项目名称: 精密位移动态测量信号特征辨识及细分新方法研究

项目编号: No.51305478

项目类型: 青年科学基金项目

立项/批准年度: 2014

项目学科: 机械、仪表工业

项目作者: 陈自然

作者单位: 重庆理工大学

项目金额: 24万元

中文摘要: 本项目提出采用测量基准转换的思维方式去分析精密位移测量问题,根据时栅和光栅位移测量模型构建时间序列理论和空间序列理论,采用小波技术将非平稳时变位移序列分解成平稳位移序列,基于各运动状态变量采用精密动态测量信号的特征辨识完成自适应递推算法,通过对各序列建模递推与合成,实现适用于时栅、光栅及其他基于等空间刻划原理位移传感器通用的信号细分技术,以及相关细分误差实时修正技术。该方法突破现有细分方法对位移传感器信号波形质量和硬件电路的高要求,细分精度只与传感器本身精度和递推算法精度有关。此细分方法不仅适用于传感器角位移信号细分,同时也适用于传感器直线位移的信号细分,具有重要的普遍性意义。

中文关键词: 信号细分;误差修正;特征辨识;多尺度分解;

英文摘要: The idea of measurement standard transformation is presented to analyze precision displacement measurement problems. Time series theory and space series theory are established based on the displacement measurement models of time grating sensors and optical grating sensors. Non-stationary time varying series can be transformed into stationary ones with wavelet decomposition technology.Based on the state variables of the system, the characteristics of high precision dynamic measurement signals can be identifyed to establish adaptive models for decomposed series respectively, and the future value of original series can be deduced from all deduced value of decomposed series with wavelet reconstruction technology. Therefore, the a general signal interpolation method and corresponding interpolation error correction methods are obtained for time grating sensors, optical grating sensors and some other displacement sensors developed with equal spatical division technology. Compared to some other interpolation techniques, the proposed interpolation method is independent of the high requirements on the quality of original sensor signal waves and hardware circuits, but depend on the sensors' precision and recursive algorithm precision. In addition, the proposed signal interpolation methods are suitable for both angular disp

英文关键词: Signal interpolation;Error correction;characteristics identification;multi-scale decomposition;

成为VIP会员查看完整内容
0

相关内容

中国自动驾驶和未来出行服务市场展望
专知会员服务
38+阅读 · 2022年4月18日
专知会员服务
26+阅读 · 2021年8月24日
专知会员服务
31+阅读 · 2021年7月25日
专知会员服务
25+阅读 · 2021年4月2日
基于生理信号的情感计算研究综述
专知会员服务
61+阅读 · 2021年2月9日
【CVPR2020】时序分组注意力视频超分
专知会员服务
30+阅读 · 2020年7月1日
基于深度学习的表面缺陷检测方法综述
专知会员服务
93+阅读 · 2020年5月31日
基于视觉的三维重建关键技术研究综述
专知会员服务
160+阅读 · 2020年5月1日
你觉得搭载屏下摄像头有多加分?
ZEALER订阅号
1+阅读 · 2022年3月12日
你用过最久的数码产品是什么?
ZEALER订阅号
0+阅读 · 2021年12月5日
【质量检测】机器视觉表面缺陷检测综述
产业智能官
30+阅读 · 2018年9月24日
目标跟踪算法分类
大数据技术
13+阅读 · 2018年9月17日
【工业智能】风机齿轮箱故障诊断 — 基于振动信号
论文 | 深度学习实现目标跟踪
七月在线实验室
48+阅读 · 2017年12月8日
一文带你入门视频目标分割(附数据集)
THU数据派
19+阅读 · 2017年10月10日
干货|全景视频拼接的关键技术分析
全球人工智能
13+阅读 · 2017年7月15日
国家自然科学基金
1+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
Arxiv
0+阅读 · 2022年4月20日
Differentiable Time-Frequency Scattering in Kymatio
Arxiv
0+阅读 · 2022年4月18日
Arxiv
29+阅读 · 2018年4月6日
小贴士
相关VIP内容
中国自动驾驶和未来出行服务市场展望
专知会员服务
38+阅读 · 2022年4月18日
专知会员服务
26+阅读 · 2021年8月24日
专知会员服务
31+阅读 · 2021年7月25日
专知会员服务
25+阅读 · 2021年4月2日
基于生理信号的情感计算研究综述
专知会员服务
61+阅读 · 2021年2月9日
【CVPR2020】时序分组注意力视频超分
专知会员服务
30+阅读 · 2020年7月1日
基于深度学习的表面缺陷检测方法综述
专知会员服务
93+阅读 · 2020年5月31日
基于视觉的三维重建关键技术研究综述
专知会员服务
160+阅读 · 2020年5月1日
相关资讯
你觉得搭载屏下摄像头有多加分?
ZEALER订阅号
1+阅读 · 2022年3月12日
你用过最久的数码产品是什么?
ZEALER订阅号
0+阅读 · 2021年12月5日
【质量检测】机器视觉表面缺陷检测综述
产业智能官
30+阅读 · 2018年9月24日
目标跟踪算法分类
大数据技术
13+阅读 · 2018年9月17日
【工业智能】风机齿轮箱故障诊断 — 基于振动信号
论文 | 深度学习实现目标跟踪
七月在线实验室
48+阅读 · 2017年12月8日
一文带你入门视频目标分割(附数据集)
THU数据派
19+阅读 · 2017年10月10日
干货|全景视频拼接的关键技术分析
全球人工智能
13+阅读 · 2017年7月15日
相关基金
国家自然科学基金
1+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
微信扫码咨询专知VIP会员