基于EEMD和BPNN的动态误差溯源研究

针对动态测试系统在测试过程中存在误差导致精度损失的问题,提出了一种基于集合经验模态分解和BP神经网络的动态误差溯源方法。该方法在全系统动态精度理论的基础上,首先通过EEMD对动态测试系统输出总误差进行分解,对分解得到的单项误差进行希尔伯特变换,分析误差信号的幅频特性,然后采用BP神经网络拟合溯源。通过仿真分析,结果表明该方法可以有效地追溯到动态测试系统中误差产生的模块,并且偏差精度达到10^(-2),比经验模态分解的方法溯源效果更好,避免了EMD存在的模态混叠等问题,具有可行性和应用性。

基于小波神经网络和PSO的动态误差溯源方法研究

针对动态测试系统在测试过程中出现的精度损失问题,提出一种基于小波神经网络和粒子群优化算法相结合的动态误差溯源方法。该方法基于全系统动态精度理论,通过设计小波神经网络对动态测试系统的输出总误差进行分解,并采用粒子群优化算法对分解结果进行分析,追溯到误差产生的模块。仿真结果表明:该方法能够快速有效地完成误差溯源,并且溯源准确度达到10-2,具有可行性和应用性。

基于现代信号分析方法的动态测量误差分解与溯源研究

在讨论信号分析方法的基础上,尝试着将现代信号分析方法运用于一种新的理论——动态测量误差溯源理论,建立了一个简单的动态测试仿真系统,分别用傅里叶变换和小波变换方法对系统输出的总误差进行分解与溯源,并对两种方法的处理结果作了比较,指出了小波分析方法在动态误差分解与溯源中的实用性和优越性,同时也验证了动态测试误差溯源理论的正确性和可行性。

动态测量误差溯源方法研究

在分析传统动态精度理论弊端的基础上,提出了动态测量误差溯源的新理论,并分别用快速傅立叶变换与小波变换中的多分辨分析方法对一动态系统输出总误差进行分解与溯源分析,并对两者的结果作比较,指出小波分析方法在动态误差溯源中的优越性.

动态误差分解与溯源理论与方法研究

基于全系统动态精度理论及其建模方法,建立实际测量系统的“白化”或“准白化”模型,以及输出总误差的“白化”模型,利用混合谱分析的方法对动态测试系统进行误差分解与溯源。动态误差分解与溯源是误差理论及精度理论的逆向问题,在动态测量及动态测试系统的设计中具有十分重要的意义。

动态精度理论研究与发展

本文分析了传统动态精度理论局限性 ,给出了全系统精度理论的传递链函数及其误差模型 ,在此基础上 ,提出了一种新的思想 ,即动态测量误差溯源与精度损失诊断问题。该思想对提高动态测量系统的精度易恢复性、优化动态测量系统的组成与匹配具有重要意义。

基于Wiener过程的独立部件精度预测方法

针对一类内部各部件不可直接测量的动态测量设备,研究其精度退化规律,提出一种基于Wiener过程的独立部件精度预测的方法。该方法通过动态误差分解与溯源,以间接测量的方法得到精度损失的统计量。通过极大似然估计方法得到模型参数的初值,再采用贝叶斯理论对参数进行在线更新,进而预测系统各部件的精度。最后,以百分表精度退化实验为例,验证该模型预测的精度和可行性。