磁电式振动传感器低频补偿和自噪声评估的研究

来源 :北京交通大学 | 被引量 : 0次 | 上传用户:jfsagskalg
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
振动在生活中十分常见,如大型旋转机械的振动、车辆行驶引发的振动、铁路、桥梁和建筑物的自振等,这类振动的频率较低,一般在10 Hz以下。磁电式振动传感器是一种具有较低使用频段的测振传感器,而现有的磁电式振动传感器自然频率较高,其低频测量下限难以满足低频测量的要求,因此,需对其低频特性进行补偿。同时,对磁电式振动传感器工作性能的评估需要分析其自身的噪声水平,自噪声水平也是实时判定测振传感器是否劣化以及合理使用的先决条件,但实际测量环境中包含了大量外部噪声的干扰,研究如何在噪声环境下对测振传感器自噪声水平进行评估是十分必要的。本文研究了一种磁电式振动传感器的低频补偿方法,并在噪声环境下对磁电式振动传感器的自噪声水平评估的方法进行了研究。主要研究内容如下:1.研究了磁电式振动传感器的频率响应特性。本文首先对磁电式振动传感器进行系统建模,并对系统传递函数进行综合推导;其次,通过实验验证了该模型的正确性;最后,深入分析了磁电式振动传感器在不同敏感参量(速度和加速度)以及不同参数指标(自然频率、灵敏度和阻尼比)下的频率响应特性。分析表明在自然频率以下磁电式振动传感器的响应特性随频率的降低而变差,电磁感应系统的响应特性是造成磁电式振动传感器低频响应特性不足的原因。2.研究了一种力平衡负反馈的低频补偿方法。本文在对比分析了无源校正法、串联校正法、反馈校正法以及数字滤波器校正法的各自特点基础上,选择了反馈校正法对磁电式振动传感器进行低频补偿。首先,根据力平衡负反馈的原理设计了低频补偿网络;其次,对补偿网络的频率响应特性和稳定性进行仿真和分析;最后,通过实验对补偿网络低频补偿性能进行了验证。结果表明力平衡负反馈的低频补偿方法可将磁电式振动传感器的自然频率从4.5 Hz降至0.6 Hz。3.研究了在噪声环境下评估磁电式振动传感器自噪声的方法。本文首先通过单通道自噪声测量法、两通道相干分析法、三通道相干分析法对磁电式振动传感器在低噪声环境和高噪声环境两种情况下进行自噪声测量、评估和对比分析。其次,本文将多通道相干减法引入到磁电式振动传感器的自噪声评估,并通过仿真实验验证了该方法去除环境干扰噪声而获取自噪声的有效性。最后,通过实验验证了多通道相干减法评估自噪声的有效性。结果表明,多通道相干减法可有效地将环境干扰噪声去除,且使用的参考通道越多,残余输出越小,是一种很有效的在噪声环境下对磁电式振动传感器自噪声水平进行实时评估的方法。
其他文献
干涉型光纤传感器由于其抗电磁干扰、耐腐蚀、探测灵敏度高、体积小、易于集成、探头本征无源等突出优势,在水声探测及地震海啸预警等领域中的研究和应用越来越广泛。在振动传感系统中,结合光学复用技术能够形成大规模的干涉型传感阵列,从而实现准分布式传感结构。同时基于声光调制器产生的脉冲信号具有较高消光比,有助于提升准分布式系统整体的性能。此外,干涉信号的相位解调方法也在检测过程中起到了关键性作用。因此以准分布
空间机械臂在太空中要完成许多复杂的任务,而且真空、失重、温差大的恶劣运行环境也为空间机械臂带来了很强的外扰,因此为空间机械臂设计精度高、抗扰能力强的位置控制策略是很有意义的。关节作为空间机械臂的核心组件,对空间机械臂的平稳运行起着至关重要的作用。关节的柔性、驱动电机的输出平稳性均影响空间机械臂的控制精度,因此本文考虑以上因素,对柔性关节机械臂系统的高精度位置控制开展研究。首先采用了基于端口受控哈密
