基于STM32的时栅转台高精度自动标定系统设计

针对目前时栅转台采用手动方式进行标定,工作效率低、精度难以保证的现状,设计了一种能够进行数据采集、处理和误差补偿的时栅转台自动标定系统。该系统以激光干涉仪作为测量基准,采用了闭环控制技术,进行测量误差补偿。实验结果表明:该系统标定精度高,经过该系统标定后的时栅转台精度达到±2″,且标定速度是手动方式的2倍以上,显著提高了时栅转台标定效率。     

嵌入式时栅传感器高精度激励设计方法

介绍了嵌入式时栅传感器的基本原理,分析了两相激励信号不一致性主要是幅值不等和相位不正交对传感器测量精度的影响。基于DDS原理结合反馈控制设计了高精度的激励信号模块,采用反馈电路控制可程控放大电路调理两相信号幅值,实现了激励信号的幅值相等,基于闭环反馈控制直接修改数字激励信号实现了信号的相位正交。实验研究结果表明,采用这种闭环控制的方法,传感器短周期测角误差从±65″降低到±16″左右,常值误差基本消除,传感器精度大幅度提高。     

基于STM32F4的时栅位移传感器信号处理系统设计

为了提高时栅位移传感器的测量精度及分辨率,提出了一种基于STM32F4的时栅位移传感器信号处理系统;系统包括硬件电路设计和软件设计;硬件电路以STM32F4内核处理器芯片和复杂可编程逻辑器件CPLD为核心,集成了信号调理、信号处理等电路模块;运用高频时钟脉冲插补时栅位移传感器感应信号和参考信号之间的相位差,通过软件设计控制信号的采集和处理,实现了相位检测;经实验验证,采用以STM32F4为核心的时栅信号处理系统后,时栅位移传感器的角度误差峰峰值达到2.4”,实现了高精度、高分辨率的时栅角位移测量.     

基于时间细分技术的高精度自动定位控制方法研究

针对采用步进电机进行微步驱动时易出现"爬行"和步距角过大的现象,提出了一种基于时间细分技术的高精度自动定位控制方法,并研制了相应的控制系统.该方法通过在每个电机步距运动时间内对反馈元件进行高频采样,实现了对步距的细分和对运动的闭环控制.控制系统采用嵌入式微处理器和现场可编程逻辑阵列构建,并与采用步进电机直接驱动滚珠丝杆的机械载物台进行联机测试.测试结果表明,系统可以控制步进电机在不进行高倍细分的条件下的精确定位,具有较高的应用价值.     

新型传动误差测量系统的研制与开发

本文分析了传动误差的传统测量法,提出了一种新的细分方法,介绍了传动链传动误差测量系统的测量原理,并且对此系统的硬件电路,并口通讯,软件功能作了系统阐述.     

基于VEE的汽车电磁环境测试系统

为分析汽车电系电磁环境对汽车电子装置的干扰,研制了汽车电磁环境测试系统。该系统包括电磁环境实验台及测试子系统两部分。实验台部分包括汽车电系的主要电器元件,如发电机、点火系等,能够模拟汽车电系的各种主要干扰。测试子系统部分采用了基于VEE的虚拟仪器技术,包含有信号测试及分析模块。实际使用证明,该系统除了能够真实测试汽车内的电磁环境的测试外,还可以用于汽车电子产品早期的开发测试工作。     

基于STM32F4的时栅数控分度转台控制系统设计

为了提高时栅位移传感器数控转台的控制定位精度,针对步进电机载物运动时的高频出力不足、低频振动、失步、堵转等现象,提出了一种基于STM32F4的数控分度转台控制系统。系统通过对硬件、软件的设计建立了以STM32F4微处理器为控制核心、时栅角位移传感器为反馈元件的全闭环控制系统,有效的解决了步进电机的精确控制问题。经实验验证,实现了高稳定性、高速度、高精度的时栅数控转台定位,定位精度达到了±2＂。     

基于随动控制的蜗杆检测系统设计

提出一种基于随动预定位技术的环面蜗杆检测方法,通过建立蜗杆运动与测头运动的对应关系的理论模型,以每个采样点测量的蜗杆实际运动坐标映射下一采样点的测头坐标,再采用时间细分技术的高精度运动控制将测头提前定位到下一采样点,从而实现环面蜗杆加工误差的在线随动测量、特定喉部半径下的实际空间螺旋线测量。通过不同喉部半径下的多条螺旋线构建出环面蜗杆的实际轮廓面形,再与理论模型比对后获得相应的加工误差,根据这种方法设计了上、下位机组成的检测系统。     

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。     

基于单个时栅读数头冗余采样的自标定方法

极端、特殊应用场合中工作的嵌入式时栅,受恶劣工作环境影响,其安装状态、电气参数等容易发生非预期的变化,进而导致其测量精度下降。在这些应用场合,通常缺乏高效安装比对标准器的条件,难以频繁在线标定以保持其测量精度。针对这一问题,提出一种单个时栅读数头即可实现的自标定方法,该方法利用冗余采样序列中提取的具有固定初始位置差的多组采样序列与系统误差函数的映射关系,解算出包含安装误差在内的传感器系统误差。在工程应用现场,以某大型回转机床为对象,搭建了自标定应用平台。实验结果表明,该自标定方法能够有效补偿传感器的短周期系统误差,使其测量误差峰峰值由约450″降低到约33″,其中,自标定方法有效的误差频次残余误差不超过1%。分析并验证了该自标定方法有效的条件,为后续研究中针对特定应用场合准确选择最适合的自标定方法提供了可靠的理论依据。