改善电压互感器误差非线性的无源自动补偿法

介绍一种改善电压互感器非线性特性的无源自动补偿线路，该线路具有结构简单、工作稳定、不需外加电源等优点，误差不大于１×Ｉ０￣（－５）。本文叙述了该方法的补偿原理、测试线路和实测数据。

基于SSA-GA-BP神经网络的数显千分表非线性误差补偿

利用数显千分表进行精密测量时,零部件的生产、装配及使用磨损、挤压、碰撞等带来的固有误差与弹性误差严重降低了测量精度。针对此问题,利用遗传算法(genetic algorithm,GA)寻优速度快、精度高、并行搜索能力的优势及麻雀搜索算法(sparrow search algorithm,SSA)的全局寻优性能,优化反向传播(back propagation,BP)神经网络的初始权值、阈值及网络结构等,提出了基于数显千分表测量数据非线性误差补偿的SSA-GA-BP神经网络模型。将其与传统BP神经网络、遗传算法优化的GA-BP神经网络进行比较分析。结果表明:所提出SSA-GA-BP神经网络可使数显千分表的非线性误差由没有补偿前的最大误差5.504μm降低至0.883μm,残差平方和、相对误差和R相关系数具有一定的优越性。

双刀数控机床非线性误差轨迹修正及铣加工

为了进一步提高双刀数控机床运动轨迹控制精度,根据轨迹规划要求设计了一种缩小双刀引起顶铣削非线性误差的新算法。在分析九轴联动机床构建转换模型的基础上,表征了双刀具加工时工件回转轴产生的非线性误差评价效果。仿真结果表明,叶背曲面相对叶盆曲面形成了更大的的非线性误差,进行插值处理前,叶背曲面非线性误差初始值超差。算法完成差值优化后可以控制加工误差达到公差设计要求,进一步提升了轨迹线和叶片型面之间的贴合性,有助于叶片型面获得更高加工精度。

基于改进BP神经网络的数显千分表非线性误差补偿

数显千分表零/部件制造和安装误差及使用磨损是影响其测量精度的主要因素。为了提高其精度,基于数显千分表的单片机嵌入式控制系统,提出采用北方苍鹰优化(Northern Goshawk Optimization,NGO)算法和贝叶斯正则化(Bayesian Regularization,BR)算法改进BP神经网络(NGO-BR-BP神经网络)的非线性测量误差软件补偿方法,并将其与基于BP神经网络、贝叶斯正则化BP神经网络的补偿模型进行了比较,论证了基于NGO-BR-BP神经网络的数显千分表非线性误差补偿模型具有较高的预测精度,且模型可靠性高、稳定性好。实验结果表明,在0~50 mm的测量范围内,所提出的方法可使最大误差降低到0.888527μm,而没有补偿前的最大误差为5.626μm。在数显千分表的嵌入式系统中植入NGO-BR-BP神经网络以提高千分表的测量精度,是可行和有效的。

扩散硅压阻式压力传感器非线性误差纠正方法

针对扩散硅压阻式压力传感器非线性误差纠正易受到误差传递算法的影响,导致纠正后最大相对波动较高的问题,本文提出基于恢复函数的压力传感器非线性误差纠正方法。采集扩散硅压阻式压力传感器信号数据,去除噪音信号,以恢复函数为基础,设计传感器的非线性误差传递算法;利用支持向量机算法构建非线性误差校正模型,再通过遗传算法优化模型参数,实现误差的良好补偿。实验结果表明:本文所提出的纠正方法应用效果与文献相比,传感器的最大相对波动分别降低了13.53%与7.08%,具有更优的应用性能,值得推广。

基于最小化灰度误差的非线性相位误差补偿方法

非线性相位误差是影响数字投影平面检测精度的重要因素,为了补偿数字投影系统中的非线性相位误差,对非线性误差的模型进行了研究与分析。根据误差模型中的高次谐波理论,构建了一个评价函数,利用此评价函数可以确定补偿之后的截断相位。首先,需要利用高步相移技术求出各谐波项的系数,然后通过相移公式求出实际的截断相位,最后,使用评价函数来求取补偿之后的截断相位。实验结果表明:此种误差补偿方法效果明显,将实际物体相位误差的平均绝对误差与标准差从0.027 31 rad和0.031 14 rad降低至0.008 71 rad和0.010 79 rad,极大提高了相位的精度。

