基于PSO-LSSVM模型的扩散硅压力传感器的温度补偿

针对扩散硅压力传感器温度漂移的问题,文中提出了一种基于粒子群算法优化最小二乘支持向量机(PSO-LSSVM)的温度补偿模型。通过对扩散硅压力传感器做二维标定实验,利用AD590集成温度传感器监测实验环境温度,建立PSO-LSSVM模型。最小二乘支持向量机的惩罚因子和核函数的选取会直接影响到模型的预测精度,PSO-LSSVM模型利用粒子群算法优化最小二乘支持向量机模型的惩罚因子和核函数的参数,改善了传统的最小二乘支持向量机模型对参数选取耗时耗力且未必找到全局最优解的缺陷。实验结果表明,经该模型补偿后的零点温度系数和灵敏度温度系数都减小了一个数量级,且预测值与标定值的均方误差的数量级达到10~(-6),实现了温度补偿并改善了预测精度。     

基于PSO-BP神经网络的光纤压力传感器温度补偿研究

针对光纤压力传感器受温度漂移影响较大的问题,提出了一种基于粒子群优化BP神经网络算法(PSO-BP)的温度补偿修正模型。通过对光纤压力传感器做标定实验,并且利用LM35温度传感器监测其工作温度,建立PSO-BP神经网络模型。该模型用粒子群智能算法对传统的BP神经网络的权、阈值进行全局的优化,改善了BP网络收敛的速度较慢的问题,克服了容易陷入局部极值的缺陷。与传统BP神经网络补偿结果进行比较,PSO-BP得到的预测误差相对较小且平稳些。研究结果表明,补偿后灵敏度温度系数改善了1个数量级,相对误差提高了2个数量级,从而实现温度补偿的目的。     

基于LabVIEW的差动电感式位移传感器校准装置研制

介绍一种能精确可靠的标定差动电感式位移传感器的校准装置,该装置软件部分基于LabVIEW设计,硬件为螺纹杆校准台.经过反复实验,证明该校准装置精度高,性能稳定,符合中华人民共和国机械行业标准JB/T 9256-1999.     

用BP神经网络法对压力传感器进行温度补偿

压阻型扩散硅压力传感器在测试压力时,容易受到环境温度的影响。为了消除温度所带来的影响,需要对压力传感器进行温度补偿。神经网络技术中的BP神经网络算法可以在压力试验中对压力传感器进行温度补偿。此方法将压力传感器和温度传感器所采集到的电压信号进行数据融合,削弱了温度对压力传感器所产生的干扰,补偿后比补偿前得到压力传感器灵敏度温度系数和满量程时相对误差都分别提高了2个数量级。     

机床热误差测温点优化及建模方法研究

为了减小热误差对数控机床精度的影响,提出了基于DBSCAN聚类算法的温度传感器测点优化方法和基于BP神经网络的数控机床建模方法。通过DBSCAN对特征数据进行聚类分析消除部分线性相关传感器数据。求解聚类后的每个类别中的传感器数据与主轴误差值的皮尔森相关系数,将类别内相关系数按从大至小进行排序,选取类别内相关系数最大的作为优化后的传感器数据,以此将温度测量点从16个减少到5个。添加动态随机数完成数据增强,提高模型泛化性。建立了温度和主轴位移的BP神经网络模型,其准确度可达0.94,为机床热误差补偿提供了重要的理论依据。     

挠性接头刚度测量中传感器的研究

分析了挠性接头角刚度的测量原理,研制了螺管型电感式位移传感器及四孔平行梁和差动式螺管线圈型电感式传感器组合的力传感器,搭建了以两种传感器为核心组成的挠性接头刚度测量系统,进行了挠性接头刚度测量试验.结果表明,两种传感器的研制是有效的,刚度测量的重复性精度优于±1%.     

基于神经网络融合的传感器温度误差补偿

海底油气输送管道漏磁检测装置工作于高温高压环境下,其中的InSb霍尔传感器对温度敏感,需要补偿温度误差。该文构建了多传感器融合模型,将多个霍尔传感器和温度传感器的输出用径向基函数（RBF）神经网络进行融合,用遗传算法对网络进行训练。实验室检测数据和反演出的缺陷形状表明,采用神经网络融合方法进行误差补偿,简单方便,霍尔传感器输出的平均温度敏感系数降低了两个数量级。     

