本文關(guān)鍵詞：基于振動分析的石英撓性加速度計(jì)辨識研究

  更多相關(guān)文章： 石英撓性加速度計(jì) 多方向振動測試 高階誤差系數(shù)辨識 特征提取 狀態(tài)辨識軟件

【摘要】：石英撓性加速度計(jì)具有較高的測量精度以及良好的穩(wěn)定性,在現(xiàn)代慣性導(dǎo)航系統(tǒng)中得到廣泛應(yīng)用。就目前國內(nèi)外研究現(xiàn)狀來看,石英撓性加速度計(jì)的制造水平已經(jīng)達(dá)到一定的技術(shù)高度,因此,單純地提高加速度計(jì)本身的絕對精度受到了很大限制。所以,本課題從提高石英撓性加速度計(jì)的使用精度與穩(wěn)定性入手,融合多種有效信號處理與分析的方式,幫助提高其性能質(zhì)量。本文針對石英撓性加速度計(jì)測量精度失穩(wěn)問題,對其進(jìn)行多方向振動臺測試,從其模型方程以及振動測試信號入手,融合多種信號處理方法,挖掘加速度計(jì)不同工作狀態(tài)下的信號特征,利用智能學(xué)習(xí)算法對加速度計(jì)工作狀態(tài)進(jìn)行精確辨識。同時(shí),還對加速度計(jì)高階誤差系數(shù)進(jìn)行辨識研究,一方面完善加速度計(jì)模型方程,提高加速度計(jì)測量精度,另一方面,探討加速度計(jì)工作狀態(tài)和其高階誤差系數(shù)間的關(guān)系,尋求通過其系數(shù)變化辨識加速度計(jì)工作狀態(tài)的方法。針對石英撓性加速度計(jì)多方向振動測試信號,在傳統(tǒng)時(shí)、頻域基礎(chǔ)上提出多尺度熵和模糊熵進(jìn)行特征提取,建立豐富的石英撓性加速度計(jì)工作狀況特征表征集,融合聚類及神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)算法對加速度計(jì)不同工作狀態(tài)進(jìn)行智能辨識。同時(shí),采用總體最小二乘算法辨識加速度計(jì)高階誤差系數(shù),建立較高精度的數(shù)學(xué)模型方程。最后,為在實(shí)際應(yīng)用中快速辨識加速度計(jì)的工作狀態(tài),開發(fā)出加速度計(jì)工作狀態(tài)辨識軟件,通過獲取加速度計(jì)電壓信號即可快速辨識其工作狀態(tài)。課題研究結(jié)果表明,本文針對石英撓性加速度計(jì)所進(jìn)行的相關(guān)研究,可精確辨識加速度計(jì)的工作狀態(tài),能有效幫助提高石英撓性加速度計(jì)的制造質(zhì)量及其成品率,有助于形成提高石英撓性加速度計(jì)性能質(zhì)量的技術(shù)途徑。
【關(guān)鍵詞】：石英撓性加速度計(jì) 多方向振動測試 高階誤差系數(shù)辨識 特征提取 狀態(tài)辨識軟件
【學(xué)位授予單位】：西南科技大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2016
【分類號】：TH824.4
【目錄】：

