莫尔条纹噪声控制及细分精度分析

由于莫尔条纹信号质量直接影响其细分精度,故将神经网络自适应算法用于莫尔条纹噪声控制.用算法的神经网络层实现信号的非线性映射,将滤波步长与信号频率构成函数关系以实现其动态调整,使算法具有自适应性,满足信号的滤波带宽要求.对该算法滤波后的圆光栅莫尔条纹信号进行512倍正切法细分,分辨力达到0.618″,最大累积误差1.236″,信号质量明显改善,细分精度显著提高.实验表明,这种算法滤波效果优于常规算法,作用频带宽,对莫尔条纹线性和非线性噪声具有明显的抑制作用,可为细分提供良好的数据准备.     

基于二次莫尔条纹纳米光栅传感器细分电路设计

基于由两组一次莫尔条纹形成的二次莫尔条纹信号,通过对二次莫尔条纹信号电子细分得到纳米级测量精度的计量光栅传感器,从而提高光栅纳米测量的分辨率和精度。     

莫尔条纹信号的快速细分方法

本文介绍了两种莫尔条纹信号的细分方法。这些方法完成细分值计算的速度快并且占用内存少。     

光栅信号单谱线细分算法实现

在基于电荷耦合器件（CCD）的光栅位移测量系统中,为提高光栅莫尔条纹信号的细分数和跟踪速度,根据CCD采集的光栅莫尔条纹信号周期不随运行速度变化的特点,利用离散傅里叶变换（DFT）单谱线算法来获得信号一次谐波的相位值.采用坐标旋转数字计算机（CORDIC）算法对一次谐波谱线的复数求出反正切,获得莫尔条纹信号在任意时刻的相位值,再通过两次相邻时刻的条纹移动相位差值获得位移的大小和方向,全部算法采用FPGA实现.ModelSim仿真结果表明,DFT模块和CORDIC模块共延迟22个时钟周期即可输出结果.此方法具有细分数高、运算速度快、实现简单等特点,为解决光栅精密位移测量中由于莫尔条纹细分数提高而导致跟踪速度下降的问题提供了参考.     

基于MSP430F435 芯片控制的光栅数字细分系统

为了解决传统的电子细分方法所需的庞大硬件电路及额外误差问题,提出了一种基于片上系统芯片的正交莫尔条纹信号跟踪计数细分系统．该系统利用SOC(System on a Chip)芯片的特点最大限度地简化了复杂的外围电路,通过软件实现对信号的数字实时判向、细分和计数等功能,提高了测量精度并完成了数字化数据的实时显示．同时,该系统具有结构简单、低能耗、体积小和成本低等优点．     

莫尔条纹的观察与测量

当两块粗光栅以适当的位置放置时,可以观察到莫尔条纹.当移动其一时,莫尔条纹也随之移动,利用此现象可以进行精密测量.利用自制的粗光栅进行了测试,效果较好.介绍了粗光栅的制作方法、莫尔条纹的基本原理与现象,进行了实测数据对理论的验证.     

基于莫尔干涉技术相位物体测试系统及其分析

基于莫尔条纹干涉技术,采用傅里叶频谱的分析方法,设计相位测试系统,导出了不同江强分布对应的莫尔条纹方程及光强度分布,给出了相位物体测试系统中两光栅之间的最佳距离。     

莫尔条纹的微机细分技术

本文提出一种莫尔条纺信号的微机细分方法。它巧妙地将正、余弦信号切换成正、余切信号进行计算机采样、细分，避免了由于幅值波动引起细分误差的敝病；同时，脉冲计数与Ａ／Ｄ采样有机结合，形成细分数和细分精度高，且细分数调整方便、成本低等特点。依此细分原理已成功地研制成光栅数显仪，可它同时进行数显及与其它计算机和ＣＮＣ装置通讯。     

一种用于对长直导轨的微小不平度进行动态测量的方法

探讨了一种能对长直导轨的微小不平度进行高精度实时测量的新方法．其原理是用一个光栅与激光干涉条纹组成莫尔条纹，利用莫尔条纹的放大作用将干涉条纹在微小角变下的微小移动放大几千倍，从而大大提高了测量灵敏度，使测量精度提高到０．５″．     

锁相式莫尔条纹信号细分方法

简要论述了研究光栅莫尔条纹信号细分方法的意义,介绍了传统的细分方法,对常用的直接细分法、移相电阻链法、幅值分割法、鉴相细分法等的基本原理及主要优缺点进行了分析对比,阐述了传统的锁相细分原理不能直接用于光栅莫尔条纹信号细分技术中的原因,提出新的锁相式莫尔条纹信号细分方法,给出具体的推导过程,论述了该方法的特点,在不需要独立辨向电路的前提下,实现了细分与辨向的统一,为光栅数显装置实现高精度、高分辨率和数字集成化奠定了基础.     

数字莫尔条纹非球面检测技术的理论研究

介绍了非球面检测的数字莫尔条纹法,根据两光栅叠加理论给出了数字莫尔条纹的数学模型,并通过三步数字相移技术得到反映被测量非球面面形特征的相位分布,最后利用三步相移算法得到非球面的面形特征,从而达到检测非球面的目的.     