一种石英挠性加速度计非线性误差系统级标定方法

为提高大过载高动态环境下捷联惯导系统导航精度,需对捷联惯导系统中的石英挠性加速度计非线性误差参数进行精确标定。针对现有标定方法在加速度计非线性误差参数发生变化时无法满足免拆卸高精度标定的问题,设计了一种基于双轴精密离心机和捷联惯导系统转位机构交替旋转、依靠转位机构实现9位置标定路径的系统级标定方法。经理论分析和仿真验证,所提方法可实现加速度计二次项、交叉耦合项共九个非线性误差参数系统级高精度标定,二次项误差参数标定精度优于1.0×10^(-6)g/g^(2),交叉耦合项误差参数标定精度优于1.5×10^(-6)g/g^(2)。

数字仪表误差来源分析与非线性误差的改进措施

数字仪表内部电路和结构比较复杂,在测量中会产生系统误差和随机误差,此外,测量方法、操作人员也会使仪表产生误差。仪表自身因素产生的误差来源有分压系数误差、输入放大器引起的误差、数/模转化误差、环境影响引起的误差、噪声和抗干扰能力引起的误差以及非线性误差等。文中重点研究非线性误差的改进措施,给出同相补偿法、反相补偿法、衰减同相补偿法三种电路补偿法来改进非线性误差。此外,创新性地提出一种数据修正法的理论模型,并给出数据修正法的适用范围。最后得出结论:高精度要求的数字仪表,应该使用电路补偿和数据修正相结合的方法,以更有效地消除非线性误差。

基于后置处理技术的五轴机床非线性误差补偿

五轴机床在加工复杂曲面方面具有无与伦比的优势,虽然旋转轴的增加使刀具可灵活运动,但也导致刀具偏离了规划的理想轨迹,从而引发非线性误差。提出了基于后置处理技术的五轴机床非线性误差补偿方法。首先,分析了五轴机床非线性误差产生机理;其次,采用谐波函数模拟非线性误差值并对其建立补偿机理;最后采用高级语言Java开发专用后置处理器,并以某透平叶片为试件进行仿真和实验,结果表明该方法可以有效的提高零件表面质量。

五轴加工中刀具非线性误差原因及优化研究

本文主要围绕五轴加工中刀具非线性误差的原因及其影响以及优化方法进行分析,重点针对刀具制造误差、刀具装夹和安装误差、切削力引起的变形和振动、温度变化引起的膨胀和收缩等原因,提出了刀具轨迹补偿技术、刀具振动和变形监测与控制、刀具温度的监测与控制、刀具装夹和切削参数的优化等方法,希望这些方法的应用可以降低刀具的非线性误差,提高加工精度和表面质量。

五轴数控加工中旋转轴运动引起的非线性误差分析及控制

五轴数控(Computer numerical control,CNC)加工中,刀具路径规划阶段与实际加工阶段对旋转轴运动采用的插补方式存在差异,其中刀具路径规划阶段是根据零件的几何信息进行插补,而实际加工中则根据机床信息进行插补,这种差异将引起原理性加工误差。针对五轴数控加工中旋转轴的运动,分析采用线性插补方式控制两个旋转轴进行加工时刀具姿态变化引起的原理性误差,进一步研究不同加工情况下由此产生的在垂直于走刀方向的平面内的非线性误差。通过分析旋转轴运动过程中线性插补引起的刀轴偏差角,证明刀具在相邻两刀位点运动过程的中间时刻处刀轴偏差角取得最大值,并得到由该最大值的显式表达式,在此基础上分析最大偏差角的影响因素。提出通过限制相邻两刀位点间刀轴夹角来控制此非线性误差的方法,并给出实例验证。

五坐标数控加工的非线性运动误差分析与控制

分析了五坐标联动数控系统采用线性五轴插补运动时,与实际的空间非线性连续轨迹之间的理论加工误差;用空间解析几何、齐次坐标变换建立了双转台结构五坐标机床的运动变换数学模型,并结合五坐标数控机床加工过程的线性插补原理,建立了该类五坐标机床的非线性运动误差估计模型,提出了一种非线性误差控制策略.通过仿真分析和试验加工对该模型和控制策略进行了验证.

