基于实时反馈的机床热误差在线补偿模型

为建立一种能够适应机床不同工况且具有准确预测能力的热误差补偿模型,提出一种基于限定记忆递推最小二乘法辨识热误差模型参数的机床热误差预测建模方法。该方法随着机床工作状况的改变,根据实时反馈的温度和热误差数据,采用递推方法对模型参数进行即时修正,使热误差模型能够及时跟踪机床系统的热特性变化,实现以较高的预测精度对机床热误差进行补偿。通过数控车床主轴轴向热误差辨识建模及补偿实验可以看出,限定记忆递推最小二乘法比一步最小二乘法辨识精度有较大提高,最大残差值减小了52.3%,标准差减小了67%。实验结果表明,利用该方法进行机床热误差模型参数辨识具有较高的预测精度和鲁棒性,有效可行。       

基于微粒群算法优化的微硅加速度传感器动态补偿研究

本文提出了一种基于微粒群（PSO）算法优化的微硅加速度传感器动态误差补偿器的设计方法。该方法无需事先已知微硅加速度传感器的动态特性，可根据传感器以及参考模型对输入激励响应的实测数据，通过PSO算法的优化学习得到补偿器的参数。传感器的输出经过补偿器后，能够克服由动态特性引起的测量误差。最后，通过实验验证了该方法的有效性。     

基于AFSA与PSO混合算法的J-A动态磁滞模型参数辨识及验证

Jiles-Atherton (J-A)磁滞模型静态参数辨识结果直接影响其对变压器铁心磁滞特性的预测效果。针对目前单一智能算法存在的寻优能力差、计算时间长等问题,提出了一种人工鱼群算法与优化惯性权重线性递减粒子群优化算法相结合的混合算法。搭建变压器铁心磁性能测试系统,对正弦激励下变压器铁心的磁滞特性和损耗特性进行实验研究。对比分析了所提混合算法与其他单一智能算法对J-A模型的参数辨识速度与精度。结果表明,混合算法辨识结果的均方根误差仅为0.006 9,低于其他单一智能算法的相应结果,证明了该混合算法相较于其他单一智能算法,具有不易陷入局部最优解、收敛速度快、参数辨识精度高等优点。此外,考虑交变磁场下动态损耗分量对变压器铁心磁滞特性的影响,修正现有动态损耗系数求解方法,建立了J-A动态磁滞模型。通过对比动态磁滞回线模型预测结果与实验数据,验证了该方法的正确性与有效性。     

压力传感器加速度效应的系统辨识与建模研究

压力场测试过程中,由于压电型压力传感器的加速度效应给测试带来很大误差。针对这一问题,对压电型压力传感器中压电材料的加速度效应进行了理论分析和有限元静态与动态研究分析。根据系统辨识理论,运用马歇特锤试验数据,对压力传感器加速度效应进行了ARX模型系统建模。基于该模型建立加速度效应数字补偿滤波器,试验结果表明:经过该模型滤波后压力传感器加速度效应降低88%以上。该模型具有精确度高,可靠性和通用性强的特点。     

基于渐近法的废气氧传感器Hammerstein模型辨识

为了解决与发动机空燃比控制相关的废气氧(EG0)传感器精确建模问题,基于渐近(ASYM)法辨识了EGO传感器的Hammerstein模型。模型的非线性部分用静态实验数据拟合,动态线性部分的辨识分为三步。先估计一个高阶ARX模型,然后依据渐近准则(ASYC)找出最佳频率响应估计的模型阶次,再采用极大似然(ML)法估计降阶后的模型参数。通过残差分析、交叉验证和模型误差模型(MEM)测试,将得到的ASYM模型与输出误差(OE)模型和Box-Jenkins(BJ)模型进行比较。结果表明,基于ASYM法的Hammerstein模型能够更精确地捕获EGO传感器的频域动态特性,并且用ASYM法能够量化模型的频域误差上限以评价建模精度。     

基于非线性GA算法的动态P模型的参数辨识与验证

针对现有的GMM-FBG电流传感器的磁滞非线性问题,提出了一种改进的动态Preisach磁滞模型。采用非线性遗传算法对改进动态Preisach磁滞数学模型进行参数辨识,提高了动态磁滞曲线的预测精度。运用改进动态Preisach模型对GMMFBG电流传感器进行建模及实验验证,实验及仿真结果表明该模型具有较好的预测性,预测误差在3.0%以内。经过磁滞补偿使得传感系统电流的测量灵敏度达到0.050 nm/A。     

