神经网络在光栅系统动态测量精度分析中的应用

设计了一种基于计量光栅的光栅全系统动态测量精度分析装置。针对实验所得的此光栅系统在五种不同速度下的动态测量误差，对误差特性进行了分析，并应用ＢＰ神经网络进行其误差分布特性的预测及动态测量误差的预报，结果表明ＢＰ神经网络可用于动态测量中的误差预报，从而可为动态测量误差预测、修正与补偿提供有效的手段和依据。     

基于改进布谷鸟算法的导热系数反演

文章建立了以改进布谷鸟算法为基础的非线性二维稳态热传导反问题的数学模型;以计算温度和测量温度之间的接近程度为目标函数,通过改进布谷鸟算法极小化目标函数反演导热系数;讨论了单元数量、测点数量、鸟巢数量、测量误差对结果的影响。研究结果表明:增加单元数量,迭代次数减少,计算结果更精确;增加测点数量,迭代次数增加;增加鸟巢数量,迭代次数减少;随着测量误差的增大,结果精度降低并且迭代次数增多。数值算例验证了改进布谷鸟算法反演导热系数的准确性和有效性。     

基于双环法回转体测量机在线温度误差补偿

为补偿回转体测量机的测量误差,深入分析测量机结构热变形误差的表现形式,在此基础上,建立热误差补偿数学模型。提出一种基于双环法的在线温度误差补偿技术,通过实物测量,实时获取参考基准的测量误差,通过计算得到测量架的平移和倾斜误差,对工件不同高度的外径和内径热误差进行实时补偿。实验结果表明:回转体测量机经过在线温度误差补偿后,测量的稳定性误差从110μm下降到7μm,显著提高了测量的稳定性。该方法可以满足回转体类零件对高可靠性和高精度测量的要求,提高回转体测量机在线测量精度和效益,为回转体测量机的在线温度误差补偿提供了一种新的技术途径。     

优化的RBF神经网络实现FAIMS分离电压温度补偿研究

针对高场非对称波形离子迁移谱仪(FAIMS)分离电压温度漂移造成的其物性表征的不确定性问题,提出了一种采用径向基函数(RBF)神经网络对分离电压进行温度补偿的方法。为了提高算法的实时性,加快函数逼近速度,采用指数下降惯性权重(EDIW)动量因子策略对RBF神经网络参数进行了优化。在20～120℃的温度范围内对该算法及线性下降惯性权重(LDIW)动量因子策略优化的RBF神经网络和传统RBF神经网络等3种补偿算法进行对比。结果表明,指数下降惯性权重动量因子策略优化的RBF神经网络模型具有更少的迭代次数和更短的运算耗时,使分离电压很好地保证了对特定物质离子表征的唯一性,同时验证了该模型还具有较强的泛化能力。对分离电压采用温度补偿的方法也为实现迁移管无恒温控制提供了理论依据。     

优化的径向基函数(RBF)神经网络实现高场非对称波形离子迁移谱(FAIMS)分离电压温度补偿研究

针对高场非对称波形离子迁移谱仪(FAIMS)分离电压温度漂移造成的其物性表征的不确定性问题,提出了一种采用径向基函数(RBF)神经网络对分离电压进行温度补偿的方法。为了提高算法的实时性,加快函数逼近速度,采用指数下降惯性权重(EDIW)动量因子策略对RBF神经网络参数进行了优化。在20~120℃的温度范围内,对该算法及线性下降惯性权重(LDIW)动量因子策略优化的RBF神经网络和传统RBF神经网络等3种补偿算法进行对比。结果表明,指数下降惯性权重动量因子策略优化的RBF神经网络模型具有更少的迭代次数和更短的运算耗时,使分离电压很好地保证了对特定物质离子表征的唯一性,同时验证了该模型还具有较强的泛化能力。对分离电压采用温度补偿的方法也为实现迁移管无恒温控制提供了理论依据。     

基于BP算法的光纤传感器非线性位移补偿研究

针对光纤位移传感器应用中存在的非线性问题,提出了以神经网络为补偿环节,结合传感器构成的一种非线性补偿模型.基本思想是采用BP算法,以传感器的输出作为神经网络的输入样本.传感器的输入位移为神经网络的期望输出,通过调整神经网络权值使神经网络的输出与期望值近似,实现位移测量的非线性补偿.实例仿真结果表明该方法有效提高了精度,是一种有效的传感器非线性补偿方法.     

