标准量插入神经网络实时误差修正技术研究

误差修正技术是提高测量仪器精度的重要途径 ,本文详细介绍了具有时变系统误差与随机误差的非稳定动态测量过程实时误差预测修正方法 ,即 :用标准量插入法实时分离误差 ,采取神经网络建模法对分离出来的误差进行实时建模 ,跟踪误差的变化 ,对其进行预报修正。通过自行研制的动态测角仪对这种误差修正技术进行了验证 ,使该测角仪的测量精度提高近

具有测量误差实时分离与修正功能的光栅动态测长系统

本文针对测量误差分离与修正技术主要限于系统误差和静态误差的现状，论述了标准量插入法实时分离测量误差与预测修正的原理。介绍了基于此原理的光栅动态测长系统的结构原理和硬件电路原理。它适合于稳定与非稳定动态测量，能够实现动态测量误差的实时预测修正。