基于支持向量机的CVT压力传感器误差补偿

针对无级变速器(CVT)压力传感器测量误差较大的问题,提出了一种应用支持向量机(SVM)建立误差补偿模型的方法.在分析引起测量误差因素的基础上,确立了误差补偿模型的输入、输出基本结构;通过试验构建训练样本集,并完成误差补偿模型的训练,在训练过程中,通过遗传算法对模型参数进行了优化.试验结果表明,设计的误差补偿模型可以有效提高传感器的线性度,并可以把最大绝对误差从0.5 MPa降至0.15 MPa,显著提高了压力传感器的性能和测量精度.     

支持向量机的激光检测系统误差补偿及系统开发应用

分析了激光三角法测距的位移以及包括入射倾角在内的被测表面特性等误差影响因素;用高精度激光干涉仪和正弦规对激光位移传感器进行校对试验,并用支持向量机学习方法建立了误差补偿模型;基于激光位移传感器方法和机器学习误差预测模型,使用PyQt设计并实现了激光检测误差补偿系统。应用表明,激光检测误差补偿系统可以有效地减少激光位移传感器的测量误差。     

栽培基质超亲水pH传感器测量误差影响因素分析与补偿

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(θ_m)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。     

半对称三平移Delta-CU并联机构运动误差分析与标定

对提出的一种半对称三平移Delta-CU并联机器人机构进行误差建模和实验分析。在规划执行末端运动轨迹的基础上,采用外部直接标定和修正系统输入的方法对机构的运动学误差进行补偿。在外部直接标定的过程中,为降低系数矩阵中的随机测量误差对执行末端坐标精度的影响,利用整体最小二乘法求解坐标变换参数;以误差数据为样本,通过模糊神经网络模型进行训练,并将训练好的模糊神经网络模型用于Delta-CU并联机器人机构的误差值预测。实验表明,模糊神经网络模型能够对Delta-CU并联机器人机构误差进行精准的预测,有利于提高Delta-CU并联机器人机构的补偿精度,可为Delta-CU并联机器人机构误差补偿提供参照。补偿后其绝对位置精度由1.187 mm提高到0.4 mm,重复位置精度由0.037 mm提高到0.018 mm。     

应变式压力传感器在离散介质中应用的误差分析

分析了膜片应变式压力传感器测量离散介质压力时产生误差的原因，用试验的方法建立了测量误差与介质分布密度间的相关关系。对传感器的非线性度及温，湿度引起的测量误差亦进行了分析。     

数控车床动力卡盘输入推拉力的在线监测方法

提出数控车床动力卡盘输入推拉力的直接监测方法,研制了动态测量推拉力的回转拉压力传感器,并分析了离心力导致的弯曲变形、膨胀变形和弯曲振动对传感器测量误差的影响,提出了膨胀变形引起的测量误差的补偿算法.试验表明,回转拉压力传感器能较好地监测动力卡盘的输入推拉力变化,该方法比监测回转液压缸的供油压力更可靠,并具有监测装置不容易受冷却水和铁屑污染的优点.     

农业机械自动导航车轮转角测量误差补偿模型

针对农业机械自动导航中,把主销转角当作车轮转角来测量会造成测量误差的问题,通过对农业机械前轮转向结构的分析,建立了一种车轮-主销转角关系模型,该模型能够补偿把主销当作车轮转角来测量的误差,提高在农业机械自动导航时车轮转角的测量精度。仿真、试验并在雷沃M800型拖拉机上实际应用表明,该模型具有较好的合理性和准确性,车轮转角测量的平均误差减小了0.48°,最大误差减小了0.71°,提高了农业机械自动导航系统的性能。     

拖拉机电液悬挂系统动压反馈校正方法研究

针对拖拉机在运输重型悬挂设备时,压力冲击剧烈、拖拉机会产生较大的俯仰运动等问题,提出了在位置控制系统中加入动压反馈校正环节,增加系统阻尼比,来抑制系统压力波动。该动压反馈校正环节利用压力传感器输出信号,经过控制器微分校正后给系统输入,能够在不影响系统动态刚度的前提下,增加系统阻尼比。首先,通过建立拖拉机电液悬挂的运动学模型,分析研究了各杆件间的转角传动比,并建立了拖拉机悬挂系统的动力学模型,利用Matlab编写程序求解液压缸的负载力,建立了液压系统模型,分析了加入动压反馈校正环节后的液压系统阻尼比变化情况,给出了动压反馈参数的确认方法。其次,应用Matlab/Simulink对所建立的模型进行仿真分析,仿真结果表明：在液压系统提升过程中压力变化较大,最大压力达到5.8MPa,校正后的电液悬挂系统压力波动较小,最大压力仅4.0MPa,在液压系统受到干扰力冲击时,原液压系统压力波动范围为2.7MPa,而采用动压反馈校正后的位置控制压力波动范围为1.1MPa,验证了该校正方法能够有效地提高系统阻尼比,抑制压力波动。最后,搭建试验平台进行试验验证,试验结果表明：拖拉机电液悬挂提升过程中未校正系统的提升最大压力为4.6MPa,且压力振荡下降,而校正后的系统最大压力仅3.8MPa,压力较为平缓。冲击干扰试验中原系统的最大压力达到6.5MPa,压力波动范围为6.0MPa,而校正后的系统最大压力仅为4.6MPa,压力波动范围为4.2MPa,相对于原系统锁止工况,压力波动范围降低了30%。本文提出的拖拉机电液悬挂动压反馈校正方法,可以很好地抑制拖拉机电液悬挂液压缸压力波动,从而达到保护农机具,降低俯仰运动,提高驾驶员舒适性的目的。     

基于机器学习的拖拉机发动机扭矩的预测模型

拖拉机发动机扭矩实时测量需要进行大量的工作与昂贵的传感器，在农业生产中投入成本较高，不易进行广泛的推广使用。基于以上问题，采用了径向基函数（RBF）神经网络进行拖拉机发动机扭矩的预测，通过13种训练算法训练RBF神经网络模型，明确RBF神经网络模型基本结构与参数设置，并通过误差分析模型的预测性能。研究结果表明：RBF神经网络中R²=0.99,RMSE=0.5,EF=0.99,预测值与试验值之间的拟合程度价高，可用于估算发动机扭矩。研究结果对于提高拖拉机发动机扭矩的预测和分析提供理论支撑与科学依据。     

齿轮在线测量系统测头标定及误差补偿研究

通过分析在线测量系统中触发式测头测量结果的误差组成元素及其产生的原因,建立了测头标定的数学模型,通过最小二乘法进行解算并进行了标定实验,提出通过对测头半径进行补偿来减小测量误差的新方法计算各法矢方向的误差值,然后对测头进行半径误差补偿的方法来提高测量精度。实验证明,该方法补偿效果良好,在一定程度上提高了在线测量精度。