莫尔条纹技术在微小位移测量中的应用

按照光的直线传播原理，利用光栅栅线之间的遮光效应，推导出了莫尔条纹间距的计算公式，叙述了莫尔条纹测量微小位移的工作原理．并利用莫尔条纹技术设计了两个微小量的测量装置．给出了相应于该测量装置的测量方法，并与常用的测量方法在实验上进行了测量对比．结果表明测量装置结构简单、测量方法简便，测量精度较高．     

光通信终端中编码器信号正弦性的EMD修正

为了抑制编码器莫尔条纹正弦性偏差引入的细分误差,保证光通信终端的捕获、对准、跟踪（APT）精度,设计了基于经验模态分解（EMD）的正弦性修正方法。首先,分析了莫尔条纹正弦偏差给系统带来的细分误差并给出满足工程需求的正弦性阈值。然后,在阐述了EMD分解原理的基础上,给出了基于EMD的正弦性修正方法,该方法利用编码器自身粗码信息计算转速,从而确定精码莫尔条纹信号的基波频率值,并采用EMD分解在原始信号中提取与该值相匹配的模态分量。最后,对该方法进行了原理和转速自适应性仿真,并应用在去掉光学滤波光阑后的粗瞄回路编码器中。仿真及实验结果表明：各种转速下,修正后的莫尔条纹正弦性均〈0.85%,满足细分要求;修正后精码译码结果光滑,编码器测角精度维持在1＂以内,满足终端对准精度要求。     

一种减小频谱泄漏的采样频率自适应算法仿真研究

由于采样不同步造成的频谱泄漏是影响频谱分析和谐波检测精度的重要原因。提出一种通过采样数据计算信号实际频率的软件算法,较为准确地得到信号的实际频率,并根据算法求得的频率动态调整采样时间间隔,实现采样频率的自适应。因而能够减少同步误差,从而降低频谱泄漏的影响,对于频率变化较为缓慢的电力信号能够明显地提高测量精度。该算法实现简单,精度较高。仿真验证了算法的特性,给电力系统谐波分析提供了一种有效的方法。     

基于径向基神经网络的光栅细分方法

为了研究细分精度高、位移跟踪速度快的光栅位移测量系统,提出一种基于径向基神经网络的光栅细分方法.利用三层RBF神经网络,在一个莫尔条纹信号周期内取多个样本点,并把多个样本点所对应的正切值作为网络的输入,将该样本点在一个栅距内的微位移量作为目标输出,建立合理的神经网络模型,与DSP相结合实现莫尔条纹细分.通过对样本点的分段学习,证明了仅用少量的神经元即可实现高精度细分.该神经网络结构简单,非线性逼近能力强,通过对非样本点数据的实验验证,证明了该系统的可行性,具有一定的实用价值.     

提高光栅盘测角系统细分精度的方法研究

在基于莫尔条纹原理的光栅盘测角系统中,传统的正切细分方法需要两路正交的信号。经计算推导发现,在利用传统的正切细分方法时两路信号偏离正交态越远,细分误差越大。为了提高系统的细分精度,本文提出了一种能有效适应正交误差的算法。为了验证算法的有效性,设计了一种光栅盘测角的实验系统。经该系统实验验证,该算法在两路信号偏离正交态时仍能保持较高的细分精度。     

随机共振参数的自适应调整策略与性能分析

针对非线性随机共振技术受信号的幅度、频率、噪声强度和系统参数等因素的制约和影响,提出了一种快速、有效的随机共振系统参数自适应调整策略. 对于输入信号和噪声的时变特性,新方法能自适应调节采样频率和系统参数,不仅有效防止了随机共振处理过程中的数据溢出,而且保证了对接收信号的最佳随机共振处理,使输出信噪比始终处于最大值. 仿真结果验证了新方法的有效性.     

无线音频传感网络中的压缩采样

在无线音频传感网络中,降低带宽一直是研究人员关心的问题。新近出现的压缩采样技术,以远低于奈奎斯特频率的速度采样,精确地恢复出原始信号。压缩采样,针对稀疏信号,根据测量矩阵进行随机采样,应用最优化算法进行信号重构,恢复出原始信号。以随机抽取的局部DCT矩阵作为测量矩阵,采用CoSaMP作为恢复算法,实现了音频传感网络中的压缩采样。实验结果表明,在采样速率降低4倍的条件下,音频信号能够清晰恢复,信号处理速度完全满足实时性要求。     

基于莫尔信号的超精密复合定位研究

应用光学理论研究了透射式激光莫尔信号的位移特性,建立了衍射莫尔信号强度与对应位移的数学模型,并通过计算机仿真对莫尔信号的位移特性进行了研究.在此基础上设计了一套基于激光莫尔信号的超精密定位系统,系统取透射的零次莫尔信号为控制信号,由微机控制实现高精度位置检测及精密自动定位.针对精密定位高精度与大行程之间的矛盾,提出了一...     

光栅莫尔条纹信号非正弦性误差修正

为了提高光栅传感器的测量精度,提出了一种莫尔条纹信号非正弦性误差修正方法.通过三角函数变换建立修正模型,并依据泰勒级数迈克劳林展开式建立光栅传感器输出信号正弦性修正方程.以非线性模型中常用的最小二乘参数估计方法建立代价函数,采用粒子群算法对修正方程中的参数进行辨识,实现对光栅传感器输出信号的修正.针对修正前后采样数据的误差进行分析,光栅传感器输出信号误差峰峰值由110″降低至24″,其正弦性得到了改善.实验结果表明,该方法有效地解决了光栅传感器在复杂工作环境下输出信号非正弦性导致的精确性和稳定性问题,提高了光栅传感器的输出信号精度,增强了其对复杂工业现场的适应能力.