圆光栅角度传感器的误差补偿及参数辨识

基于正弦函数和粒子群算法提出了一种误差补偿及参数辨识方法,用于提高圆光栅角度传感器的测量精度。使用光电自准直仪和金属多面体对圆光栅角度传感器的测量误差进行了离散标定,通过对标定数据的频谱分析,发现传感器测量误差主要由几种不同频率的正弦函数信号组成,由此提出了一种基于正弦函数的圆光栅角度传感器误差补偿模型。补偿模型中包含7个待定常量,本文采用粒子群算法求解这7个待定常量以克服最小二乘法无法收敛的问题。以待定常量为粒子位置坐标,以平均误差为适值函数,建立了一种基于粒子群算法的参数辨识模型,并根据参数辨识模型求出最优的待定常量。应用补偿模型对关节臂式坐标测量机的6个圆光栅角度传感器测量误差进行了补偿,结果表明:补偿后各角度传感器的平均测量误差减小了约398～1102.5倍,大大地提高了传感器的测量精度。     

时栅位移传感器误差动态采样与补偿模型研究

针对现有时栅位移传感器误差补偿模型补偿效果受标定实验台速度影响的问题,提出了一种基于三次样条插值-傅里 叶谐波合成的误差补偿模型。 首先,根据时栅位移传感器多测头信号感应原理与整周误差曲线等间距周期性分布特性,分析短 周期误差受标定实验台速度影响,引入传感器等间距采样的“错位”误差,该误差将直接影响构建的短周期误差补偿模型的补 偿效果;其次,利用三次样条插值法准确定位误差采样位置,精确重构短周期误差曲线;最后,通过重构的短周期误差曲线与傅 里叶谐波补偿法建立了短周期误差补偿模型,提高了时栅位移传感器误差补偿效果。 实验结果表明,采用本补偿模型后传感器 短周期误差峰峰值降至 1. 7″;本补偿模型短周期误差补偿效果优于传统基于傅里叶谐波补偿法构建的补偿模型,标定实验台速 度为 3 r/ min 时补偿效果可提高 56. 0% ,既能满足传感器动态标定的工作效率,也能满足传感器的高精度误差标定需求。     

电容式位移传感器的线性度标定与不确定度评定

由于光刻投影物镜装调中电容传感器的线性度指标不能够满足位移调节精度的需求,本文提出了一种提高电容传感器测量线性度的方法。该方法采用压电驱动器提供位移进给;采用高精度激光测长干涉仪校准电容传感器的线性度,提供位移反馈以保证运动控制精度。采用高阶曲线拟合方法得到拟合系数对传感器线性度进行在线标定;对标定实验中的环境、安装、机构以及控制等进行不确定度分析与评定以保证电容传感器的线性度测量精度;最后进行电容传感器线性度的标定实验。实验结果表明:本文提出的线性度标定方法能够减小各误差项对于测量结果的影响,标定后传感器线性度由0.047 14%提高至0.004 84%,近一个数量级,并且线性度重复性较高,重复性偏差为0.38nm,全行程内线性度的合成不确定度为5.70nm,能够满足光刻物镜中位移控制精度的需求。     

虚拟自动气象站湿度传感器的温度补偿

针对湿度传感器测量精度受温度影响问题,提出一种采用虚拟技术的湿度补偿方法。利用LabVIEW平台的图形化处理技术,分别采用BP神经网络、支持向量机(SVM)算法建立了湿度补偿模型。以调温调湿箱、JJQ1气象信号模拟器、HMP45D湿度传感器搭建了实验平台。实验数据表明:补偿后数据误差降低了1个数量级,能够有效补偿温度对湿度传感器的影响,提高虚拟自动气象站湿度测量的准确度。     

基于改进RBF神经网络的传感器温度补偿系统研究

考虑到目前常用的温度补偿方法是使用智能算法建立温度补偿模型,并使用群智能优化算法进行优化,提高补偿精度,对于传感器非线性温漂段具有较好的补偿效果,但是对于具有较好的线性使用这种方法的效率较低,而使用常规的线性最小二乘直线拟合方法即可得到较好的补偿效果,因此本文将最小二乘直线拟合方法与RBF神经网络模型进行融合,研究一种对压力传感器进行温度补偿模型,使用蚁群算法对常规RBF神经网络进行优化,提高补偿模型的性能。通过MPX53型压阻式压力传感器进行实验研究,结果表明,使用本文研究的温度补偿方法后,传感器在各个温度下同样基本不受温度的影响,与使用全程蚁群优化RBF神经网络温度补偿方法效果相差不大,但是由于中间温度区域采用直线拟合方法,整体温度补偿的效率有所提高。     

压力传感器灵敏度温度系数三极管补偿技术

分析了压力传感器灵敏度温度系数的三极管补偿法原理,从数学的角度提出了定量的补偿公式;在实验中,通过温度周期的调节标定,补偿后灵敏度温度系数绝对值容易达到(10～100)×10-6/℃,从而验证了该技术的可行性和实用性。对实验数据的研究后,讨论了此技术的局限性并在设计中提出了改进办法,具有实用价值,在生产实践中得到了推广应用,反复考察证明补偿后压力传感器的工作性能是稳定可靠的。     