基于区间分析的LuGre摩擦模型参数辨识方法

针对LuGre摩擦模型参数耦合、动态参数辨识困难等问题,提出一种基于区间分析的LuGre摩擦模型动态参数辨识方法。首先,简要介绍了边界误差估计方法及其在系统模型为常微分方程时系统参数辨识中的应用,然后,基于两步法思想,分别采用最小二乘法和基于区间分析的边界误差估计方法对4个静态参数和2个动态参数进行了辨识。该方法有效避免了采用传统非线性辨识方法辨识LuGre摩擦模型动态参数时初值确定困难、对辨识结果影响大以及显性目标函数不易给出等缺陷,同时,辨识得到的参数为全局最优。最后通过实例验证了该方法的正确性和有效性。     

热膜式空气质量流量传感器块联模型结构辨识

同时利用稳态和动态校准数据,辨识了基于Hammerstein模型的热膜式空气质量流量(MAF)传感器的模型结构.在用多项式逼近静态非线性特性的基础上,动态线性环节分别选取带外生输入的自回归(ARX)模型、输出误差(OE)模型和Box-Jenkins(BJ)模型结构,采用交叉准则法进行参数估计和阶次选择,通过残差分析和仿真比较对模型进行检验.结果表明,用估计数据选择阶次时,最终预报误差(FPE)准则与最终输出误差(FOE)准则具有良好的一致性,基于预测误差法的2阶OE模型和BJ模型均可用于热膜式空气质量流量传感器Hammerstein模型动态线性环节的建模.     

基于IMU在线校准的SLAM精度提升方法研究

基于多传感器融合的SLAM算法是当前移动机器人实现精准定位和导航的关键技术之一,在分析了惯性测量单元(IMU)的系统误差会对SLAM算法的建图和导航精度影响较大,并且IMU的系统误差会随工作时间发生变化的问题后,提出了一种易于实现的IMU在线标定方法。该标定方法首先建立了IMU中加速度计和陀螺仪的误差模型。其次通过二维云台实现IMU的姿态调整。然后通过读取加速度传感器的静态数值实现加速度计的误差参数辨识。最后以标定后的加速度计输出数据和陀螺仪计算的旋转矩阵,实现陀螺仪的误差参数辨识。为验证以上标定算法的效果,文中基于标定前后的IMU分别进行SLAM建图实验,实验结果表明,基于标定后IMU的建图精度更好。     

基于DTC-LS的加速度计动态模型参数辨识

加速度计动态模型对描述和分析其动态特性具有重要作用。针对加速度计绝对法冲击激励校准中未知延迟时间对加速度计动态模型参数辨识精度的影响,提出了一种基于延迟时间修正(DTC)和最小二乘(LS)的加速度计动态模型参数辨识方法,该方法将延迟环节引入加速度计动态模型中,使用加速度计冲击激励与响应数据的傅里叶变换估计频率响应函数,采用LS方法和极小化相位误差准则函数迭代修正延迟时间,并利用延迟时间修正后的加速度计冲击激励与响应数据,辨识加速度计动态模型参数。仿真实验和加速度计绝对法冲击激励校准实验表明,该方法能够有效地消除延迟时间对加速度计动态模型参数辨识的影响,辨识获得的加速度计动态模型参数具有较高精度。     

基于六维力传感器的机器人动力学参数辨识

采用基座布置六维力传感器的方式进行机器人动力学参数辨识。以递推牛顿-欧拉方程为基础建立机器人动力学模型，给出六维力传感器输出与机器人关节间动力学关系，分离待辨识动力学参数并确定其最小惯性参数集，最终建立基于基座六维力传感器的机器人辨识模型。为了进一步提高辨识精度，采用两层低通滤波算法推导出加速度替代公式和速度滤波算法，减少加速度和速度噪声的影响。最后，以六自由度协作机器人的前2个关节为对象，设计辨识实验，获得两关节的最小动力学参数集。通过结果逆向验算表明，基座布置六维力传感器方式能以较高的精度辨识出机器人动力学参数。     

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。     

热连轧机磁栅尺结构的模型参数辩识

应用系统辨识技术,采用受控自回归(auto egressive exogeneous,简称ARX)模型结构和Matl ab系统 辨识工具箱,辨识了热连轧机辊缝位移传感器的动力学模型参数,建立了该传感器结构的动态 数学模型。系统的输入和输出数据分别为同步记录的轧机相应位置的振动加速度信号,ARX 模型的参数估计采用最小二乘估计法(LSCE),辨识模型的拟合度达到7948％。 辨识结果表明,传感器外壳圆盘结构的刚度和阻尼太小,对轧机垂直振动系统的 影响严重,说明其结构设计不合理,需要进行结构动力学修改。     

