扫频干涉测距振动补偿中单频激光频率标定技术研究

来源 :哈尔滨工业大学 | 被引量 : 0次 | 上传用户:zx385213
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
扫频激光干涉测距系统是一种利用经过频率调制的激光,将被测距离产生的时间差转化为光频频差的测距方法,具有非合作目标测量能力,无需导轨,是一种理想的高精度大尺度绝对距离测量方法。受多普勒效应影响,该测量方法对被测物体相对运动极为敏感,从而导致测距精度严重恶化,为保证实际环境中的高精度测量,对被测目标运动引起的测距误差必须进行补偿。通过激光测振仪与扫频干涉测距装置共光路测量设计,对被测目标振动同步测量,提取振动信息后对扫频干涉测距信号进行补偿是一种有效的手段,受激光器自身工作温度变化及测量环境影响,激光测振仪中的单频激光器光频率产生飘移,影响测振精度,从而导致绝对距离测量精度下降。针对该问题,本文提出了基于外差干涉光谱测量的单频激光频率在线标定方法,实现了激光测振仪中的单频激光器频率在线高精度标定,论文主要进行了以下研究工作:首先,研究了扫频激光干涉测量系统测距原理和利用激光测振仪的同步振动补偿原理,分析了单频激光频率的飘移对振动补偿精度的影响,建立了误差理论模型,并仿真分析不同相对运动形式下、不同光频飘移量对扫频干涉测距精度的影响,为本论文的实验研究提供了理论基础;其次,研究了基于外差干涉的高精度高分辨率的光谱测量方法,建立了外差干涉光谱测量理论模型,分别设计并搭建了外差干涉光谱测量拍频光路和实时波长标定模块。针对不同的参数,特别是滤波器和功率探测器参数对系统进行了仿真分析与实验测试,对比了不同滤波器类型、参数对最终测量分辨率的影响,确定最佳的系统参数。搭建了实验装置,通过实验测试得到光谱测量的波长标定精度为0.1pm,光谱分辨力为6MHz(约合50fm),动态范围为35dB;最后,将上述方法与扫频干涉测距有机融合,搭建了基于单频激光频率在线标定的动态扫频干涉测距装置,进行了不同相对运动形式下的测距实验,通过与高精度运动位移平台进行的比对测试,从实验验证了激光测振仪中单频激光器频率飘移对测距精度的影响,与理论仿真结果相一致。通过外差干涉光谱测量对单频激光频率在线标定,实现了单频激光器不同飘移量引入的绝对距离测量误差均优于0.06μm,有效提高了扫频干涉测距对动态目标的测量精度。
其他文献
近年来,泰国的汉语教学事业蓬勃发展,尽管汉语已经成为泰国最受欢迎的外语之一,但是汉字教学的效果仍然不太理想,师生们普遍反映“汉字学习难”。因此有必要探索一条依据汉字
本课题来源于实际生产环境的实际需要。城市供热管道系统无处不在,管线长度通常为公里级别,而管道沿线沿途需要有多个控制井对管道系统进行控制和监测,管道系统的每个控制井
2015年8月出台的《关于深化国有企业改革的意见》指出在改革过程中存在的主要问题是不健全的现代企业制度和混乱的企业管理现状,并且这些矛盾直接导致了国企运行效率低下,国有资产流失等。因此六项任务被提上日程,其中一项为完善现代企业制度,“推进公司股份制改革,健全公司法人治理结构”。这成为法学领域研究的热点问题之一:现代企业制度设计、股权结构、企业内部制度改革、对国有资产的监督管理制度体系建设、法律规范
学位
射频模式识别(RFID)技术广泛应用于仓储管理、物流管理等很多领域。持续扫描是RFID技术的一个重要应用。当RFID标签的分布范围较大时,阅读器不能在一个位置收集所有标签ID。
随着互联网技术与数据库技术的发展,信息采集设备与技术的进步,近些年来,互联网数据日益复杂庞大,因此,如何帮助用户从这些海量、庞杂的信息中挖掘出最有价值的信息越来越成
初中数学课堂教学是为落实学生全面发展教育目标的一个重要组成部分,它能培养学生的逻辑思维能力、创新意识和创造能力,增强我国的创造活力,推进我国从制造大国向创造大国的
通过建立微分方程模型来研究生物系统的变化规律已经成为当今生物数学发展的重要方向之一,由于生物模型的实际应用价值很高,被众多专家研究.其中Lotka-Volteera模型是一类非
本文主要运用分歧理论和偏微分方程的理论和方法,研究了一类带有恐惧效应的捕食-食饵模型在不同边界条件下正解的存在性和稳定性.首先通过极值原理,分歧理论等讨论了带有恐惧
目前,学者们总是利用数学技术与方法去解决工程、计算科学以及物理和生物科学方面的问题,学科间的互相渗透与交融日益剧增,数学生物学就是其鲜明的体现.反应扩散方程是架起数
随着“互联网+”的不断发展,在线学习已经越来越普及,然而目前大部分在线学习平台只是为学习者提供学习资料和简单的留言板功能,而无法为学习者提供分组协作学习的环境,这就造成了学习者之间缺乏有效沟通、学习效率不高、完课率低的现象。因此构建分组协作学习的环境,是提高学习效率的有效手段,而如何合理分组就涉及到聚类算法。为提高协作学习分组质量,论文针对K-means算法和密度峰值算法的优缺点将两种算法进行融合