基于误差补偿的光源调频非线性校正研究

由于FMCW光源非线性频率调制的影响,其差频信号的频谱会出现展宽,降低频谱分辨率,因此光源非线性校正是该体制激光雷达精确测距的前提。为了避免现有非线性校正技术系统结构复杂,测量成本高的缺陷,本文提出了基于误差补偿的FMCW光源非线性校正法。该方法通过输出信号与线性回归数据之间的误差,构建与输出信号频率变化趋势相反的校正数据作为激光器的调制信号源。经过若干次循环补偿,逐步将输出信号频率与线性回归数据之间的决定系数提高到0.9995以上。最终通过距离测量实验,验证了该方法的有效性和可行性。

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。

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。

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。

PSD空间定位的非线性误差补偿模型及归一化

PSD是一种高分辨率、实时性好的光电位置敏感器件,因而具有广泛应用的前景.但在光照度变化条件下,输出信号存在非线性飘移,因而影响了作为位置检测传感器的检测精度,尤其在3D测量时适用性受到了限制.针对这个问题,提出了一种PSD位置传感器的非线性误差补偿方法.该方法针对目标的空间距离变化所产生的PSD输出非线性飘移,采用归一化模型进行误差修正,很大程度上改进了PSD的输出一致性,使基于PSD的3D测量系统性能得以提高.

双转台五轴数控机床的非线性误差补偿

针对双转台五轴数控机床因旋转轴与平移轴联动而产生的非线性误差,提出一种解析模型对非线性误差进行实时预测和补偿。选取刀位文件中的相邻点作为建立模型的刀位点,然后根据经典后置处理中的误差分布建立谐波函数解析的非线性误差模型;用该模型的解析表达式快速预测两刀位点之间的非线性误差,实现了对中间插补点的实时误差补偿。最后对一叶轮零件加工的刀位文件进行MALTLAB仿真分析,验证了所提算法的有效性。

五轴NC加工中的非线性误差分析及补偿

首先分析了五轴ＮＣ加工中非线性误差的产生机制，推导出了非线性误差的分布规律。在此基础上提出了一种新的非线性误差补偿算法──自适应线性化方法。

称重传感器非线性误差自适应补偿方法

额定量程内称重传感器的非线性误差不同,为此阐述了称重传感器的非线性误差特性,提出了一种非线性误差自适应分段补偿方法:在额定量程的上限区,采用基于径向基函数神经网络(RBFNN)的补偿网络完成传感器非线性误差补偿;在下限区,采用数字滤波器完成非线性误差补偿;在中间区,传感器不补偿。同时利用自适应选择网络,完成了分段补偿的选择。实验表明,采用这种方法补偿后的称重传感器下限区、中间区与上限区的最大相对误差分别由补偿前的0.2、0.4、1.37下降到0.16、0.04、0.07,补偿效果明显。

运用神经网络代数算法的陀螺仪非线性误差补偿

为了提高陀螺仪的测量精度,基于神经网络代数算法提出一种新的非线性误差补偿模型.由于该算法将复杂非线性优化问题转化为线性代数方程组问题,所以该模型具有速度快、实时性好和能实现样本空间精确映射的优点.通过实验对比证明该模型比曲线拟合精度要高.多次重复性实验证明该模型能够将误差限制在0.1(°)/s以内,满足实际控制要求.

五轴数控机床非线性误差建模及补偿方法

针对五轴数控机床后置处理中由于平动轴和旋转轴的联动产生的非线性误差,提出一种基于误差建模的非线性误差在线预测与补偿方法。根据任意两个相邻刀位数据点产生的非线性误差,获得误差的分布特征,建立起误差分布模型;利用最小二乘法求解出非线性误差的数学表达式,经与误差许用值相比较来确定新的刀位点,从而实现非线性误差的在线预测及补偿。以实际加工数据为例,在MATLAB环境下进行仿真研究,验证了所提出方法的有效性。

接触式表面轮廓测量的非线性误差分析与补偿

测量触针随杠杆绕支点转动产生圆弧轨迹，其水平方向位移偏差会对大量程接触式表面轮廓测量形成误差。在改进传统测杆结构的基础上，建立了测量结果的非线性误差数学模型，推导出多项式拟合误差的补偿算法。提出了拟合标准球计算误差补偿参数的方法。通过对半径为79．5053mm的球冠测量，得到半径尺寸误差小于1μm，实验证明了取得了较好的补偿效果。