切削过程的位置误差补偿控制研究

本文作者运用经典控制论对切削过程的位置误差补偿控制进行了研究．接着，作者对神经网络理论中的标准反向传播算法BP作了改进并提出了IBP算法．基于IBP法，作者构造了一个用于切削过程位置误差补偿控制的多层前馈神经网络控制器，并作了仿真控制试验．研究结果表明：IBP法较标准BP法具有更快的迭代速度和收敛性质；所建的智能控制器虽然结构简单，但在误差补偿控制方面跟经典控制法相似具有一定的控制效果．     

3PSS/S并联机构运动误差预估与补偿

预估机构误差并予以补偿是保障其运动精度的有效措施。以3PSS/S并联机构为研究对象,基于模糊神经网络建立并联机构综合误差预估模型,将并联机构误差值作为数据训练目标,实现误差值的预估。依据误差分析结果,采用粒子群算法优化驱动位移参数,补偿机构动平台姿态误差。结果表明,运用模糊神经网络算法预估3PSS/S并联机构运动误差并采用粒子群算法对误差进行补偿,可以提升3PSS/S并联机构的运动精度,补偿3PSS/S并联机构动平台的运动误差。     

一种基于优化小波神经网络的语音识别

在以往的BP小波神经网络中,最常用的学习算法是BP算法,BP算法实质上就是梯度下降法,是一种局部搜索算法,梯度下降法使得网络极易陷入局部最小值,从而使得网络训练结果不尽人意,搜索成功概率低.取代传统的梯度下降法,利用粒子群算法对小波神经网络中的参数进行优化.然后利用基于粒子群优化(PSO)的小波神经网络进行抗噪声语音识别实验,仿真结果表明,与BP网络相比,PSO算法在迭代次数、函数逼近误差、网络性能方面均优于BP网络,系统的识别率也得到较大的提高.     

电阻抗层析成像系统"软场"非线性特性 --基于统计的方法

基于图方法与均匀设计方法，分析了电阻抗层析成像系统中的非线性特性．定义了非线性度。研究了圆域内两子区域的参数变化。采用正态图及半正态图方法分析了5因子2水平的情形，采用8因子6水平进行均匀设计，“最坏”情形的非线性度为-93．265％，并采用基于灵敏度矩阵的双共轭梯度法进行图像重建．结果表明，由于灵敏度矩阵法将各区域的电导率变化与测量电压变化存在的非线性关系线性化，忽略了EIT系统中由于“软场”性质引起的耦合效应，导致图像质量降低及迭代次数不确定；由于不同子区域间的耦合效应，尽管控制迭代次数可实现部分补偿，但基于灵敏度定理的迭代重建算法仍有其局限性，难于重建精确图像．     

基于极大似然估计法的磁力计误差补偿算法

针对现有三轴磁力计误差补偿速度慢、需要外部辅助设备、磁力计和惯性传感器组合存在多传感器轴位敏感重合误差问题,提出了一种基于极大似然估计法(maximum likelihood estimation,MLE)的快速有效的磁力计误差补偿算法.根据传感器组合系统中误差来源建立测量误差模型,建立高斯分布的极大似然参数估计模型,用牛顿最优法解算出误差补偿参数,并给出求解理想初始值的算法.仿真数据显示,补偿后的磁力计航向角解算精度达到0.81°,相比补偿前精度提高94.9％.实验结果表明,该算法可简单快速的实现误差补偿,多传感器轴位敏感重合误差得到校准.     

基于UKF的战术数据链通信延时与补偿算法

针对战术数据链在信息传输过程中通信延时和量测信息的非线性问题, 结合当前统计模型提出了一种基于无迹卡尔曼滤波算法的延时补偿算法。将非线性变换引入到状态预测中,
在状态预测的基础上加入延时补偿程序, 完成对延时的补偿, 且该算法对非线性量测模型进行更新, 避免了量测模型线性化带来的精度降低。分析了战术数据链产生延时的原因及其对攻击决策的影响, 建立了机动目标的当前统计模型, 采用无迹卡尔曼滤波算法对目标进行跟踪, 在该算法对状态预测的基础上加入延时补偿算法, 对机动目标的位移、速度进行补偿,仿真结果表明该方法有效。     

基于机器视觉的柔性机械臂振动位移测量

 针对传统的振动位移测量方法中,间接测量法误差较大、准确度较低,而直接测量法虽能达到精度,但成本较高、实用性较差的问题,提出一种基于机器视觉的振动位移测量方法。选取电机驱动运动的柔性机械臂作为测量对象,通过CCD相机采集机械臂末端标记点运动图像,再经过阈值分割、质心检测等视觉处理,得到机械臂振动位移信息。通过搭建实验平台对该方法进行实验验证,并与压电材料测量法及仿真法得到的振动位移进行对比,结果表明,基于机器视觉的振动位移测量方法能够在不接触工况下,对柔性机械臂进行准确、实时的振动位移测量,相比于压电材料测量法,避免了公式误差等影响,具有明显的优越性。     

基于图像二值化的柔性机构振动非接触测量方法

 针对目前机器视觉方法对柔性机构振动进行非接触测量时其结果易受环境干扰等问题，提出一种基于图像二值化的最大类间方差算法的非接触视觉测量方法。首先分析传统二维最大类间方差算法的错分与计算复杂等缺陷，采用二维直方图分块法和可变步长迭代法对传统二维最大类间方差算法进行改进，然后以Lena图像和柔性机械臂为例分别进行了仿真分析和振动位移测量实验验证。结果显示，基于改进二维最大类间方差算法的非接触视觉测量方法显著提高了图像分割效果，分割时间仅为传统二维最大类间方差算法的约10%；以仿真分析得到的柔性机械臂末端振动位移为评判标准进行测量准确性比较，基于改进二维最大类间方差算法的测量结果明显优于传统二维最大类间方差法和压电法，证明了基于图像二值化的最大类间方差算法的柔性机构振动非接触视觉测量方法的可行性和可靠性。     