寄生式时栅传感器动态测量误差的贝叶斯建模

为了提高寄生式时栅传感器的测量精度,分析了它的工作原理和动态误差组成,得到其主要误差分量为常值误差、周期误差和随机误差等。针对寄生式时栅误差特点,建立了寄生式时栅动态误差高精度预测模型,并与其他建模方法进行了比较。选用插入标准值的贝叶斯预测模型,以实际测量的传感器第一个对极动态误差数据进行建模,在后续对极特定位置插入部分实际误差测量数据,建立误差预测模型,预测了传感器后83个对极的动态误差。另选用三次样条插值和BP神经网络建模方法对寄生式时栅整圈动态误差建模,并与建立的误差模型进行了对比。验证实验表明,三次样条插值建模时间最短(0.62s),但其建模精度不高(16.050 0″);贝叶斯动态模型建模时间(0.86s)略长于三次样条插值,但建模精度最高(0.415 3″);BP神经网络建模时间最长(32min),但建模精度最低(19.680 2″)。同时贝叶斯插入标准值建模方法所需数据点(69395个)远少于三次样条和BP神经网络建模数据点(235526个),节省了大量的标定时间和建模数据量,因此可用于寄生式时栅传感器的动态测量误差高精度建模修正。     

冲击波压力传感器动态特性补偿及其应用

为修正压力传感器动态特性引起的测试误差,避免传感器动态建模误差影响补偿结果,提出了一种基于量子粒子群优化(QPSO)算法和均方误差的传感器动态补偿方法。通过对传感器进行逆建模,寻优得到了最优阶次的补偿器系数,利用激波管动态校准实验对该方法进行了验证,分析了补偿前后传感器的时域与频域特性。结果表明,该方法有效扩展了传感器的工作频带;在实弹测试中,减小了动态测量误差,提高了测试精度。     

动平衡测量技术分析

通过传感器选用、测量参量转换、振动信号提取、转子重心方位提取等方面的技术分析,提出了用数字计算方法实现测量参数转换,用离散Fourier变换算法提取被测信号的现场动平衡的高精度测量方法.分析表明:磁电式速度传感器或0.000 1 g分辨力加速传感器能满足大转速范围、高分辨的要求;用离散Fourier变换计算方法提取被测量可减小测量误差,而且,所提及的设计方法与结论均已经过实践验证.     

利用正交位移测量系统进行六自由度并联机构参数标定

为了简化六自由度并联机构的参数标定过程,提高标定效率,降低标定成本,提出了基于正交位移测量系统的位姿测量装置及方法。首先,研究了该装置的位姿解算方法,利用空间解析几何的方法,求解其运动学正解与逆解。其次,利用微小位移合成法,建立了并联机构及正交位移测量系统组合体的误差模型。然后,基于误差模型,构建了组合体参数误差辨识的最优化问题数学模型,其中,传感器示值的平方和最小为目标函数,组合体的结构参数误差为设计变量。最后,利用正交位移测量系统对六自由度并联机构位姿进行测量,利用OASIS奥希思软件直接搜索出参数误差最优解,将其补偿到并联机构控制系统中,完成并联机构的参数标定。标定前后位姿误差对比表明:最大位置误差降低了58%~96%,最大姿态误差降低了92%~97%。利用正交位移测量系统进行并联机构参数标定,不仅可有效提升并联机构的定位精度,还可有效简化标定工作,提升标定效率,降低标定成本。     

考虑横向灵敏度的三轴加速度传感器标定方法研究

横向灵敏度是单轴加速度传感器的重要指标之一,它直接影响到三轴加速度传感器的标定模型与测量精度。本论文以三轴MEMS加速度传感器为研究对象,在传统的标定模型中引入了导致测量耦合的横向灵敏度误差,建立了一种新的三轴加速度传感器标定模型,该模型将传感器的横向灵敏度以对称矩阵的形式引入现有的标定公式,构建了包含零位偏差、标度因数误差、非正交安装误差及横向灵敏度的标定函数表达式。最后利用十二位置标定法采集了三轴加速度传感器的原始测量数据,通过极大似然参数估计算法解算新的标定模型完成标定。结果表明,与常用标定数学模型相比,本数学模型的补偿误差均值与方差更小,补偿后数据精度更高且稳定性更好,本研究成果对提升三轴MEMS加速度传感器精度有十分重要的指导意义,因此具有较高的理论研究和工程应用价值。