用小波神经网络补偿传感器非线性误差的研究

研究了一种用小波神经网络对传感器非线性误差进行补偿的方法 ,给出了相应的算法和计算公式。该方法可将传感器传输特性的非线性模型改造成为与实际物理过程相一致的不失真的线性模型 ,从而使传感器的非线性误差大大减小。应用实例结果表明了该方法的有效性。

基于执行器误差补偿的不确定非线性MIMO系统控制

针对高超音速飞行器执行器饱和的问题,在考虑全维运动及系统不确定项的情况下,提出了一种基于执行器误差补偿的非线性反步自适应控制方法,该方法通过引入执行器误差动态补偿机制,使得当控制输入超出其自身幅值限制时,能够立刻恢复到其幅值限制范围内,且引入小波神经网络自适应律和鲁棒项确保闭环系统是最终一致有界稳定,通过仿真验证了所设计方法的有效性。

三坐标测量机结构误差非线性补偿方法研究

利用三坐标测量机的２１项几何误差建立结构误差的非线性模型，通过自制殷钢球板检具对三坐标测量机进行检测，并采用“分区域补偿”技术，确定三坐标测量机结构误差补偿系统。实际检测结果表明可以使结构误差的５０％～８０％得以补偿，提高了三坐标测量机的测量准确度。

五轴线性插补中非线性误差补偿方法

以A-C双摆头五轴数控机床为研究对象,通过对机床的运动学求解,分析了五轴数控机床在加工过程中非线性误差产生机理并建立了非线性误差的数学模型。通过齐次坐标变换的方法,推导出计算加工过程中刀尖点实际位置的数学表达式以及其反计算公式。针对五轴数控机床的旋转轴运动所产生的非线性误差,提出了一种反求插补点的补偿方法。从五轴数控加工旋转中心位置插补算法角度考虑降低非线性误差的方法,通过理论刀尖点位置来反求旋转中心的插补的位置,使实际刀尖点更多地落在理论插补路径上。利用MATLAB进行实际数据的仿真验证,结果表明所提出方法能将非线性误差有效控制在加工允差内,可显著提高五轴数控系统的轨迹控制精度,可见本文所提出方法具有较好的可行性和实际应用价值。

基于单片机信息融合实现对压力传感器的热漂移非线性补偿

本文应用Matlab软件,结合实际测定的热零点漂移非抛物线关系及输入压力和输出信号的非线性关系,基于传感器融合理论,融入环境温度信息,为智能化技术提供一种算法和得到压力的解析表达式,同时利用单片机实现了它的非线性和温度补偿。

柱式称重传感器的非线性误差及其线性补偿

柱式、筒式弹性元件是正应力称重传感器中应用较多的结构。本文从电桥电路,应变计转换原理,弹性元件力学特性等方面进行分析和理论计算,得出了柱式称重传感器的输出与载荷之间不呈线性关系,而是一个递减的抛物线。重点分析了电桥的非线性,截面积变化的影响,应变计的非线性,弹性元件横向灵敏度的影响,补偿电阻RM和RS的影响。介绍了柱式称重传感器的线性补偿原理和线性补偿方法。

数显机床的非线性定位误差补偿系统

通过对装有光栅数显装置的机床及测量设备工作台定位误差的检测分析，提出了一种非线性定位误差在线补偿方法，并设计研制了一套具有非线性误差在线补偿的光栅数显系统．利用这套系统对机床工作台进行补偿前后的实测数据显示，可将系统定位精度提高一个数量级．

电源远程控制中非线性误差的软件补偿

本文介绍应用MSC1210实现的HIRFL-CSR大科学工程束流注入线电源远程控制系统的实现原理及其中电源非线性部分远程给定与回读误差的软件补偿方法,从而提高了电源远程调节的读写误差,以满足HIRFL-CSR大科学工程对电源远程调节的高精度的要求。

四步相移法的非线性相位误差补偿方法

在相位测量轮廓术中,测量系统的gamma非线性是相位误差的主要来源.系统gamma非线性使变形光栅条纹图像中出现高次谐波,从而引起展开相位存在周期性误差.对于四步相移法,三次谐波是引起周期性误差的主要因素.通过建立四步相移法的相位误差和主相位的关系模型,在系统gamma值未知的情况下,对非线性相位误差进行了补偿.计算机仿真表明,当系统的gamma值为2.2时,使用本方法补偿前后的相位误差波动幅值分别小于0.006 3rad和0.000 354rad;实验证明,一个平面白板展开相位的均方根(RMS)在误差补偿后从0.035rad降低到0.007rad,相位误差的最大值从0.086 7rad减小到0.030 8rad.