基于压缩感知的MIT图像重建方法

针对目前磁感应成像技术(MIT)的图像重建质量存在精度较低的问题,提出了一种基于压缩感知原MIT图像重建方法.将MIT系统电压数据的采集过程视为压缩感知的线性测量过程,通过对灵敏度矩阵进行补零拓展和行向量随机重组操作重新设计了测量矩阵;采集到的电压向量也用相同的方式处理,作为压缩感知的测量信号.然后利用压缩感知信号重构算法恢复原始信号.最后进行了仿真实验,实验结果表明,利用本方法获得的重建图像误差和相关系数比传统图像重建算法要好.由此可见,这是一种精度较高的MIT图像重建方法.     

基于数字图像相关理论的非接触式 结构位移测量方法

为实现结构的位移及挠度测量,开展了基于数字图像相关算法的亚像素位移测量研究.采用改进初值的亚像素算法确定待测结构目标位置的基于像素的位移,利用相机标定方法将基于像素的位移转换为工程单位.在数字图像处理技术的基础上对编写的程序进行数值仿真试验,位移计算结果与理论值吻合良好,验证了该程序测量精度的可靠性.搭建视觉位移测量系统,为了验证该系统的有效性,对钢框架结构模型开展了视觉测量系统和激光位移计的对比试验;研究了相机与待测结构之间的距离对视觉测量系统精度的影响.利用该系统测量消防通道桥梁的跨中挠度,结果表明,视觉测量系统具备非接触、低成本和便于实施远距离测量等优势,可实现以毫米级精度进行结构位移测量.该测量方法在工程结构变形测量中具有较好的应用前景.     

六自由度并联微动机器人全闭环控制系统研究

为了提高基于压电陶瓷驱动的3-PPSR并联微动机器人的定位精度,将一种电容式微位移传感器集成于并联机构上,采用六点式测量法同时得到并联机器人末端六个自由度的位姿.使用微位移循环修正法进行误差分析和补偿,确定初始误差并在此基础上提出了有效的误差补偿方法.在已有的压电陶瓷闭环控制的基础上,利用测量所得的并联机构末端位姿作为反馈信号,采用模糊PID控制法实现了整个机构的闭环控制.     

基于智能手机和数字图像相关的模型实验变形场测量标点法

为提高模型实验位移测量精度和效率,通过智能手机作为图像采集工具,结合数字图像相关技术获取不同载荷状态下附着于被测体表面标点的位移。基于标点法的基本原理引入刚体运动补偿法进行误差校正以提高测量精度,同时通过实验验证了标点法的可靠性。将标点法应用于相似材料模型实验变形场量测中,在模型表面设置自行研制的数字图像相关技术(digital image correlation, DIC)和全站仪两用标点,利用标点法获取岩层位移,并使用全站仪和百分表同步量测,验证其有效性。结果表明:通过刚体运动补偿法进行误差校正,标点法具有与商业测试系统相当的精度;标点法所测得岩层变化均与实际情况一致,该方法测量结果与百分表的测量结果最大相对偏差为6.1%,与全站仪最大相对偏差为5.7%,满足模型实验测量的精度要求。研究成果为进一步研究覆岩变形和动态沉陷规律提供了新的监测手段。     

数控铣床几何误差测量与反向间隙补偿试验

 研究数控铣床几何误差检测及其补偿技术,对高速数控铣床工作空间中的平面误差场的检测、建模和补偿技术进行了比较系统和深入的探讨。对几何误差的基本特性,在单轴轴向运用高精度的HEIDENHAIN直线光栅进行了试验验证。结果表明,在满足基本测试条件下,误差的基本特性成立,这为提供新的误差测量方法打下了基础;针对数控铣床运动过程中的反向间隙,提出了插补运动综合几何误差的间隙补偿技术和算法,数据处理后的测量结果显示反向间隙可以很好地得到补偿。     

基于图像分割和孔洞修复的三维伤口测量方法

伤口测量是临床医学研究中一项重要工作。传统的接触式伤口测量方法存在测量结果稳定性差、易造成伤口二次伤害的问题,基于2D图像处理的非接触式伤口测量方法存在精度差、无法获得伤口深度信息的问题。因此,本文设计了一种基于图像分割和孔洞修复的三维伤口测量方法。采用异源图像对齐算法解决了异源图像由于视差导致的图像像素错位问题;通过基于改进的区域生长法设计了一种交互式伤口区域分割方法,实现伤口区域精准分割;最后,采用基于RBF的三维点云孔洞修复算法进行伤口皮肤复原,从而得到伤口的最大深度、体积等三维参数。实验结果表明,本文方法的测量误差低于3%,其测量精度以及稳定性皆优于接触式和基于2D图像处理的伤口测量方法,满足临床使用以及医学研究的应用需求。