共查询到20条相似文献,搜索用时 156 毫秒
1.
2.
详细叙述了利用分电器副触点测量462-1汽油机瞬时转速的原理和方法.在此基础上分析了测量瞬时转速的误差,并与磁电或光电齿轮传感器测量瞬时转速的方法进行了比较.试验和计算证明,利用分电器副触点测量瞬时转速,其误差要小于用其它方法测量产生的误差. 相似文献
3.
4.
详细叙述了利用分电器副触点测量462-1汽油机瞬时转速的原理和方法。在此基础上分析了测量瞬时转速的误差,并与磁电或光电齿轮传感器测量瞬时转速的方法进行了比较。试验和计算证明,利用分电器副触点测量瞬时转速,其误差要小于用其它方法测量产生的误差。 相似文献
5.
对本系统中瞬时转速的采集进行了误差分析,并讨论了影响瞬时转速波动的几个因素,提出测量时发动机平均转速的选取对测量精度有较大影响,进而通过对492Q发动机的故障诊断试验证实了这一点。 相似文献
6.
瞬时转速是一个重要的参数,在故障诊断和动力性能检测等方面受到普遍的关注.为此,给出了瞬时转速的提取方法,实测瞬时转速信号,进行数据处理及瞬时转速与柴油机工作状态的相关分析.在周期性的柴油机瞬时转速实测信号中会出现许多畸点,实验数据中的畸点滤除一般采用低通滤波.针对低通滤波的局限和不足,提出了一种快速衰减畸点值而不会带来其他误差的方法.通过实测380型柴油机对所提方法进行验证,证明此方法是可行的. 相似文献
7.
采用液压技术控制测量平台,将内燃机飞轮输出的转矩通过传感器转换为电讯号测出,飞轮的转速则由转速传感器测得,然后将转矩和转速讯号都输入单片机转换,得出功率。 相似文献
8.
9.
用瞬时转速法判定柴油机起动性能 总被引:2,自引:1,他引:2
介绍了一种新的测量起动性能的装置及原理,并给出了3台柴油机的实测结果。ZBJ90002-87标准规定,根据各缸排气温度的差别来判断全部气缸是否都着火。在本文中,作者提出根据飞轮在一个工作循环中的瞬时转速变化曲线,将更容易得出准确的结论。 相似文献
10.
11.
12.
小孔的图像处理与圆度误差的评定 总被引:5,自引:0,他引:5
小孔的测量,特别是对其圆度误差的测量与评定,一直是小孔测量中一项较难解决的课题。为此本文提出了对小妃的测量采用图像处理方法进行数据采集,二值化处理,去噪声和边缘检测,进而对圆度误差进行评定,试验表明,这种方案提供了检测和评定小孔圆度误差的可靠方法,并且它具有新颖性,先进性和实用性。 相似文献
13.
14.
改进喷油泵试验台量油系统的研究 总被引:2,自引:1,他引:2
为解决喷油泵试验台量油系统测量误差较大的问题,本研究对原量油系统进行了改进,通过采集喷油器针阀升程、喷油压力、转速等信号精确测得喷油量,该系统的相对误差为0.793%,优于原系统的1.285%,适合现代精确测量和控制的要求。 相似文献
15.
16.
利用激光靶标主动视觉测量技术进行热轧车轮尺寸测量时,测量系统误差的分析和补偿至关重要。根据热轧车轮测量原理,综合分析测量系统的原理误差、光学像差、图像散斑、CCD分辨率、被测表面形状、环境温度等因素对测量结果的影响,并通过相应的措施对误差予以补偿。热态试验结果表明,热态车轮轮缘尺寸测量的标准差小于0.55mm,满足热轧车轮的热检精度要求。 相似文献
17.
栽培基质pH值是设施园艺中重要的生产过程信息之一。针对栽培基质pH值在线检测误差大、结果易受基质含水率和基质成分影响的问题,基于超亲水pH传感器,以泥炭、蛭石基质为原料,以配置的不同质量比和不同含水率的栽培基质为试验对象,开展了栽培基质超亲水pH传感器pH值测量试验研究。结果发现:栽培基质的质量含水率(θm)降低会引起超亲水pH传感器的pH值测量值线性降低和pH值测量误差线性增加,其测量误差绝对值最大为0.81,显著低于锑电极pH传感器(测量误差绝对值最大为2.15);超亲水pH传感器的测量误差受混合基质中泥炭、蛭石质量比的影响相对较小,由基质成分变化导致的测量误差最大变化为0.23,显著低于锑电极pH传感器(最大变化为1.10)。在此基础上建立了栽培基质超亲水pH传感器的测量误差补偿模型,并在采集的栽培基质中进行了应用试验;补偿前测量误差绝对值最大为0.32,补偿后降为0.18,测量误差进一步降低,验证了超亲水pH传感器及其测量误差补偿模型的有效性。研究结果为实现栽培基质pH值快速、准确在线检测奠定了基础。 相似文献
18.
在动态测量中,当测量结果与各误差因素之间难于找到某种特定的函数关系时,用统计学理论提供的最佳测量方案选择方法很难进行处理。为解决这一问题,本文以灰色系统理论为基础,提出了动态测量中一种新的最佳测量方案选择法,它特别适用于不易寻求各误差间确定关系的复杂测量系统。 相似文献
19.
为准确测量农田平整度,测量装置采用超声波传感器间接测量与磁致伸缩位移传感器直接测量相结合,并通过姿态传感器与陀螺仪获取测量装置姿态辅助修正测量值,通过LSTM神经网络的不同数量训练集对其测量值进行趋势变化预测。试验结果表明,测量装置磁致伸缩位移传感器测量过程中稳定性优于超声波传感器,通过卡尔曼分布式融合数据能有效滤除噪声,再分别通过前10 s、前20 s与前30 s数据做训练集,来进行预测分析,其均方根误差平均值为2.42,平均绝对误差平均值为2.67。试验结果表明,Kalman滤波融合数据与预测数据的均方根误差与平均绝对误差较小,能准确反映与预测平整度变化趋势,使测量装置准确的测量农田平整度及预测变化趋势。 相似文献