容栅传感器多因素耦合误差的自辨识机理与分离方法研究

结题报告
项目介绍
AI项目解读

基本信息

  • 批准号:
    51405263
  • 项目类别:
    青年科学基金项目
  • 资助金额:
    25.0万
  • 负责人:
  • 依托单位:
  • 学科分类:
    E0511.机械测试理论与技术
  • 结题年份:
    2017
  • 批准年份:
    2014
  • 项目状态:
    已结题
  • 起止时间:
    2015-01-01 至2017-12-31

项目摘要

Encoder-like capacitive sensors (ECS) offer an intrinsic advantage as large measuring scale, however due to the effect of diverse coupling errors, including nonlinearity errors caused by fringe effect, static and dynamic errors brought in during setting up or measuring, ECS can not yet live up to the requirement of ultra precision measurement. With all the considerations, an approach includes self-recognition and fast separation of ECS diverse coupling errors is presented in this project. 1) The full capacitance field is constructed based on the MAXWELL equations, fast separation of nonlinearity fringe effect errors is realized using the empirical mode decomposition (EMD) method; 2) diverse coupling errors are directly separated owing to a novel self-recognition method, measuring accuracy of X-Y displacements are drastically improved, besides measuring errors of roll, yawn and pitch angles are all recognized without any extra probes. Research of this project starts from diminishing the influences of ECS diverse coupling errors, mainly focusing on resolving the conflicts of large measuring scale and ultra precision measurement, a sound theoretical basis will be established for the development of precision measurement sensors with relatively simple structure and effective costs.
容栅传感器测量行程大,但对多因素耦合误差较为敏感,包括边缘效应引起的非线性误差、加工制造与安装过程中的静态误差、振动及电磁干扰引起的动态误差等相互耦合,实现高精度测量的难度较大,针对上述问题,本项目提出建立容栅传感器多因素耦合误差的自辨识机理和快速分离方法。1)基于MAXWELL方程式计算其电容场模型,针对因电容传感器边缘效应导致的非线性误差,拟基于经验模态分解实现快速分离;2)构建一种新式的耦合误差自辨识方法,采用对称反正切解耦算法直接从传感器原输出信号中分离有效的耦合信息,提高X-Y二维位移测量的精度,同时在不增加传感器数量的基础上实现翻滚、俯仰与偏摆角等三个误差量的辨识。项目研究从消减容栅传感器的多因素耦合误差切入,着重解决大行程和高精度测量这对矛盾,为开发结构简洁、低成本的现代精密位移检测技术与系统提供理论支撑,具有重要的科研价值和工程意义。

结项摘要

随着先进制造技术的不断发展与进步,现代精密位移检测技术对于大行程、高精度、多自由度的要求愈发强烈。本项目通过开展多因素耦合误差的自辨识机理和快速分离方法研究,充分利用容栅传感器的优势,解决大行程和高精度测量这对矛盾,满足了现代精密位移检测技术的要求。(1)项目首先基于MAXWELL方程组,通过建立二维容栅位移传感器的标准电容场模型,量化了边缘效应对输出信号的影响,揭示边缘效应导致非线性误差的规律,并针对因边缘效应导致的非线性误差,应用经验模态分解法(EMD)将信号被分解为一组固有模态函数(IMF)组和残留分量的组合,并将与传感器信号具有相同的频率一组IMF信号定义为基波分量,该分量包含了传感器信号的所有特征信息,通过从基波分量中提取代替从原始信号中提取传感器信息的方式,大大减少了电场边缘效应的影响,实验结果表明,信号波形的非线性误差从4.18%降低为0.89%。(2)建立了容栅位移传感器的误差模型,明确偏摆角位移θz引起波形相位偏移误差,翻滚、俯仰角位移θx-θy引起灵敏度误差,项目通过一种新式的对称反正切解耦算法直接从X-Y二维位移输出信号中分离出耦合信息,在不增加传感器数量的基础上实现多自由度测量误差的自辨识。实验结果表明,当三个旋转角位移的行程不超过2°时,测量误差不超过0.01°。

