基于神经网络的感应同步器测角系统的误差补偿

论文摘要

感应同步器测角系统是一种采用电磁感应原理的角度测量设备,高精度的感应同步器测角系统输出的位置和速度信号可以提高伺服系统的控制精度。感应同步器的测量精度主要取决于感应同步器的精度、信号放大与转换模块的精度。为了提高测角系统的测量精度,要对测量误差进行补偿。硬件补偿存在一定的局限性,采用软件补偿成为提高测角系统的精度的主要手段。人工神经网络尤其是基于误差反向传播算法的多层前馈网络,广泛应用于非线性建模、函数逼近、模式分类等。本文主要对鉴幅型感应同步器测角系统及基于BP(Back Propagation)网络的误差补偿方法进行了深入研究。首先,进行了感应同步器测角系统的设计,包括硬件电路设计,软件设计。硬件电路中模拟部分实现对感应同步器输出信号放大、滤波和相敏解调等处理,数字部分主要实现模数转换、数据采集等功能。软件部分主要是进行数据处理与转换。文中详细介绍了各部分电路的设计原理及性能分析,尽量减少硬件电路带来的测量误差。然后,将BP神经网络的理论用于感应同步器的误差补偿。分析了BP神经网络学习算法的优缺点,针对一般BP算法收敛速度慢,易陷入局部极小值的缺陷,采用对标准BP算法改进的措施,以加快收敛速度。将改进的算法的BP神经网络用于测角系统误差补偿。以实测的0°~360°之间720点零位误差数据为基础,分析了测角系统零位误差特征,以此数据为样本训练并建立BP神经网络模型。仿真结果表明,这种改进方案不仅能够提高BP算法在训练过程中的收敛速度,而且训练后的BP神经网络具有较强的自适应和自学习能力,实践结果表明,基于BP神经网络的测角系统的零位误差补偿效果明显。

论文目录

• 摘要
• Abstract
• 第1章 绪论
• 1.1 课题来源及研究目的和意义
• 1.2 感应同步器测角系统的发展综述
• 1.2.1 国外测角系统的发展
• 1.2.2 国内测角系统的发展
• 1.3 感应同步器测角系统的应用领域和技术指标
• 1.4 神经网络的发展和研究现状
• 1.4.1 神经网络应用范围
• 1.4.2 神经网络的研究内容
• 1.4.3 神经网络处理信息的特点
• 1.4.4 神经网络发展趋势及研究热点
• 1.5 论文主要研究工作
• 第2章 感应同步器的工作原理及其误差分析
• 2.1 引言
• 2.2 感应同步器工作原理
• 2.2.1 结构和分类
• 2.2.2 工作原理
• 2.2.3 运行方式
• 2.3 感应同步器的误差分析
• 2.3.1 零位误差
• 2.3.2 细分误差
• 2.3.3 误差综合分析
• 2.4 误差补偿方法
• 2.4.1 硬件补偿
• 2.4.2 软件补偿
• 2.5 本章小结
• 第3章 感应同步器测角系统的设计
• 3.1 引言
• 3.2 感应同步器测量方案选择
• 3.3 测角系统硬件设计
• 3.3.1 激磁电路设计
• 3.3.2 前置放大电路
• 3.3.3 轴角-数字转换原理
• 3.3.4 信号处理电路设计
• 3.4 测角系统软件设计
• 3.5 本章小结
• 第4章 神经网络在误差补偿中的应用
• 4.1 引言
• 4.2 神经网络模型
• 4.2.1 神经网络节点的形式化描述
• 4.2.2 神经元状态激活函数的类型
• 4.2.3 神经网络的拓扑结构
• 4.2.4 BP神经网络的数学模型
• 4.3 改进的BP神经网络零位误差模型
• 4.3.1 测角系统零位误差特征
• 4.3.2 BP神经网络的构建
• 4.3.3 BP神经网络的训练
• 4.3.4 BP算法缺陷及改进
• 4.4 本章小结
• 第5章 测角系统误差补偿实验结果
• 5.1 引言
• 5.2 改进BP算法的训练分析比较
• 5.3 零位误差补偿结果
• 5.4 实验系统
• 5.5 本章小结
• 结论
• 参考文献
• 攻读硕士学位期间发表的学术论文
• 致谢