基于后验误差拟合的角位移测量误差补偿

在航天、军事、工业这些对器件的体积有着严格要求的领域,光电编码器不仅要求减小外径尺寸和重量,更要提高其测量精度。本文以光电编码器误差补偿方法为研究对象,基于后验误差拟合方法确定误差模型参数,从而实现对小型光电编码器的深度误差补偿。分析了影响光电编码器测角误差的主要因素,建立了长周期误差和短周期误差模型。然后,采用后验误差拟合算法实现了对误差模型参数的确定,提出误差补偿算法;最后,对某一小型光电编码器进行实验,验证了所提出误差补偿算法的性能。某型号光电编码器补偿前的精度为22.48″,补偿后的精度为5.82″。实验表明,采用后验误差补偿方法可以不考虑误差影响因素的大小,直接对编码器进行误差补偿,具有效率高、补偿准确等优点,极大地提高了批量生产时光电编码器产品的精度。     

小型光电编码器细分误差校正方法

为提高小型光电编码器精度,设计了精码莫尔条纹信号细分误差校正方法.首先建立存在直流分量、幅值误差、波形畸变的精码光电信号的波形方程,然后利用牛顿迭代法将两路精码细分信号校正至标准的正弦和余弦信号,最后建立两路信号间的正交性误差模型,通过最小二乘法求解出正交性误差校正参数.运用本文的细分误差校正法对某16位小型绝对式光电编码器进行误差校正处理,经测试,细分误差峰峰值由校正前的160″减小到校正后的48″.实验结果表明:研究的误差校正方法可以有效地减小细分误差、提高编码器精度,对于研制小型化、高精度光电编码器具有重要意义.     

莫尔条纹光电信号正交性偏差的实时补偿

为了提高光电轴角编码器的精度,提出了一种实时补偿莫尔条纹光电信号正交性偏差的方法。利用希尔伯特变换原理,构造了同频光电信号正交性偏差的动态测量算法。根据莫尔条纹光电信号的数学模型,揭示了由正交性偏差引起的细分误差的空间分布特征并建立角度补偿模型。鉴于编码器的实际工作特点,采用同步处理方式,在补偿光电信号的同时动态更新了角度代码补偿查找表;通过细分查找表的切换,实现信号正交性偏差的实时补偿。采用该方法对存在约18°正交性偏差的23位光电编码器进行了补偿处理,结果显示:补偿后的编码器的细分误差峰值由4.79"降低到1.26"。该方法可实际应用于编码器系统,能够提高编码器的细分精度、环境适应性和可靠性。     

小型编码器动态精度检测的安装误差控制

研究了小型编码器动态检测过程中由编码器与基准编码器轴系中心线不完全重合产生的偏角导入的安装误差,以便提高编码器检测装置的准确性和可靠性。分析了安装误差对被检编码器检测精度的影响,推导出了存在安装偏角时引入的安装误差公式及其控制范围公式。为了使编码器的动态检测能准确地反映编码器的实际精度,给出了最大偏角值α_(max)及高度差D_(max)的允许范围。使用现有21位检测装置对15位被检编码器进行了检测实验,分别对安装良好、小偏角和大偏角情况下的测量结果和安装误差曲线进行了比较和分析。结果表明:检测15位编码器时,将安装偏角值控制在0.36°以下可满足动态精度检测要求。本文提出的误差公式及控制方法可以运用在不同类型、不同精度的编码器检测过程中,对提高小型光电编码器动态检测的精度和可靠性很有意义。     

XGBoost机器学习在光电编码器误差补偿中的应用

光电编码器检测系统的误差主要受基准光电编码器测角误差、数据采集误差、检测系统同轴误差影响。其中，基准光电编码器的测角误差可进行补偿。因此设计了一种基于极度梯度提升树（extreme gradient boosting,XGBoost）机器学习的算法用来补偿基准光电编码器的误差。经该算法补偿后，静态精度提高了35倍，标准差由3.62″减小至0.13″，最大误差值由5.53″降低至0.39″。与传统的误差反传（back progagation,BP）神经网络算法以及径向基函数（radial basis function,RBF）神经网络算法补偿效果相比，XGBoost的补偿效果更优。XGBoost机器学习算法有效降低了基准光电编码器的测量误差，提高了光电编码器检测系统的检测精度。     

