脑-机接口用微传感器设计与制造方法研究

神经微传感器是脑-机接口系统中的关键器件,通过对神经组织多个区域进行生物电信号记录和施加电刺激,探索神经系统顽疾的治疗方法。建立了神经微传感器与神经组织相互作用的电路模型;从生理、物理、工程等角度出发,设计了微传感器的机械结构,并确定了探针臂的几何参数;将两片二维电极插接在支撑基板上,并安装隔板加以固定,从而组装成三维结构,能在创伤度最小的情况下实现稳定、可靠的三维测点定位。单通道动作电位检测实验证明：此神经微传感器具有良好的神经信号提取能力。     

MHD角速度传感器随机漂移误差补偿方法研究

为了补偿磁流体动力学(MHD)角速度传感器的随机漂移误差,在对其建立时间序列模型的基础上,采用卡尔曼滤波算法对MHD角速度传感器的漂移数据进行了处理,并用方差和Allan方差分析的方法,对滤波前后的数据进行了分析对比.实验结果表明此方法能有效地提高MHD角速度传感器的测量精度.     

应用ADμC812实现电梯导轨多参数采集系统

文中叙述电梯导轨直线度和井道内平行导轨间距离变化的测量原理，介绍以ADμC812为核心的数据采集模块的软硬件设计方法，给出现场测量结果。     

全相位谱分析在自混合干涉位移测量中的应用

提出基于全相位谱分析的自混合干涉信号处理方法,用于减小激光自混合干涉位移测量的误差。首先,基于三镜法布里-珀罗腔模型介绍了自混合干涉系统的数学模型,分析了自混合干涉信号的产生机理和特性。然后,研究了弱反馈条件下自混合干涉位移测量方法,采用全相位谱分析算法进行相位测量,重构外部反射体位移曲线;讨论了信号处理算法原理并进行了算法仿真。最后,进行自混合干涉位移测量实验,并给出压电陶瓷位移测量实验结果。结果表明,全相位谱分析算法可将自混合干涉位移测量误差减小到4.4nm;应用全相位谱分析算法分析自混合干涉信号,可在不增加外部光学元件的前提下将位移测量误差减小到纳米量级。     

动力调谐陀螺仪子空间辨识

针对传统子空间辨识法(SIM)用于动力调谐陀螺仪(DTG)建模过程中存在的结构参数复杂、干扰因素未知、建模精度不高等问题,提出了一种改进的子空间辨识方法。首先,确定辨识对象DTG的状态空间模型集,分析DTG输出信号中存在的固有有色噪声。然后,针对有色噪声的干扰问题,对传统SIM进行改进,通过数据Hankel矩阵的正交投影消除传统SIM的有偏性。最后,在数值仿真中引入置信椭圆,对改进算法进行统计特性分析。仿真结果表明:在不同强度有色噪声干扰下,改进算法无偏,方差特性与有色噪声强度和数据长度有关。辨识实验表明:改进SIM的辨识效果明显优于传统SIM,辨识拟合度优于90%。得到的结果显示改进算法能够应用于DTG系统建模。     

气体对磁流体动力学传感器影响机理的探讨

由于气体和导电流体性质上的差异,导电流体中气体的存在将对磁流体动力学(MHD)传感器的输出特性产生影响。基于电磁感应理论和两相流理论,文章推导并建立了导电流体中含气体的MHD传感器VOF模型。通过ANSYS Fluent对含气体的MHD传感器输出特性进行仿真分析,同时搭建试验平台对不同气体含量MHD传感器进行试验验证。结果表明,导电流体中的气泡在低频时容易被拉伸撕裂成小气泡并随着角振动分散,同时使得流体环流场和电场产生偏移和畸变,角振动频率越低,此现象越明显;当导电流体中不含气体时角振动频率和幅值、重力加速度及偏心等外部因素对MHD传感器的输出特性无影响;当导电流体中含有气体时,MHD传感器的输出特性畸变等随气体含量、重力加速度和偏心的增大而增大,随角振动频率和幅值的增大而减小。文章研究成果能够为MHD传感器导电流体灌装工艺控制提供指导,有助于MHD传感器精度和稳定性的提升。     

一种移动视觉测量系统的建模及标定方法

针对一种立柱式二维移动视觉测量系统,提出了其数学模型的建立和标定方法。分析了测量原理和系统组成,并通过对运动定位和摄像机成像的独立建模,构建了符合测量原理的整体数学模型。标定时,在完成对定位误差等13项几何误差标定的基础上,通过移动摄像机使圆孔靶标的像平均分布在摄像机的像面上,根据靶标的工作台位置、像点坐标、以及测量时对应的运动机构移动量,利用最小二乘非线性拟合方法实现对摄像机成像模型参数的标定。实验结果表明:经建模和标定后,测量平均误差为1.8μm。利用该方法进行移动视觉测量系统的建模和标定,可以有效地保证系统的测量精度。     

基于EMD-DFA-NLM的电涡流传感器信号去噪方法

针对电涡流位移传感器输出信号中的非稳态噪声,提出一种基于经验模态分解(EMD) －去趋势分析(DFA)－非局部均值(NLM)原理的去噪方法。该方法解决了EMD去噪方法信号、噪声模态不易确定的问题,并且可在滤除高频背景噪声的同时保留信号细节。首先通过EMD将信号分解得到若干本征模态(IMF)分量,然后使用DFA区分噪声主导IMF分量和信号,主导的IMF分量,对噪声主导分量进行NLM去噪处理,最后与信号主导分量一起重构信号,分别对仿真信号和电涡流传感器输出信号进行去噪处理。结果表明,相较EMD去噪法和EMD－小波阈值去噪法,所提方法去噪性能更优SNR(MSE)值提升(减小)明显,去噪后信号的毛刺与高频震荡大大减少。     

MHD角速度传感器微弱噪声的测量方法

为了解决现有噪声测量方法测量下限高、耦合噪声大,无法与MDH角速度传感器实现噪声匹配的问题,研究了MDH角速度传感器亚ｎＶ/（Ｈｚ）^0.5量级噪声的测量方法,并设计了一种噪声测量系统。通过使用噪声匹配变压器,将噪声匹配原理与双通路互谱测量原理相结合,优化测量系统的噪声系数,有效抑制了测量过程中的通路噪声和耦合噪声。通过理论和仿真分析了测量系统的固有噪声,实验证明测量系统的等效输入电压噪声谱密度为0.1ｎＶ/（Ｈｚ）^0.5。最后,采用该测量方法,精确测量出低至0.06ｎＶ/（Ｈｚ）^0.5的 MDH角速度传感器的微弱噪声。     

参数辨识在陀螺仪性能分析中的应用

基于挠性陀螺仪动力学模型, 研究参数辨识在陀螺仪性能分析中的应用方法。在论述挠性陀螺仪性能指标和力学模型的基础上, 利用伪随机多谐波信号作为激励信号, 通过零阶保持器将离散模型转换为连续模型进行参数辨识。实验结果显示, 模型预测输出与实际测量数据的拟合度达到95. 3%, 残差在合理的公差带以内。因此, 参数辨识是陀螺仪性能分析中的一个有效性方法, 可为陀螺仪故障分析和控制回路设计提供一种技术手段和理论依据。