical tweezers and patch clamp for studies of cell membrane electromechanics

We have designed and implemented a novel experimental setup which combines optical tweezers with patch-clamp apparatus to investigate the electromechanical properties of cellular plasma membranes. In this system, optical tweezers provide measurement of forces at piconewton scale, and the patch-clamp technique allows control of the cell transmembrane potential. A micron-size bead trapped by the optical tweezers is brought in contact with the membrane of a voltage-clamped cell, and subsequently moved away to form a plasma membrane tether. Bead displacement from the trapping center is monitored by a quadrant photodetector for dynamic measurements of tether force. Fluorescent beads and the corresponding fluorescence imaging optics are used to eliminate the shadow of the cell projected on the quadrant photodetector. Salient information associated with the mechanical properties of the membrane tether can thus be obtained. A unique feature of this setup is that the patch-clamp headstage and the manipulator for the recording pipette are mounted on a piezoelectric stage, preventing relative movements between the cell and the patch pipette during the process of tether pulling. Tethers can be pulled from the cell membrane at different holding potentials, and the tether force response can be measured while changing transmembrane potential. Experimental results from mammalian cochlear outer hair cells and human embryonic kidney cells are presented.     

加工精度在线检测系统预行程误差预测与补偿

预行程误差的预测和补偿能够大大提高加工精度在线检测系统的测量精度.提出了一种基于BP神经网络的检测误差预测新方法,建立了一个基于BP神经网络的在线检测系统预行程误差预测模型,通过实验数据对该网络进行训练,并将训练好的神经网络应用到实际加工零件的误差预测和补偿.为了验证该方法的有效性,以一圆柱零件的圆度误差检测为例,对其加工精度的在线测量进行了预行程误差的预测与补偿,经与CMM检测结果的对比,说明了该方法的有效性.     

基于BP神经网络的三维力传感器静态标定方法研究

三维力传感器作为测力平台的核心元件,其测量精度直接影响测力平台的使用效果,而维间耦合问题是影响精度的主要方面。文章首先讨论了三维力传感器传统的静态标定方法在消除耦合误差方面的应用,并在方法缺陷分析的基础上,提出了新的三维力解耦方法——基于BP神经网络的解耦方法,继而对两种方法进行误差分析,验证了神经网络方法在多维力传感器解耦中的可行性和优越性。     

光镊驱动微转子

光镊技术已经成功应用于光学和微功能器件,但是,对光镊驱动复杂微转子所建模型尚不成熟。为了分析光镊的光驱动力和力矩,基于矩量法建立了一种新模型。基于此种模型的分析结果表明改变环境参量是提高光镊工作效率的方法之一,如微转子转动速率与光镊的激光功率成正比,与束腰半径成非线性关系。另一种可以大幅度提高光镊工作效率的方法是改变微转子的形状,数据表明"万字"形微转子的转动效率是相同尺寸的"十字"形转子转动效率的10^-7倍。此外,通过解析力场的分布状态,可得到光压力的主要作用面,为今后的微转子设计提供依据。新模型的另一个优点是耗费时间较少,对于模拟光镊驱动微功能器件具有通用性和柔性。     

基于鱼群BP神经网络的板料成形分块压边力优化

采用人工鱼群算法与BP神经网络相结合的方法建立了分块压边力与成形质量的映射关系。首先以分块压边力为设计变量,通过基于最大最小原则的拉丁超立方取样设计方法抽取了BP神经网络的训练样本,并将通过仿真软件获得的成形质量指标作为BP神经网络的训练输出;其次通过人工鱼群算法优化的BP神经网络建立了分块压边力与成形质量的映射关系;然后采用粒子群算法对该映射函数关系式进行优化,得到最优分块压边力;最后将该最优分块压边力成形效果与整体压边力成形效果进行对比,结果表明成形效果大大改善。研究表明,采用该方法可以快速计算最优分块压边力,克服了分块压边力计算困难的缺点。     

基于改进型BP神经网络PID控制器在转台系统中的应用研究

为改善转台系统性能,针对传统的PID控制参数难以获得较理想的控制效果,设计了一种基于改进型BP神经网络的PID控制器。介绍了PID控制器的结构和BP神经网络算法描述,利用最小二乘法和神经网络建立被控对象的预测数学模型,并用该模型所计算的预测输出取代预测输出的实测值,对基于BP网络的PID控制器的权值调整算法进行改进。以某转台模型为对象,建立了转台控制系统的数学模型并对其进行仿真。仿真结果表明,改进型BP神经网络PID控制器具有良好的控制效果,跟踪精度高、性能稳定及鲁棒性强,能更为有效地应用到转台系统中。     

A simple dynamic optical manipulation technique for label-free detection of biological cells

A dynamic optical tweezers system is employed for generation of an optical trap in continuous rotation for manipulating a biological cell in an aqueous solution. When the rotating speed is increased, the trapped cell experiences an augmented viscous drag force, and eventually it escapes from the trap at the critical rotating speed: when the drag force is greater than the trapping force. With experimental verifications, the method can easily be employed to differentiate cells in terms of trapping forces due to different refractive indices. The proposed method is a simple, robust, accurate and noninvasive label-free technique for cell detection.     

可调对比度目标源装置中对比度的标定

搭建了可调对比度目标源装置,研究了图像对比度和光学对比度的关系,提出了用改进的BP神经网络标定对比度的方法.首先,设计了用于对比度标定的BP神经网络模型.然后,利用LM( Levenberg-Marquardt)算法结合缩放法改进神经网络以提高其收敛速度及泛化能力.最后,通过可调对比度目标源装置实验平台,由测量的辐照度得出了对应的图像对比度数据,使该装置可以通过调节辐照度实时获得规定的对比度.与传统BP神经网络方法相比,改进后的BP神经网络收敛速度快,泛化能力强.标定精度比经典BP算法提高了100倍,比最速下降法提高了10倍.训练次数仅需2 876次时,对比度的标定值与目标值的误差最大值是0.01％,训练均方误差收敛为0.000 459 441,测试误差收敛为0.000 467 003,满足了对检验装置中对比度标定的需要.     

Single beam optical tweezers setup with backscattered light detection for three-dimensional measurements on DNA and nanopores

We introduce a versatile and high precision three-dimensional optical tweezers setup with minimal optical interference to measure small forces and manipulate single molecules in the vicinity of a weak reflective surface. Our tweezers system integrates an inverted optical microscope with a single IR-laser beam that is spatially filtered in an appropriate way to allow force measurements in three dimensions with remarkably high precision when operated in backscattered light detection mode. The setup was tested by overstretching a lambda-DNA in x and z directions (perpendicular and along the optical axis), and by manipulating individual lambda-DNA molecules in the vicinity of a nanopore that allowed quantitative single molecule threading experiments with minimal optical interference.