项目成果

期刊论文数量(6)
专著数量(0)
科研奖励数量(0)
会议论文数量(0)
专利数量(4)
Analytical Modeling and Experimental Assessment of Five-Dimensional Capacitive Displacement Sensor
五维电容式位移传感器的分析建模和实验评估
  • DOI:
    10.18494/sam.2017.1551
  • 发表时间:
    2017
  • 期刊:
    Sensors and Materials
  • 影响因子:
    1.2
  • 作者:
    Yu Jian-Ping;Wang Wen;Li Xin;Zhou Zhao-Zhong
  • 通讯作者:
    Zhou Zhao-Zhong
浮动电极式三维柔性电容触觉传感阵列设计
  • DOI:
    --
  • 发表时间:
    2015
  • 期刊:
    仪表技术与传感器
  • 影响因子:
    --
  • 作者:
    余建平;张玉良;周兆忠
  • 通讯作者:
    周兆忠
A Novel Quadrature Signal Estimation Method for a Planar Capacitive Incremental Displacement Sensor
一种新颖的平面电容增量式位移传感器正交信号估计方法
  • DOI:
    10.1515/msr-2016-0015
  • 发表时间:
    2016-06-01
  • 期刊:
    MEASUREMENT SCIENCE REVIEW
  • 影响因子:
    0.9
  • 作者:
    Yu, Jian-Ping;Wang, Wen;Zhou, Zhao-Zhong
  • 通讯作者:
    Zhou, Zhao-Zhong
Optimization and Analysis on Fuzzy SVM for Targets Classification in Forest
森林目标分类模糊支持向量机优化与分析
  • DOI:
    10.2174/1874110x01610010155
  • 发表时间:
    2016-09
  • 期刊:
    Open Cybernetics and Systemics Journal
  • 影响因子:
    --
  • 作者:
    Ding Xiaokang;Yan Lei;Yu Jianping;Zhou Zhaozhong
  • 通讯作者:
    Zhou Zhaozhong

数据更新时间:{{ journalArticles.updateTime }}

{{ item.title }}
{{ item.translation_title }}
  • DOI:
    {{ item.doi || "--"}}
  • 发表时间:
    {{ item.publish_year || "--" }}
  • 期刊:
    {{ item.journal_name }}
  • 影响因子:
    {{ item.factor || "--"}}
  • 作者:
    {{ item.authors }}
  • 通讯作者:
    {{ item.author }}

数据更新时间:{{ journalArticles.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ monograph.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ sciAawards.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ conferencePapers.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ patent.updateTime }}

其他文献

亚热带常绿阔叶林种子性状对木本植物聚集格局的影响
  • DOI:
    --
  • 发表时间:
    2015
  • 期刊:
    生物多样性
  • 影响因子:
    --
  • 作者:
    余建平;刘晓娟;米湘成;马克平
  • 通讯作者:
    马克平
传感器网络中基于随机混淆的组密钥管理机制
  • DOI:
    --
  • 发表时间:
    2013
  • 期刊:
    软件学报
  • 影响因子:
    --
  • 作者:
    曾玮妮;林亚平;余建平;王雷
  • 通讯作者:
    王雷
无线传感器网络中基于隐私保护元的数据聚合机制
  • DOI:
    --
  • 发表时间:
    --
  • 期刊:
    通信学报
  • 影响因子:
    --
  • 作者:
    曾玮妮;林亚平;何施茗;余建平;ZENG Wei-ni1,2,LIN Ya-ping2,HE Shi-ming2,YU Jian-p;2.College of Information Science;Engineering,H;3.College of Mathematics;Computer Science,Huna
  • 通讯作者:
    Computer Science,Huna
改进非支配排序遗传算法求解多目标Agent联盟
  • DOI:
    --
  • 发表时间:
    --
  • 期刊:
    系统仿真学报
  • 影响因子:
    --
  • 作者:
    许波;余建平;彭志平;朱兴统
  • 通讯作者:
    朱兴统
一种基于云模型的多目标进化算法
  • DOI:
    --
  • 发表时间:
    --
  • 期刊:
    信息与控制
  • 影响因子:
    --
  • 作者:
    许波;彭志平;陈晓龙;柯文德;余建平
  • 通讯作者:
    余建平

