数据融合技术在多滚轮法大轴径测量中的应用

为克服单一传感器的不确定性和局限性,全面而准确地描述被测对象,充分利用多传感器之间的协调和互补优势,采用多传感器数据融合技术,设计了多滚轮法大轴径测量系统。该系统利用电位移传感器、光栅测角、光电测转数、压力测量等系统以及温度传感器、多路温度巡测仪,对不同时间和空间的测试数据进行融合、处理,极大地提高了测量系统的性能和效率,可得到高精确度的大轴径测量尺寸。

大轮直径测量的多滚轮多模式采样方法

多滚轮法测量大轮直径比单滚轮法测量大轮直径对测量电路提出更高要求。针对测量滚轮光栅刻线误差修正和测量数据相关分析的需要,提出了基于双计数器的多滚轮多模式采样技术,设计了多模式采样电路,并给出了大轮"打滑"信号的辨识与剔除的仿真测量结果,结果表明,双计数器多模式采样方法能辨识出大轮表面局部位置上的微弱"打滑"信号,采样数据可靠。

基于多传感器大轴径测量系统的特征层数据融合

根据大轴径高精度测量要求,采用三组滚轮的多传感器同时对大轴径进行测量,将多传感器数据融合技术应用于大轴径测量系统中;数据融合方法可以避免单一传感器的局限性,充分利用不同时间和空间的测量数据信息,大大提高测量系统的性能和效率;建立了大轴径测量系统的数据融合系统模型,提出了将BP神经网络应用于大轴径测量系统的特征层数据融合,并进行了融合系统的仿真实验;研究结果表明,该方法能得到准确的测量结果,达到了系统对测试精度的要求。

大直径测量系统的特征层数据融合

为了克服多滚轮大直径测量系统中单一传感器的局限性,利用多传感器数据融合技术,充分挖掘不同时间和空间的测量数据信息,极大地提高了测量系统的性能和效率。将自适应加权算法应用于大直径测量系统的特征层数据融合,减少了不确定误差的影响。仿真结果表明:该算法得到的测量结果更加精确,效果较好。

基于神经网络的大直径测量多传感器数据融合

多传感器数据融合技术可以避免单一传感器的局限性,充分利用不同时间和空间的测量数据信息,大大提高测量系统的性能和效率。本文将BP神经网络应用于大直径测量系统的特征层数据融合,得到准确的测量结果。