在无人驾驶领域,驾驶决策是当前研究的热点和难点问题。深度强化学习(Deep Reinforcement Learning,DRL)算法寻求以端到端的方式解决问题,但一般需要大量的样本数据,同时面临输入数据复杂性高、模型复杂的问题,导致驾驶策略学习算法收敛速度慢,无法快速学习到有效策略。驾驶策略与多种因素相关,目前采用DRL的方法大多采用简单的约束奖励函数,仅能适应简单交通场景。由于实际交通场景复杂
随着深度学习的发展,全监督学习在计算机视觉、自然语言处理和语音识别等多个领域取得了巨大的进步。全监督学习依赖大量的数据标注,而大规模精细化标注需要很高的成本,影响了全监督学习进一步发展。弱监督学习只需利用不完整、不确切或不准确的数据标注,便可以完成与全监督学习相同的机器学习任务。因此,基于弱监督学习方法的研究具有重要现实应用意义。本文聚焦于以图像级类别标签为弱监督标注的目标定位研究。针对现有弱监督
随着计算机技术与人工智能的飞速发展,利用数字化智能化手段实现非物质文化资源的保护与传承已成为重要的研究课题。拉班舞谱是一种科学的人体动作分析记录体系,在全世界范围内被广泛应用和传播。作为一种便于存储的书面记录形式,拉班舞谱在记录和保存传统舞蹈方面发挥了巨大作用。由于手工记谱繁琐复杂,运用计算机技术的舞谱自动生成方法应运而生。然而,传统舞谱生成框架下的算法依赖于预先的动作分割,无法进行全局优化;普遍
二氧化碳排放所导致的全球变暖问题给生态环境带来了不可逆的破坏,实现“碳达峰、碳中和”目标已成为世界各国共同努力的方向。努力提升可再生能源发电占比则是持续推进碳减排,助力碳中和最终目标实现的重要手段。风电作为可再生能源发电的主要形式,也必将迎来大规模的发展。然而由于风电自身所固有的间歇性、随机性及波动性特点,其大规模并网会给电力系统带来较大的随机波动功率,对系统频率带来不利影响。自动发电控制(Aut
无人驾驶汽车是传感器、网络通信和信息安全等多种先进技术融合下的产物,包含感知、决策规划和动作执行三大模块。其中决策规划模块等同于人类的大脑,是无人驾驶系统中最核心的部分。近些年随着AI技术的飞速发展,强化学习逐渐崭露头角并成为了通往智慧型未来的主流方法之一。本文将以强化学习为手段设计面向无人驾驶汽车车道保持的决策方案,并在虚拟仿真环境下验证方案的可行性和有效性。首先,本文研究了典型的无人驾驶系统,
舵面负载模拟系统是一种地面条件下飞行器伺服控制机构的半实物仿真试验设备,主要用于复现飞行器舵面所受的各种空气动力载荷,以实现对伺服控制机构的检测和验证,从而确保飞行器的飞行控制精度。因此,舵面负载模拟系统对空气动力载荷谱的复现精度,将直接影响飞行器伺服控制机构检测结果的可信度和可靠性,并最终会关系到飞行器的飞控性能。然而,舵面负载模拟系统属于典型的被动式加载系统,将会受到多余力矩以及其它因素的干扰
无人驾驶列车系统是随着时代发展应运而生的产物,安全性、高效性和舒适性是其发展的核心要素和重要的设计指标。列车从人工驾驶到无人驾驶的转变对控制系统提出了更高的设计要求。同时,现代通信硬件设施和技术手段的发展,以及移动闭塞技术的广泛应用,保证了列车之间的信息交互,也促进了多列车协同控制的发展。随着人们对于出行的需求提升,乘客的乘车舒适性被列入列车控制系统的设计指标中,这是在列车保证安全高效运行的基础上
随着计算机立体视觉技术研究的深入,三维扫描技术得以不断发展,与其相关的点云数据处理技术也逐渐成为研究热点。点云边缘是用来描述目标物体轮廓边界的测量点集合,是理解和表达三维物体几何特征的基础,而对点云边缘的高精度提取也是实现点云目标物体参数高精度测量的前提条件。从点云边缘的完整提取和精确定位出发,本文提出一种基于法向量夹角均值与加权法线迭代的点云边缘提取算法,同时使用基于非边缘结构信息的点云优化方法