力传感器模型辨识及动态补偿器设计

力传感器作为测控系统的最前端,其动态特性对测控系统特性有本质影响。为建立有效改善力传感器动态特性的补偿器方法,根据非线性最小二乘法建立了力传感器的动态数学模型,基于零极点配置法设计了力传感器的动态补偿环节。针对以上方法进行了系统辨识实验与动态补偿环节仿真设计。实验与仿真结果表明,非线性最小二乘法能够切合实际地建立非线性系统的辨识模型,零极点配置法所设计的动态补偿环节极大地改善了传感器的动态特性,可以将该补偿方法应用于工程实际当中。     

基于最小二乘支持向量机的传感器非线性动态补偿

提出了一种基于最小二乘支持向量机的非线性传感器动态测量误差的校正方法，使得通过该方法补偿的传感器具有理想的输入输出特性。先将传感器的非线性动态系统分解成线性动态子环节和非线性静态子环节串联；与之对应，非线性动态补偿过程也包含2个阶段：线性动态补偿和非线性静态校正。然后，通过函数展开将补偿器的非线性传递函数转换为等价的类线性形式一中间模型；再通过LS-SVM回归算法求取中间模型参数；最后，推导出中间模型参数与补偿器2个子模型参数之间的关系，并通过该关系实现非线性静态校正和线性动态补偿环节的同时辨识。与常规非线性动态补偿方法比较，该方法优点是明显的：（1）只需进行一次动态标定实验；（2）能给出非线性动态补偿器的数学解析表达式；（3）充分利用LS—SVM的优点，使辨识的补偿器具有更好的抗干扰能力。仿真与实际实验结果均表明该传感器非线性动态补偿方法有效。     

基于NFLMS算法的Wiener型传感器动态补偿

在测量系统中许多传感器的动态特性是一个非线性Wiener模型,即存在着严重的静态非线性和动态响应滞后。当被测量对象的变化率高于传感器的响应速度时,测量结果与真值之间存在较大的动态误差。为了补偿动态误差,文中采用模型参考和Wiener逆模型辨识的方法建立动态补偿单元。考虑到Wiener逆模型的参数在辨识过程中是慢变的,辨识算法采用非线性滤波最小均方根(nonlinear filtered least mean squares,NFLMS)算法。仿真实验和应用研究表明,使用NFLMS算法辨识得到的补偿单元,能够很好地补偿Wiener型传感器动态误差。     

轻型臂关节力矩传感器的设计

介绍了轻型臂智能关节力矩传感器的弹性体及信号调理电路设计，进行了传感器静态标定试验的研究，为改善传感器的动态响应特性，根据“逆模型”思想，采用最小二乘法、基于函数联接型神经网络法以及辅助变量法设计了力矩传感器的动态补偿器。实验结果表明，辅助变量法具有更好的补偿作用，设计的力矩传感器满足轻型臂系统的要求。     

基于神经网络的轧机液压AGC系统自适应辨识

在分析液压AGC的组成元件及其动态特性的基础上，利用神经网络具有逼近任何非线性函数且具有自学习和自适应的能力，建立基于时间序列的前馈动态模型辨识结构，应用扩展BP算法对轧机液压AGC力控制系统进行非线性预测，将预测结果应用最小二乘辨识方法进行线性系统的特征参数辨识，仿真及实测结果表明此方法行之有效，为轧机液压AGC的辨识提供了新途径。     

基于神经网络的轧机液压AGC系统自适应辨识

在分析液压 AGC的组成元件及其动态特性的基础上 ,利用神经网络具有逼近任何非线性函数且具有自学习和自适应的能力 ,建立基于时间序列的前馈动态模型辨识结构 ,应用扩展 BP算法对轧机液压 AGC力控制系统进行非线性预测 ,将预测结果应用最小二乘辨识方法进行线性系统的特征参数辨识 ,仿真及实测结果表明此方法行之有效 ,为轧机液压 AGC的辨识提供了新途径。     

二次调节主动升沉补偿实验平台的摩擦辨识与补偿控制

以二次调节主动升沉补偿实验平台为研究对象,针对系统中存在的非线性摩擦转矩,提出摩擦辨识及补偿方案。首先,选用Stribeck模型描述系统摩擦,建立了包含非线性摩擦转矩的平台数学模型;其次,根据平台特点设计摩擦辨识策略,使用最小二乘算法辨识得到未知系统参数,在此基础上拟合Stribeck曲线获取摩擦模型参数;然后,通过摩擦前馈和非线性PID实现摩擦补偿控制,提高升沉补偿精度;最终,实验验证了所提方案的有效性。     

杆式风洞应变天平动态解耦-补偿

采用串行动态解耦-补偿网络实现多维力/力矩传感器的动态解耦-补偿,对已有的设计方法进行了改进。基于单通道加载实验数据,通过系统辨识方法设计网络的各个环节。具体针对六维杆式风洞应变天平,采用负阶跃单元加载法进行动态标定实验。对力矩加载实验数据进行预处理。采用OE模型描述串行动态解耦-补偿网络中的各个环节,通过基于预报误差的系统辨识方法确定其参数。对实验数据处理的结果表明,所设计的杆式风洞应变天平动态解耦-补偿网络能将杆式天平的维间动态耦合误差由高至88.85%降低至6%以内,主通道阶跃响应调节时间缩短至30 ms以内且超调量降低至5%以下,从而大幅度改善了杆式风洞应变天平的动态性能。     

空气焓差法试验台空调系统在线辨识算法的研究

对空气焓差法试验台空调系统的温度控制进行了动态特性分析并建立了数学模型.采用了带遗忘因子的递推最小二乘和基于零频率的模型匹配的联合辨识算法对空调系统进行在线辨识.仿真结果表明,该联合算法计算量较少,具有良好的辨识精度,可以不断提供试验台空调系统温度控制对象的实时模型.该辨识算法为空调对象的自适应控制提供了重要的手段.     