时栅角位移传感器的误差补偿及参数辨识

基于正弦函数和快速傅里叶变换提出了一种误差补偿及参数辨识方法,用于提高时栅角位移传感器的测量精度和标定效率。使用激光干涉仪对时栅角位移传感器的误差进行标定,在整周采样36个对极点和对极内采样240个点。通过对标定的误差数据进行分析,由此提出一种基于傅里叶级数变换的误差补偿模型,在对极点对8个参数与对极内20个参数分别进行参数辨识。实验结果表明:补偿后时栅角位移传感器的测量误差减小为原误差的1/38.4,显著地提高传感器的测量精度和标定的效率。     

超低温宽温域环境下FBG传感器应变标定方法

在某超低温风洞结构健康监测的工程中,光纤光栅传感器被用来实时监测风洞洞体结构变形,然而超低温及宽温域的环境会极大地影响应变测量精度。为解决光纤光栅传感器在-196℃至常温范围的应变测量的温度影响,进一步提高测量精度,提出了一种超低温宽温域环境下的光纤布拉格光栅(fiber-optic Bragg grating,简称FBG)传感器应变灵敏度系数标定方法。该方法通过一套超低温宽温域标定系统对FBG传感器在-196℃～20℃的多个温度点的应变灵敏度系数进行了试验测量,利用该标定结果修正超低温宽温域环境下温度对应变的测量结果,可有效提高光纤光栅传感器的应变测量精度。试验还发现,FBG传感器的应变灵敏度系数呈现出随温度降低而升高的规律,该结论对进一步开展超低温宽温域环境下FBG应变传感器温度补偿研究奠定了基础。     

一种新型电感式位移传感器

提出一种结构简单轻巧，驱动及测量电路简单,性能较好的新型电感式位移传感器，可用于机械直线位移及位置的测量，给出了传感器的结构和测量电路的原理图，对工作原理进行了分析，并讨论了温度补偿的方法，该传感器已应用于高档轿车的电子无级变速系统中，使用效果令人满意。     

用于磁悬浮轴承位置控制的差动检测电路设计

磁悬浮轴承位置控制系统中,因使用的电涡流位移传感器存在较大的温度漂移而导致位置控制精度不够高。为解决此问题,设计了一种位移差动检测与控制电路,用差动测量的方法减小温漂和其他干扰的影响。实验表明,与用单一位移传感器直接测量的方式相比,此法能较好地提高磁悬浮轴承位置控制精度。     

汽车电控喷气控制系统中传感器的设计

提出了一种用于汽车电喷系统中精确控制喷气量的传感器设计方案,以差动电感式位移传感器替代进口产品中采用的多线圈电位器,作为气门开度位置传感器检测喷气阀的开度信息。与国外同类产品比较,所研发的汽车电控喷气控制系统传感器性能相当,工作可靠,成本低。     

基于灰色神经网络的传感器分段标定

针对大量程高精度传感器不能一次完成标定实验的情况,提出一种将优化灰色GM(1,1)模型与BP神经网络相结合来预测分段标定过程中特征值缺失的方法,从而实现传感器的分段标定。首先,根据实验数据建立传统灰色GM(1,1)模型,对待标定传感器和标准传感器的测量值进行缺失数据的预测;然后,为弱化传统灰色GM(1,1)模型序列变化的幅度,提高模型的预测精度,利用中心逼近的思想对传统的GM（1,1）模型进行优化;最后,利用BP神经网络对优化的灰色GM(1,1)残差序列进行修正,以较高的精度实现对分段标定过程中缺失特征值的预测。结果表明,待标定传感器和标准传感器组合预测模型的平均残差分别为0.023%和0.401%,证明了组合预测模型的有效性。所提出方法为解决大量程高精度传感器分段标定时静态特性曲线的拟合提供了一种新思路。     

差动结构的平面二维时栅位移传感器

为了解决采用两套高精度一维传感、装置测量二维位移时存在的测量系统复杂、检测同步性难保证和解耦运算复杂等问题,提出了一种基于差动结构的二维感应信号直接解耦方法,用于研究一种平面线圈型二维时栅位移传感器。立足于传统电磁式时栅技术,构建了二维位移直接解耦测量模型,并设计了传感器的基本结构。利用ANSYS Maxwell 建立了传感器三维结构模型并进行了电磁仿真,并对仿真结果进行误差分析和溯源。基于此研制了传感器样机并进行了实验。实验结果表明：样机在79.2 mm×79.2 mm测量范围内,X方向误差为91 μm,Y方向误差为74 μm,可实现二维位移同步检测和直接解耦测量,且测量系统结构简单、体积小,对研究更高性能的二维时栅具有重要参考价值。