基于重载并联六维力传感器的静态标定实验研究
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-19页 |
| 1.1 引言 | 第10-11页 |
| 1.2 六维力传感器的研究状况 | 第11-14页 |
| 1.3 传感器标定的研究状况 | 第14-17页 |
| 1.3.1 标定装置的研究状况 | 第14-17页 |
| 1.3.2 标定算法的研究状况 | 第17页 |
| 1.4 课题研究的意义与主要内容 | 第17-19页 |
| 1.4.1 研究意义 | 第17-18页 |
| 1.4.2 主要研究内容 | 第18-19页 |
| 第2章 重载并联六维力传感器的标定实验 | 第19-37页 |
| 2.1 引言 | 第19页 |
| 2.2 重载并联六维力传感器 | 第19-20页 |
| 2.3 重载并联六维力传感器的静态标定实验 | 第20-23页 |
| 2.3.1 标定系统硬件 | 第21页 |
| 2.3.2 标定系统软件 | 第21-22页 |
| 2.3.3 标定过程 | 第22-23页 |
| 2.4 标定结果分析 | 第23-35页 |
| 2.4.1 传感器的非线性误差 | 第23-25页 |
| 2.4.2 最小二乘法 | 第25-29页 |
| 2.4.3 分配加载力的标定算法 | 第29-31页 |
| 2.4.4 BP神经网络标定算法 | 第31-34页 |
| 2.4.5 标定数据分组处理 | 第34-35页 |
| 2.5 本章小结 | 第35-37页 |
| 第3章 基于人工鱼群算法的BP神经网络 | 第37-51页 |
| 3.1 引言 | 第37-38页 |
| 3.2 人工鱼群算法 | 第38-46页 |
| 3.2.1 人工鱼 | 第38-39页 |
| 3.2.2 人工鱼的基本行为 | 第39-41页 |
| 3.2.3 人工鱼群算法寻优原理 | 第41-44页 |
| 3.2.4 参数的影响与设置 | 第44-46页 |
| 3.3 基于人工鱼群算法的BP神经网络 | 第46-50页 |
| 3.3.1 BP神经网络模型 | 第46-47页 |
| 3.3.2 基于人工鱼群算法的BP神经网络 | 第47-49页 |
| 3.3.3 算法结果 | 第49-50页 |
| 3.4 本章小结 | 第50-51页 |
| 第4章 重载并联六维力传感器重构的研究 | 第51-61页 |
| 4.1 引言 | 第51页 |
| 4.2 标定实验 | 第51-52页 |
| 4.3 作用力的测量模型重构 | 第52-58页 |
| 4.3.1 分析传感器三种受力情况 | 第53-54页 |
| 4.3.2 垂直力的测量模型 | 第54-56页 |
| 4.3.3 平行力的测量模型 | 第56页 |
| 4.3.4 倾斜力的测量模型 | 第56-58页 |
| 4.4 量程的测量模型重构 | 第58-60页 |
| 4.4.1 大量程的测量模型重构 | 第58-59页 |
| 4.4.2 小量程的测量模型重构 | 第59-60页 |
| 4.5 本章小结 | 第60-61页 |
| 第5章 标定加载方式的研究 | 第61-72页 |
| 5.1 引言 | 第61页 |
| 5.2 标定时的加载方式 | 第61-68页 |
| 5.2.1 虚拟标定 | 第61-62页 |
| 5.2.2 单元加载 | 第62-63页 |
| 5.2.3 正交多元加载 | 第63-65页 |
| 5.2.4 混合多元加载 | 第65-68页 |
| 5.3 标定结果分析 | 第68-71页 |
| 5.3.1 单元加载结果 | 第68-69页 |
| 5.3.2 混合多元加载结果 | 第69页 |
| 5.3.3 对比分析结果 | 第69-71页 |
| 5.4 本章小结 | 第71-72页 |
| 结论 | 第72-74页 |
| 参考文献 | 第74-78页 |
| 攻读硕士学位期间承担的科研任务与主要成果 | 第78-79页 |
| 致谢 | 第79页 |