波片对偏振激光干涉仪非线性误差的影响

利用琼斯矩阵理论,研究了基于偏振移相技术的激光干涉仪中1/4波片和1/2波片的非理想因素导致非线性误差的产生机理和变化规律.理论研究表明:在导致波片处于非理想状态的各个因素中,干涉仪中两个1/4波片的差模延迟角误差Δεq所产生的恒定偏置误差和接收装置中1/4波片的延迟角误差εq3所引起的一次谐波非线性误差,是组成干涉仪非线性误差的最主要的两个部分;波片各种误差源非理想因素导致的非线性误差在小误差情况下经线性叠加后由干涉仪最终输出.

D类功放中全数字PWM结构的非线性误差校正方法

本文针对全数字PWM结构中存在的非线性误差,提出了一种数字校正方法.这种校正方法在delta-sigma调制器的各个积分器中加入校正系数.此方法计算量小,非常易于硬件实现实时的误差校正.在此基础上设计了一个全数字的PWM电路结构,并进行了仿真.仿真结果表明,经过校正的数字PWM具有良好的线性,完全消除了非线性误差.

多轴加工非线性误差精确建模与姿态补偿

分析了多轴数控机床加工中非线性误差产生的原因;基于机床轴空间和刀具空间之间的非线性映射关系,以工件自由曲面为分析对象,建立了反映复杂曲面几何特征的精确非线性误差模型;针对可能出现的超差情况,采用基于矢量平滑的自适应误差控制策略对误差进行补偿。在自主开发的CAM系统内开发了非线性误差模块,基于五轴联动机床加工大型螺旋桨叶片,实现了叶片加工精度的严格控制。

激光外差干涉的非线性误差补偿

为了补偿用激光外差干涉法进行纳米测量产生的非线性误差,进行了非线性误差补偿的实验研究。根据镀膜实体角锥棱镜反射光的偏振特性,推导出当激光器出射光束存在偏振椭圆化时,测量角锥棱镜以运动方向为轴线的轴向旋转对非线性误差一次谐波的影响模型。分析表明,测量角锥棱镜以其运动方向为轴线的轴向旋转会减小非线性误差一次谐波。实验显示,当测量角锥棱镜轴向旋转角从0°增加到100°时,非线性误差从3.48 nm减小到1.39 nm,实现了非线性误差一次谐波减小为原来的40%。该方法避免了现有的非线性误差补偿方法光路系统和电路系统复杂的缺点,系统实现很简单。

Ward型等值的非线性误差分析与应用

对常规Ｗａｒｄ等值的非线性误差进行了分类和分析，并对扩展Ｗａｒｄ法进行了改进，使之能较准确地体现外网重要并联无功补偿元件对内网的作用，给出了数值试验结果。改进后的扩展Ｗａｒｄ法已在河南电网ＥＭＳ中得到实际应用。

摇摆状态下基于非线性误差模型的惯导对准研究

摇摆状态下无法使用传统解析方法完成粗对准。为避开摇摆基座的粗对准问题,提出了基于捷联惯导非线性误差模型的直接精对准算法。推导了捷联惯导的非线性速度误差方程和姿态误差方程,基于速度量测信息给出了非线性对准模型,通过UKF算法估计失准角完成摇摆状态下的精对准。算法可允许初始姿态误差达到40°。通过计算机仿真和摇摆台试验对算法进行了验证分析。在给定试验条件下,在600秒对准时间内达到水平0.02°,方位0.17°的精度。同时计算机仿真结果表明需对惯导速度进行反馈校正来保证模型的工作精度。

基于神经网络的传感器非线性误差校正

介绍了用神经网络校正传感器系统非线性误差的原理和方法 ,提出了基于BP神经网络传感器非线性误差校正及其模型、算法与实现技术。通过计算机仿真与应用 ,显示出这种逆模型不但可实现温度补偿和非线性校正 ,而且网络结构简单 。

基于导数约束的称重传感器非线性误差补偿方法

电阻应变式称重传感器存在严重的非线性误差,直接影响称重结果的准确度。本文首先阐述了称重传感器的非线性误差机理与误差补偿原理,提出了一种基于导数约束的称重传感器非线性误差补偿方法。该方法根据称重传感器输入-输出特性曲线的单调递增性,构造神经网络补偿模型训练的约束条件,完成神经网络优化设计,弥补了因训练样本不足导致的网络泛化误差大的缺陷,同时讨论了惩罚因子对网络性能的影响。实验表明,采用这种基于导数约束神经网络补偿方法(DCNN方法)的称重传感器的非线性误差远小于补偿前的误差;同时当训练样本不足时,DCNN方法比传统训练方法(仅利用数据样本训练神经网络,DINN)具有更好的泛化能力,称重准确度更高。