多维力传感器动态标定与动态特性随负载变化的研究

来源 :合肥工业大学 | 被引量 : 0次 | 上传用户:nhk1970
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
在科学实验与工业生产中,对多维力传感器动态测试精度要求越来越高。然而,应变式多维力传感器动态特性较差且会受不同工况条件影响,所以研究应变式多维力传感器动态特性具有重要意义。对此,本文主要研究应变式多维力传感器动态标定方法和末端负载对应变式力传感器动态特性影响的共性规律,从而为工况下应变力传感器的选型和工装设计提供参考依据,并为工况下多维力传感器动态标定提供方法依据。在动态标定方法研究方面,先针对典型混合激励总结了不同激励信号组合满秩条件的设计准则,应用设计准则对传感器施加混合冲击和混合阶跃激励载荷,并提出混合激励输入载荷辨识方法以获得混合激励下传感器各个通道的动态输入激励,从而完成了多维力传感器混合激励动态标定的仿真与实验。同时,利用单元加载动态标定法对多维力传感器进行了单元激励动态标定的仿真与实验,以进行动态标定方法对比。根据传感器动态标定实验数据、辨识方法以及频响计算方法得出不同动态标定法下传感器各通道频响曲线,通过对比混合加载、单元加载实验结果,表明了混合激励动态标定方法的可行性;同时,分析对比单元阶跃激励法与混合阶跃激励法以及混合阶跃激励法与混合冲击激励法标定得到的频响曲线,给出了不同动态标定方法的适用范围建议。在末端负载质量对传感器动态特性影响规律研究方面,先利用末端负载加传感器级联模型以及归一化方法进行数值仿真,并研究总结了末端负载归一化质量对传感器动态特性影响规律以及传感器归一化固有频率、归一化谐振峰值随刚度足够大的末端负载归一化质量变化的集总参数规律模型;而后基于ANSYS有限元仿真研究末端负载归一化质量对传感器归一化固有频率的影响规律;再次,对传感器Fx、Fz方向进行变末端负载质量动态标定实验,并分析末端负载归一化质量对固有频率、谐振峰值的影响;最后,通过将集总参数模型仿真结果、ANSYS仿真结果与变末端负载质量动态标定实验结果对比,分析得出末端负载质量对传感器固有频率影响的共性规律:在末端负载刚度足够大时,传感器归一化固有频率随末端负载归一化质量增大而减小;实际传感器的固有频率随末端负载质量变化规律的定量模型与集总参数规律模型之间可用一阶线性函数拟合,在一定程度上揭示了传感器动态特性随末端负载变化的共性定量规律。从而,这为工况下应变式力传感器选型、工装设计和动态性能评价提供了参考依据。
其他文献
多源遥感图像融合是指将同一区域不同传感器的多幅遥感图像加以综合,通过特定的技术合成一幅新图像的过程。合成孔径雷达(Synthetic Aperture Radar,SAR)和多光谱图像因成像机理不同,而具有较大的差异。SAR图像具有强大的穿透力,不受恶劣天气影响,能够全天时全天候成像,表征丰富的地表纹理和结构特征。多光谱图像含有丰富的光谱信息,可以有效识别不同类型的地物信息,具有优越的目视效果。因
协同过滤技术由于其灵活性、高性能等特点被广泛应用在推荐系统中。传统的协同过滤方法基于矩阵分解的方式,对用户和产品表征进行建模,以获得用户对产品个性化的兴趣偏好,但是其性能往往受限于用户评分数据的稀疏性。近年来,随着图卷积网络的发展,基于图的推荐算法成为了研究热点。图卷积网络通过迭代式的邻居聚集方式将图结构信息编码在节点表征中,可以有效的缓解评分数据的稀疏性问题。尽管基于图卷积网络的推荐算法在推荐精
