-
公开(公告)号：CN117419639A
公开(公告)日：2024-01-19
申请号：CN202311227685.9
申请日：2023-09-22
IPC分类号： G01B11/00
摘要： 本发明公开了一种基于大范围小视场运动测量需求的光路设计及视觉测量系统，该光路设计主要包括：激光器，凸透镜，编码靶标以及白色光屏。激光器光源经由凸透镜后形成点光源，进入编码靶标中，并在白色光屏处形成实时影像；视觉测量系统主要包括：光路、图像采集设备、图像传输设备以及数据处理设备。图像采集设备获取由光路产生的实时影像，即编码靶标信息；图像传输设备将采集的图像序列传入数据处理设备，通过相应的解码算法对编码靶标信息进行处理获得所需三维空间运动信息。当该光路放置于具有大运动范围的被测物体上时，借由编码靶标的特点，可满足大范围小视场的测量需求，实现高测量准确度与大测量范围的兼顾。
-
公开(公告)号：CN117433413A
公开(公告)日：2024-01-23
申请号：CN202311227564.4
申请日：2023-09-22
摘要： 本发明公开了基于编码靶标的大范围小视场六自由度运动视觉测量方法，包括：将测量系统安装于被测物体上；被测物体做复杂空间运动，图像采集设备获取一系列含编码图案信息的图像序列；对序列图像进行图像处理后获得编码图案的平面坐标信息；结合图像中编码图案的平面坐标信息和交比定义获得特征点的平面坐标信息；将特征点的平面坐标信息带入物理解耦模型获得被测物体的三维空间运动信息。该方法通过光路将空间运动测量转换为平面运动测量，避免了机器视觉方法在测量深度信息准确度低的问题。除此之外，该方法将编码靶标加入到光路中，相机仅需部分编码靶标信息即可获取编码靶标所在平面内任一点的坐标信息，实现高测量准确度与大测量范围的兼顾。
-
公开(公告)号：CN114427832B
公开(公告)日：2024-08-09
申请号：CN202111553179.X
申请日：2021-12-17
摘要： 本发明公开了一种基于机器视觉的圆锥运动测量方法，首先通过投点器与背投幕将Stewart平台的空间运动转换为三个激光点的平面运动。其中投点器放置于Stewart平台动平台上，三个激光点为背投幕发射出的三束互相垂直的激光在背投幕上的投影点；其次通过相机获取三个激光点的平面运动序列；然后通过图像处理方法获取三个激光点在背投幕坐标系上的坐标值；最后根据物理解耦模型实现Stewart平台的运动信息获取。为了实现更高精度的运动信息测量，在测量空间运动之前先获取若干组Stewart平台的静态空间姿态信息，以获得实际锥点的空间坐标。相比于现有的测量方法，本方法具有非接触、低成本、简单、快速等优势，可获得实际锥点的空间坐标信息，实现高精度的圆锥运动测量。
-
公开(公告)号：CN115615370A
公开(公告)日：2023-01-17
申请号：CN202211124277.6
申请日：2022-09-15
摘要： 本发明公开了一种基于闭环矢量的六自由度测量系统自标定方法，该自标定方法主要包括：利用物理结构连接六自由度平台和六自由度测量系统以形成闭环结构；根据闭环结构建立六自由度平台位姿和六自由度测量系统相关参数的数学模型；结合测量六自由度平台已知位姿信息和闭环矢量方程，实现六自由度测量装置的自标定。相对于现有六自由度测量系统标定方法，该方法具有灵活性强、省时省力、成本低等优点。
-
公开(公告)号：CN114427832A
公开(公告)日：2022-05-03
申请号：CN202111553179.X
申请日：2021-12-17
摘要： 本发明公开了一种基于机器视觉的圆锥运动测量方法，首先通过投点器与背投幕将Stewart平台的空间运动转换为三个激光点的平面运动。其中投点器放置于Stewart平台动平台上，三个激光点为背投幕发射出的三束互相垂直的激光在背投幕上的投影点；其次通过相机获取三个激光点的平面运动序列；然后通过图像处理方法获取三个激光点在背投幕坐标系上的坐标值；最后根据物理解耦模型实现Stewart平台的运动信息获取。为了实现更高精度的运动信息测量，在测量空间运动之前先获取若干组Stewart平台的静态空间姿态信息，以获得实际锥点的空间坐标。相比于现有的测量方法，本方法具有非接触、低成本、简单、快速等优势，可获得实际锥点的空间坐标信息，实现高精度的圆锥运动测量。
-
公开(公告)号：CN118746295A
公开(公告)日：2024-10-08
申请号：CN202410905864.1
申请日：2024-07-08
申请人： 北京航空航天大学
摘要： 本发明涉及传感器误差补偿技术领域，具体涉及一种基于改进卡尔曼网络的惯导姿态估计优化方法，包括以下步骤：将惯导系统固定在六自由度振动试验台上，设置所述六自由度振动试验台以多种转动角度和转动频率来运动，记录惯导系统的瞬时加速度、角速度进行处理，并结合真实姿态数据得到惯导系统历史数据；建立卡尔曼神经网络，基于惯导系统历史数据对卡尔曼神经网络进行前向计算、损失函数估计和反向传播，完成对卡尔曼神经网络的训练；使用训练完成的卡尔曼神经网络对惯导系统输出数据进行姿态估计预测；本发明能够提高惯导补偿精度，具有较强的模型泛化能力和鲁棒性。
-
公开(公告)号：CN116482966A
公开(公告)日：2023-07-25
申请号：CN202310344490.6
申请日：2023-04-03
申请人： 北京航空航天大学
IPC分类号： G05B11/42
摘要： 本发明公开的用于提高功率放大器实时性和准确度的双闭环PID控制方法，属于功率放大器自适应控制领域。本发明实现方法为：电压外环采用神经元增量式PID自适应算法，采用分数指数函数使学习率自适应变化；电压外环采用神经元增量式PID自适应算法，采用幂函数的形式实现自适应变化的增益系数；电压外环采用神经元增量式PID自适应算法，将噪声函数和神经元参数的变化趋势叠加进迭代过程；电流内环采用自适应缩放参数的模糊PID控制算法，在解模糊化处理中采用差分重心法，采用函数形式计算论域缩放因子的参数。在功率放大器的系统控制器中采用两种不同的PID控制方法，提高功率放大器系统的实时性和准确度。
-
-
-
-
-
-
搜索结果
100 条记录 (耗时 0.051 秒)
