基于EMD算法的光栅莫尔条纹信号去噪方法研究

针对计量光栅莫尔条纹信号的质量问题,提出了基于经验模态分解（EMD）算法对非平稳光栅莫尔条纹信号模型的去噪方法。建立非平稳的光栅时变信号模型,利用EMD算法不需要定义滤波器参数的自适应性优点,对添加不同噪声的多组光栅信号模型进行了滤波分析的仿真实验,其信噪比和均方根误差两项指标优于均值滤波、小波阈值去噪方法。对两路正余弦理想信号添加高次谐波分量,通过对比EMD算法抑制高次谐波前后的李萨如图形,验证了该方法在去噪过程中对光栅莫尔条纹信号正弦性误差补偿的良好效果。     

基于FPGA的空间倾斜角测量控制系统研究

摘要：针对转台工作面空间角位置定位测量的问题,设计和实现了一种基于FPGA的空间倾斜角测量控制系统。该测控系统以圆光栅和水平电容传感器作为测量元件,根据给定的目标测量位置和传感器反馈角度值对超声波电机进行PID控制,在上位机处理测角数据和发送控制信号。FPGA实现了倾斜角测控系统的高度集成、快速跟踪和精确定位,首先通过波形仿真对验证光栅信号的细分计数和PID控制输出,最后对水平电容传感器输出在± 3″内精确定位性能进行了实验验证。     

基于目标特征选择和去除的改进K-means聚类算法

针对高维数据聚类中K-means算法无法有效抑制噪声特征、实现不规则形状聚类的缺点,提出一种基于目标点特征选择和去除的改进K-均值聚类算法.该算法使用闵可夫斯基规度作为评价距离进行目标点的分类,增设权重调节参数a、重置权重系数α进行特征选择和去除,可有效减小非聚类指标特征带来的噪声影响.算法验证实验选取UCI真实数据集和人工数据集进行聚类分析,验证改进算法对抑制噪声特征的有效性,与WK-means、iMWK-means算法进行实验对比,分析聚类学习时特征选择的适用性,同时寻找最优的距离系数beta和权重系数α.     

转台工作面角位置测量装置误差分析与补偿

针对特定转台轴端角位置检测误差不能反映实际产品工作面空间角位置的问题,介绍了一种以圆光栅和水平电容传感器作为测角元件的转台工作面空间角位置定位测量装置。以提高空间测角精度为目的,重点对装置各项误差因素进行归类分析。除光栅和传感器分别存在的分系统测角误差外,测量装置还存在转轴与测量基面不平行、传感器敏感轴与测量基面不平行等误差项。为修正测角系统误差,根据圆光栅旋转面、传感器敏感轴、转轴轴系、测量基面的空间几何关系建立数学模型,分析系统误差影响因素。最后利用分度误差在0.3″高精度转台对校准装置进行标定,并利用径向基函数(RBF)神经网络建立误差补偿模型,对系统测角精度进行修正,使系统最大误差值由13.75″下降至2.9″,满足了3″以内的测角精度需求。