光学成像技术作为人们认识世界的一种视觉方式,已经成为现代社会科技发展一个重要的方向。随着科技的迅速发展,如何解决复杂场景的散射介质视觉成像和获取有效的信息进行目标重建成为当下研究的热点话题。由于光在传输过程中散射效应是无法避免的,光携带的目标信息会发生畸变,因此,传统的光学成像技术受限,造成成像模糊、散斑等问题。近年来,偏振信息与光的强度、相位、波长这三个基本属性应用的领域越来越广泛。偏振信息已被
视频行为分析是计算机视觉领域重要的研究课题,在智能安防、医疗监护、人机交互、虚拟现实、自动驾驶等领域有着广泛的应用价值,其目的是利用计算机检测视频序列中运动数据获得符号化的动作信息,然后从动作符号中抽取动作特征并进行理解从而实现动作分类或检测。然而,由于视频内容的复杂性和行为的多样性,行为分析任务面临着巨大挑战。现有的视频分析方法虽然能够较好地完成相应视觉任务,但是存在一定的局限性。现有识别和检测
随着对地观测技术的不断更新,高分辨率遥感图像的数据量飞速增长,如何高效的从海量遥感图像中提取有价值的信息是遥感从业人员亟待解决的问题。语义分割为高分辨率遥感图像中的每个像素指定一个明确的土地覆盖类别,现已成为地物信息判读的主流方法,并在土地资源规划、环境保护和自然灾害监测等领域发挥着至关重要的作用。由于应用场景的不断拓宽,依赖手工设计特征的传统图像分割算法难以应对日益复杂的遥感图像分割任务需求。因
近年来,随着各国遥感技术的蓬勃发展,遥感卫星的数目越来越多,其空间、时间和光谱分辨率均大幅度提升,在军事侦察、资源调查、灾害监测等领域发挥着越来越重要的作用。由于单一传感器只能提供有限的信息量,为了充分利用多源传感器的数据,图像融合应运而生,合成孔径雷达(Syntheic Aperture Radar,SAR)图像和多光谱图像融合就是其中一个研究热点。SAR图像与多光谱图像融合的关键在于如何提取S
在室内的许多场景,如家庭、办公室都需要对人员进行识别,这对于智能家居、智能安防等领域来说十分重要。人员重识别是指在某设备下检测到某人员,当其再次出现时能够识别出来。传统的人员重识别技术使用基于摄像头的系统,其成本较高、需要巨大的计算量和存储开销,还涉及到了隐私的问题,在多变的外部环境中会受到角度、服装、背景、光线等等因素的影响。热释电红外(pyroelectric infrared,PIR)传感器
人脸图像合成是计算机视觉中的基本问题之一,其目的是将自然人脸图像从一个目标域,经过算法合成转换到另一个目标域。它在安防系统、数字娱乐、图像修复、去模糊等领域有着广泛的应用。尽管经过几十年的研究,在面对复杂的自然图像时,图像合成模型的表现仍不尽如人意。合成图像面临的主要挑战是真实性、多样性和与输入条件一致性。鉴于近些年生成对抗网络的出现提升了人脸图像合成的结果,本文在人脸图像合成的两个应用方向上分别
近年来,随着多媒体信息技术的快速发展以及深度学习技术在众多领域的应用和研究,目标检测作为计算机视觉中比较重要的一个分支,也得到了学术界和工业界的普遍关注。目标检测的难点在于在保证可靠检测精度的同时,还需要适当优化网络结构以提高对目标的检测速度。在众多目标检测经典算法中,多是依靠候选区域算法来预先假设目标的位置,然后再利用诸如非极大值抑制算法去除冗余的目标框从而得到最终的检测结果。其中,最具代表性的
随着机器人在工业上的广泛使用,改进机器人示教方法成为发展的一大方向。同时机器视觉领域的快速发展,极大地提升了机器人智能化的程度。本文将机器人示教技术与视觉相结合,对机器人视觉示教系统加以研究,完成以下几个方面的研究:(1)分析了机器视觉示教技术的发展,同时详细的说明了目标检测跟踪算法和机器人运动轨迹和速度规划算法的重要性。(2)标定相机模型,通过分析双目相机的视差原理对双目相机进行极线校正。再通过