基于径向基网络的光电编码器误差补偿法

将神经网络与数字信号处理技术(DSP)应用至光电轴角编码器的设计中,提出了一种新的编码器误差修正技术。建立了径向基函数网络模型,以高精度检测仪器的检测值为学习目标,以生成最小映射误差为原则调节网络权因子、径向基函数中心和宽度,使建立的网络具有良好的学习能力和泛化能力。利用DSP的在线烧写技术保存网络建模参数,运用此方法无需拆改编码器系统即可实现误差的补偿与修正,并且可根据使用需要进行程序更新.仿真和实验表明,采用此种方法可有效地提高编码器的系统精度并且很好地解决了非线性误差对系统的影响.     

航天级光电编码器的信号处理系统设计

为了实现航天级光电编码器的小型化,减小航天设备的体积、重量并满足其冷备份要求,设计了具有双读数系统的航天级光电编码器信号处理系统。首先,介绍了双读数系统航天级光电编码器的精码和粗码信号处理方法以及信号处理系统的小型化和可靠性设计;然后,从光电编码器误差产生的原因及空间分布特征出发,对双读数系统航天级光电编码器进行了精度分析;最后,采用比较法,以23位高精度光电编码器作为角度基准,对该光电编码器进行了精度检测。实验结果表明:应用该信号处理系统的双读数系统光电编码器的分辨力为20″,精度σ≤30″。该系统已在工程项目中得到应用,实践表明系统的设计满足航天设备的技术要求。     

一种提高光电编码器测量精度的方法研究

光电编码器广泛应用于国防、工业等领域,不断提高其分辨率和测量精度对科技发展有着重要意义。提出并研究了一种将行星齿轮增速机构和光电编码器相结合的方法,来提高角度测量精度。结合STM32单片机和VB软件开发了一套齿轮增速机构传动误差测量系统,测量了某一小型行星齿轮增速器的传动误差。根据传动误差的特征提出了轮增速机构和光电编码器的搭配建议,给出了角度测量误差的计算公式和编码器分辨率选用公式。设计了一组编码器与增速器的组合实验,通过校核每一种组合下的测量精度,验证了公式的正确性。     

圆感应同步器系统误差的动态提取与补偿

由于采用圆感应同步器的光电转台系统的精度取决于圆感应同步器的角位置测量精度,故对圆感应同步器的系统误差进行了研究。分析了圆感应同步器系统误差的产生机理;使用相关的实验装置对圆感应同步器的系统误差进行了动态的定量测量;最后,结合数据处理和误差机理,确立了圆感应同步器的动态误差模型,并结合误差模型对圆感应同步器的输出信号进行补偿。对补偿方法进行了实验验证,结果显示:实验中使用的720极12位圆感应同步器的动态角度测量精度由补偿前的11.25″提高到了1.17″,角速度估计精度由修正前的0.72(°)/s提高到了0.09(°)/s。这些结果表明提出的动态误差补偿方法能够显著提高圆感应同步器的动态测量精度,满足光电转台指向控制系统的精度要求。     

多圈光电轴角编码器在直线位移测量中的应用

多圈光电轴角编码器是一种适用于大量程轴角位移精密测量的光电数字测角仪,其测量范围可超过整周(360°)的几百倍,甚至上千倍.利用多圈光电轴角编码器具有分辨力高、精度高、体积小、量程大以及数字量输出等优点,设计了由高精度齿轮同步带传动机构与16位多圈编码器组合而成的直线位移测量系统,并对系统的测长精度进行了检定.实验结果表明,修正后的系统测长误差低于0.065 mm,可满足中低精度的工业测量要求.     

用于三轴光电跟踪系统的神经网络误差修正法

系统误差的存在严重影响了光电跟踪系统的引导精度和测量精度,现阶段用于三轴光电跟踪系统的最小二乘系统误差修正法精度较低,球谐函数系统误差修正法亦不适于Z轴连续转动时的系统误差修正。三轴光电跟踪系统的系统误差是以其三个角度测量值为参数的曲面,而神经网络可以精确拟合复杂的曲线或曲面。分析和仿真证明,基于BP神经网络的系统误差修正法可用于Z轴连续转动的三轴光电跟踪系统,而且可把系统误差修正到约为原来的28%。     

两步法测量编码器测角误差

由多面体和自准直仪组成的编码器角度检测系统测量编码器误差,得到的编码器误差中不但包含编码器误差,而且包含多面体检定误差.根据两步法的使用条件,将两步法应用于光电轴角编码器测角误差数据的处理,分别得到多面体检定误差和编码器测角误差,误差分离的结果与采用其他方法得到的结果相近,但用两步法计算需要的测量数据大大减少.比较结果证明,与其他测量方法相比,此方法可以提高测量效率90%以上,缩短检测时间近80%.     