其他文献

{{ item.title }}
{{ item.translation_title }}
  • DOI:
    {{ item.doi || "--" }}
  • 发表时间:
    {{ item.publish_year || "--"}}
  • 期刊:
    {{ item.journal_name }}
  • 影响因子:
    {{ item.factor || "--" }}
  • 作者:
    {{ item.authors }}
  • 通讯作者:
    {{ item.author }}
empty
内容获取失败,请点击重试
重试联系客服
title开始分析
查看分析示例
此项目为已结题,我已根据课题信息分析并撰写以下内容,帮您拓宽课题思路:

AI项目思路

AI技术路线图

相似国自然基金

{{ item.name }}
  • 批准号:
    {{ item.ratify_no }}
  • 批准年份:
    {{ item.approval_year }}
  • 资助金额:
    {{ item.support_num }}
  • 项目类别:
    {{ item.project_type }}

相似海外基金

{{ item.name }}
{{ item.translate_name }}
  • 批准号:
    {{ item.ratify_no }}
  • 财政年份:
    {{ item.approval_year }}
  • 资助金额:
    {{ item.support_num }}
  • 项目类别:
    {{ item.project_type }}
{{ showInfoDetail.title }}

作者:{{ showInfoDetail.author }}

知道了

AI项目解读示例

课题项目:调控A型流感病毒诱导IFN-β表达的机制研究

AI项目摘要:

本研究聚焦于TRIM2蛋白在A型流感病毒诱导的IFN-β表达中的调控机制。A型流感病毒是全球性健康问题,其感染可导致严重的呼吸道疾病。IFN-β作为关键的抗病毒因子,其表达水平对抗病毒防御至关重要。然而,TRIM2如何调控IFN-β的表达尚未明确。本研究假设TRIM2通过与病毒RNA或宿主因子相互作用,影响IFN-β的产生。我们将采用分子生物学、细胞生物学和免疫学方法,探索TRIM2与A型流感病毒诱导IFN-β表达的关系。预期结果将揭示TRIM2在抗病毒免疫反应中的作用,为开发新的抗病毒策略提供理论基础。该研究对理解宿主抗病毒机制具有重要科学意义,并可能对临床治疗流感病毒感染提供新的视角。

AI项目思路:

科学问题:TRIM2如何调控A型流感病毒诱导的IFN-β表达?
前期研究:已有研究表明TRIM2参与抗病毒反应,但其具体机制尚不明确。
研究创新点:本研究将深入探讨TRIM2在IFN-β表达中的直接作用机制。
技术路线:包括病毒学、分子生物学、细胞培养和免疫检测技术。
关键技术:TRIM2与病毒RNA的相互作用分析,IFN-β启动子活性检测。
实验模型:使用A型流感病毒感染的细胞模型进行研究。

AI技术路线图

        graph TD
          A[研究起始] --> B[文献回顾与假设提出]
          B --> C[实验设计与方法学准备]
          C --> D[A型流感病毒感染模型建立]
          D --> E[TRIM2与病毒RNA相互作用分析]
          E --> F[TRIM2对IFN-β启动子活性的影响]
          F --> G[IFN-β表达水平测定]
          G --> H[TRIM2功能丧失与获得研究]
          H --> I[数据收集与分析]
          I --> J[结果解释与科学验证]
          J --> K[研究结论与未来方向]
          K --> L[研究结束]
      
关闭
close
客服二维码