• 摘要4-5
• Abstract5-10
• １ 緒論10-15
• 1.1 引言10
• 1.2 研究背景與意義10-11
• 1.3 國內(nèi)外研究現(xiàn)狀11-13
• 1.3.1 國外研究現(xiàn)狀11-12
• 1.3.2 國內(nèi)研究現(xiàn)狀12-13
• 1.4 主要研究內(nèi)容13-14
• 1.5 論文整體結(jié)構(gòu)14-15
• 2 石英撓性加速度計(jì)15-22
• 2.1 引言15
• 2.2 石英撓性加速度計(jì)結(jié)構(gòu)及其工作原理15-17
• 2.2.1 基本結(jié)構(gòu)15
• 2.2.2 工作原理15-16
• 2.2.3 測量精度失穩(wěn)辨識原理16-17
• 2.3 石英撓性加速度計(jì)多方向振動測試17-21
• 2.3.1 多方向振動臺測試18-21
• 2.4 本章小結(jié)21-22
• 3 石英撓性加速度計(jì)高階誤差系數(shù)辨識22-40
• 3.1 引言22
• 3.2 高階誤差系數(shù)辨識22-26
• 3.2.1 加速度計(jì)多方向振動臺測試22-24
• 3.2.2 石英撓性加速度計(jì)振動模型方程24
• 3.2.3 高階誤差系數(shù)辨識方法24-25
• 3.2.4 辨識精度評價(jià)參數(shù)25-26
• 3.3 加速度計(jì)高階誤差系數(shù)辨識分析26-35
• 3.3.1 高階誤差系數(shù)辨識26-27
• 3.3.2 有效性驗(yàn)證27-31
• 3.3.3 高階誤差系數(shù)辨識結(jié)果分析31-35
• 3.4 高階誤差系數(shù)聚類分析35-38
• 3.4.1 K-means聚 類算法35-36
• 3.4.2 加速度計(jì)高階誤差系數(shù)聚類分析36-38
• 3.5 本章小結(jié)38-40
• 4 加速度計(jì)信號特征提取40-68
• 4.1 引言40
• 4.2 時(shí)域特征提取40-44
• 4.2.1 時(shí)域特征參數(shù)40-41
• 4.2.2 加速度計(jì)時(shí)域特征參數(shù)分析41-44
• 4.3 頻域特征提取44-47
• 4.3.1 頻域特征44-45
• 4.3.2 頻域特征分析45-47
• 4.4 熵特征提取47-59
• 4.4.1 熵特征提取原理48-50
• 4.4.2 多尺度熵50-52
• 4.4.3 加速度計(jì)多尺度熵特征提取52-54
• 4.4.4 模糊熵54-57
• 4.4.5 加速度計(jì)模糊熵特征提取57-59
• 4.5 加速度計(jì)辨識分析59-66
• 4.5.1 BP神 經(jīng)網(wǎng)絡(luò)分類的基本原理59-61
• 4.5.2 加速度計(jì)種類辨識61-66
• 4.6 本章小結(jié)66-68
• 5 加速度計(jì)數(shù)據(jù)采集分析軟件設(shè)計(jì)68-93
• 5.1 引言68
• 5.2 加速度計(jì)數(shù)據(jù)采集分析軟件68-71
• 5.2.1 軟件功能簡介68-69
• 5.2.2 軟件核心架構(gòu)69-71
• 5.3 用戶管理模塊71-72
• 5.3.1 用戶登錄模塊71-72
• 5.3.2 成員管理模塊72
• 5.4 數(shù)據(jù)采集模塊72-75
• 5.5 數(shù)據(jù)分析模塊75-80
• 5.5.1 高階誤差系數(shù)辨識模塊76-77
• 5.5.2 傳統(tǒng)信號特征提取77-79
• 5.5.3 熵特征分析79-80
• 5.6 加速度計(jì)辨識80-86
• 5.6.1 K-means聚 類81-83
• 5.6.2 BP神 經(jīng)網(wǎng)絡(luò)辨識83-86
• 5.7 數(shù)據(jù)管理模塊86-90
• 5.7.1 數(shù)據(jù)庫基本操作86-88
• 5.7.2 加速度計(jì)數(shù)據(jù)管理88-90
• 5.8 報(bào)表打印模塊90-92
• 5.8.1 加速度計(jì)報(bào)表功能90-92
• 5.9 本章小結(jié)92-93
• 結(jié)論93-96
• 致謝96-97
• 參考文獻(xiàn)97-102
• 攻讀學(xué)位期間發(fā)表的與學(xué)位論文內(nèi)容相關(guān)的學(xué)術(shù)論文及研究成果102

，

本文編號：888045