动态环路法磁矩测量系统标定与误差评估

为保证磁矩和磁心位置测量精度,需要对动态环路法磁矩测量系统进行标定。在分析系统测量误差组成及其影响的基础上,提出了对动态环路法磁矩测量系统标定的方法,即采用以不同大小标准磁体为被测对象的标定方案,利用最小二乘法给出了5个标定系数值。通过测量2组用于模拟真实被测对象的组合磁体,评估了标定后动态环路法磁矩测量系统的实际测量性能。结果表明,标定后的动态环路法磁矩测量系统对偶极磁矩的测量误差不大于4.6%,磁心位置测量误差不大于7.2%。

基于最小二乘法的轮胎动平衡测试标定方法

在轮胎动平衡测量的实际应用中建立起测量数学模型,为了给出数学模型中的系数参数,引入了最小二乘法的思想。根据最小二乘法的求解原理,建立了一种适用于方程组系数参数的拟合算法,在传感器测量标定的数据处理中加以应用,提高了计算精度。通过将其与一般算法的结果进行比较,体现了最小二乘法在标定计算中的优越性。

基于深度学习技术的激波风洞智能测力系统研究

高焓条件气动力测量试验对高超声速飞行器气动外形设计和优化起决定性作用.通常采用脉冲风洞(如激波风洞)产生高温、高压驱动气体以模拟高超声速高焓试验气流.在脉冲风洞对高超飞行器模型进行测力试验时,测力天平输出信号结果无法摆脱惯性载荷的干扰影响,其导致的测力模型低频振动问题基本无法通过滤波彻底解决,尤其对试验时间只有几毫秒的情况,六分量测力天平的结构设计研究受到了极大挑战.因此,对实现短试验时间条件高性能测力的深入研究发现,天平动态校准凸显重要性和必要性.本研究提出一种新的基于人工智能深度学习技术的单矢量动态自校准方法和智能测力系统概念,并应用于目前激波风洞测力试验中.该动校方法的最主要特点之一是对整体测力系统的校准,而非仅仅针对天平,并且保证校准的测力系统即为风洞试验对象,确保校准与应用的一致性.在测试评估中,测试样本和风洞试验验证均得到了较为理想的效果,大幅度低频振动干扰基本被消除,脉冲风洞测力的精度和可靠性得到了大幅提高.

循环神经网络在智能天平研究中的应用

激波风洞地面试验对高超声速飞行器高焓气动特性研究至关重要,而高精度气动力测量是其中的关键技术.在脉冲型激波风洞中进行测力试验时,风洞起动时流场瞬间建立,对测力系统会产生较大的冲击.测力系统在瞬时冲击作用下受到激励,系统的惯性振动信号在短时间内无法快速衰减,天平的输出信号中会包含惯性振动干扰量,导致脉冲型风洞测力试验精准度的进一步提高遇到瓶颈.为了解决短试验时间内激波风洞快速准确测力问题,发展高精度的动态校准技术是提升受惯性干扰天平性能的关键方法.因此,本文采用循环神经网络对天平动态校准数据进行训练和智能处理,旨在消除输出动态信号中的振动干扰信号.本文对该方法进行了误差分析,验证了该方法的可靠性,并将该方法应用于激波风洞测力试验中,切实有效降低了惯性振动对天平输出信号的干扰影响.根据智能模型的样本验证分析,各分量载荷相对误差比较小,其中高频轴向力分量处理结果的相对误差约1%.在风洞试验数据验证中,也得到了比较理想的结果,同时与卷积神经网络模型处理的结果进行了对比分析.

车轮动平衡机的测量原理及其计量校准

本文主要叙述车轮动平衡机在汽车行业的重要性 ,它的测量原理、必要的计量性能、校准 (测量 )