传感器动态非线性的一种补偿方法

针对传感器存在的动态非线性问题，本文提出一种补偿方法，将具有动态非线性的传感器分为非线性静态环境环节和线性动态环节。先对传感器输出信号进行非线性静态校正，再进行线性动态补偿，研制以DSP为处理核心的传感器模拟器和传感器动态非线性补偿系统，实验结果表明，方法是有效的。     

迟滞非线性系统辨识与补偿控制研究

针对智能材料中存在的迟滞问题,对其开展了迟滞非线性特性分析,建立了迟滞系统。该迟滞系统由两个部分串联构成:一部分是滤去传递函数影响的Preisach模型;另一部分是不考虑迟滞影响的系统传递函数。将离线和在线辨识方法应用到辨识迟滞系统中,应用最小二乘法离线辨识得到了辨识传递函数参数,再用此辨识传递函数参数作为神经网络辨识的初始权值,得到了神经网络在线辨识的辨识模型;建立了辨识传递函数的逆模型控制系统和前馈逆模型PID控制系统,并对辨识系统进行了迟滞非线性补偿。研究结果表明,模型辨识方法的可行性和补偿控制的有效性在仿真中得到了验证。     

基于正弦力加载的力传感器动态标定技术研究

针对国内现有动态标定装置精度不高、重复性较差的问题,提出了一种基于正弦力加载的新型力传感器动态标定方法;对该标定方法做了详细介绍,阐述了该标定系统中最关键的正弦机构的工作原理;利用基于最小二乘的曲线拟合法对力传感器和位移传感器输出正弦电压的幅值进行了求解,并以此为基础,依据相应公式在LabVIEW中设计了数据处理程序,实现了对力传感器动态灵敏度的精确求解;搭建了实验平台,对Interface 1010AJ型力传感器进行了1 Hz~5 Hz的动态标定,并分析了实验结果。研究结果表明,该新型的力传感器动态标定系统具有良好的精度,其误差在1.5%内。     

基于MDH模型的工业机器人标定算法与实验研究

基于机器人MDH模型,针对位置矢量误差建立了机器人模型参数误差辨识模型。利用激光跟踪仪测量机器人末端在基坐标系下一系列位置点,进而采用最小二乘法辨识出机器人模型参数误差。为充分验证辨识算法的准确性,在实验室自主设计的6R工业机器人进行仿真和实验。结果表明,文章的标定算法可以准确地辨识出机器人的模型误差参数,补偿后机器人的绝对定位精度得到明显的改善。     

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。     

挖掘臂动力学参数与液压缸摩擦力参数辨识

建立了挖掘臂单关节动力学模型及液压缸驱动力模型,将模型中的未知动力学参数及非线性摩擦力参数线性化表示。利用测量的系统压力及角度信息,分别采用带遗忘因子的递推最小二乘法及递推增广最小二乘法对系统参数进行辨识。对辨识所得的两个模型进行仿真,与实际系统对比分析结果表明,辨识模型能很好地逼近实际系统。误差对比分析结果表明:递推增广最小二乘法比带遗忘因子的递推最小二乘法误差减小约28%,对系统噪声有更好的鲁棒性。     

基于最小二乘模型的Bayes参数辨识方法

现实中的系统都具有一定的非线性,并且这种非线性在非线性通道补偿和非线性系统故障诊断等领域是不可忽略的。针对有白噪声干扰的输出误差非线性系统,将数学模型与基于最小二乘的Bayes算法相结合,用数学模型参数代替辨识模型信息向量中的未知项,用基于白噪声的最小二乘模型进行不可预测辨识,从而提出了基于最小二乘模型的Bayes参数辨识方法。介绍了Bayes基本原理及2种常用的方法,经过理论分析和MATLAB仿真研究证明,该方法原理简单、计算量小、速度快、抗干扰能力强,可以对较高精度非线性系统进行参数估计和在线辨识。     

传感器动态补偿的神经网络逆系统方法

给出一种基于神经网络逆系统的传感器动态补偿策略。无需传感器具体模型和参数，即可实现传感器系统的近似单位线性化，达到动态补偿的目的。仿真实验和动态标定试验结果表明，应用这种新型的易于工程实现的动态补偿方法可显著地提高传感器的动态特性，有效改善传感器的动态品质。     

薄膜热电偶的动态校准及辨识建模

本文利用脉冲激光对一种薄膜热电偶进行了动态校准实验,采用系统辨识方法,从时域角度建立了薄膜热电偶传感器的动态数学模型,利用所建模型分析传感器的动态特性,给出了传感器的动态性能指标,并为改善其动态特性提供了依据。     

基于FLANN的腕力传感器动态补偿方法

根据“逆模型”的思想,利用神经元网络良好的逼近能力,提出了基于函数联接型神经网络的传感器动态补偿方法。该方法设计的动态补偿器实现简单,实时性好;不依赖于传感器的模型,鲁棒性强;可以优化补偿器的参数。该方法的补偿效果比零极点配置方法的好,是一种非常有效的新方法,值得推广应用     

力传感器动态特性测试与性能改进

提出了一种力传感器的动态校准 ,介绍了用有源模拟滤波器改善力传感器动态性能的方法 ,包括动态补偿模拟滤波器的设计方法 ,力传感器动态器及其电路 ,动态补偿模拟滤波器电路 ,动态性能改善 (时域和频域 )的实验结果