全波形激光测距幅相误差改正方法

针对全波形激光测距中存在的幅相误差问题,提出一种基于神经网络的幅相误差改正方法。利用非合作目标探测信息,通过提取回波波形的形状信息、能量信息、梯度信息、对称性信息及距离信息特征参数,根据皮尔逊相关系数对特征参数进行分级,建立多回波特征信息与幅相误差改正的神经网络模型以校正全波形激光测量中各通道幅相误差的影响。实验使用5%、20%、60%、80%标准反射板及激光采集模块在室内对7种距离进行数据分组采集和处理,并与传统测量方法进行对比。结果表明,该方法可以有效减小全波形激光测量中幅相误差的影响,测量精度提高了51.2%以上。     

基于径向基函数神经网络的压电式六维力传感器解耦算法

针对四点支撑结构的压电式六维力传感器线性度差,维间耦合严重的问题,提出了基于径向基函数(RBF)神经网络的解耦算法。分析了耦合产生的主要原因,建立了RBF神经网络模型。通过对六维力传感器进行标定实验获取解耦所需的实验数据,并对实验数据进行处理。然后采用RBF神经网络优化传感器输出系统的多维非线性解耦算法,解耦出传感器的输入输出映射关系,得到解耦后的传感器输出数据。对传感器解耦后的数据分析表明:采用RBF神经网络的解耦算法得到的最大Ⅰ类误差和Ⅱ类误差分别为1.29%、1.56%。结果显示:采用RBF神经网络的解耦算法,能够更加有效地减小传感器的Ⅰ类误差和Ⅱ类误差,满足了传感器两类误差指标均低于2%的要求。该算法有效地提高了传感器的测量精度,基本解决了传感器解耦困难的难题,     

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.     

采用改进遗传算法优化神经网络的双目相机标定

针对传统BP神经网络在双目相机标定过程中存在的迭代时间长、精度低等问题,提出了基于改进遗传算法优化BP神经网络的方法来完成双目相机标定。使用融合多格算法的Trajkovic算子进行角点检测,利用点对点空间映射和网格运动统计相结合的方法完成同名角点匹配,在此基础上,提取同名角点的像素值并计算其实际的三维坐标值。对遗传算法的交叉和变异概率及选择算子进行改进,利用改进后的遗传算法对BP神经网络进行优化,将像素值和三维坐标值分别作为BP神经网络的输入和输出,进而完成双目相机的标定。实验结果表明：优化前后的平均标定预测精度分别为0.66 mm和0.08 mm,其平均标定预测精度提高了88%。优化前后的标定测试迭代次数分别为736和169,优化后迭代速度提高了3.4倍。改进遗传算法优化BP网络在双目相机标定过程中取得较好的效果,满足了双目相机标定的要求。     

2-RPaRSS并联操作手运动副间隙误差分析及补偿

针对新型3T1R并联操作手2-RPaRSS存在运动副间隙引起的定位偏差,造成操作手的实际轨迹与理论轨迹不吻合的问题,提出了一种基于自适应混合粒子群优化(AHPSO）算法的轨迹修正方法。建立操作手包含的各类运动副误差模型,在模型中将间隙误差完全等效成杆长误差;根据逆运动学方程建立并联操作手2-RPaRSS的位姿误差模型,得到关于输入、输出的微分关系式,并引入驱动杆输入角补偿量;利用粒子群优化(PSO)算法对补偿量寻优,将间隙误差补偿问题转化为求适应度极小值问题;通过混合权值自适应调整、学习因子自适应调节、混沌扰动范围自适应调节策略改进了PSO算法,得到AHPSO算法。仿真结果表明AHPSO算法性能优良,具有更好的收敛性和稳定性,对并联操作手运动副间隙误差的补偿是一种有效方法,补偿后定位精度得到了明显改善。