导读:本文包含了误差补偿算法论文开题报告文献综述及选题提纲参考文献，主要关键词:无迹卡尔曼滤波,粗大误差,拉依达准则,目标跟踪
误差补偿算法论文文献综述
张振慧,张正江,胡桂廷,朱志亮[1]（2019）在《基于拉依达准则与线性拟合的改进型无迹卡尔曼滤波粗大误差补偿算法》一文中研究指出无迹卡尔曼滤波是卡尔曼滤波技术的重要组成部分,它有效地克服了扩展卡尔曼滤波的估计精度低、稳定性差等缺陷;然而无迹卡尔曼滤波未考虑粗大误差(如离群值、静差和漂移)的影响;目标跟踪经常受到不同种类粗大误差的影响,研究无迹卡尔曼滤波器对粗大误差的检测和补偿,对目标跟踪准确性的提高有重大意义;文章针对观测值中各种粗大误差影响目标跟踪精度的问题,采用拉依达准则对观测值进行检测;为了对误差进行补偿,文章提出了一种观测数据残差线性拟合的方法,使用拟合产生的预测残差补偿粗大误差,使补偿后的目标运动轨迹能够减小粗大误差的干扰;经过目标跟踪仿真实验和对比,文章提出的改进型无迹卡尔曼滤波算法能有效地减小粗大误差观测值对状态预测过程的影响,能实现对目标的准确跟踪,提高了滤波的稳定性和准确性。(本文来源于《计算机测量与控制》期刊2019年11期）
刘艳霞,方建军,石岗[2]（2019）在《基于改进极限学习机的叁轴加速度计误差补偿算法》一文中研究指出针对叁轴加速度计存在的测量误差,建立了隐式非线性误差模型,并提出一种自主反向调优的极限学习机(RT-ELM)对误差模型进行训练。实验结果表明:叁轴补偿后误差基本控制在±0. 07 m/s~2范围内,均方根误差小于0. 004 m/s~2,误差比补偿前减小超过100倍,补偿精度是固定型极限学习机ELM的7倍左右。任意选取训练集和测试集补偿效果基本一致,证明超限学习算法具有很好的泛化能力和鲁棒性,而且几千个样本点的训练时间仅0. 06 s左右,其速度是传统反向传播(BP)神经网络的上千倍,适用于对实时性要求较高的误差补偿和控制系统等领域。(本文来源于《传感器与微系统》期刊2019年07期）
吴金文,王玉鹏,周海波[3]（2019）在《基于模拟退火耦合粒子群算法优化BP神经网络的机床主轴热误差补偿研究》一文中研究指出为了降低机床主轴运行产生的热误差,建立混合算法优化BP神经网络预测模型,通过实验验证预测精度。分析模拟退火算法和粒子群算法的不足,采用模拟退火算法耦合粒子群算法,给出混合算法寻优步骤。引用BP神经网络结构,构造机床主轴热误差预测模型,采用混合算法优化BP神经网络预测模型。采用实验验证主轴热误差预测精度,并与优化前进行比较和分析。结果显示:采用混合算法优化后的BP神经网络预测模型,其Y轴方向产生的最大误差值从7.3μm降低到2.3μm;而Z轴方向产生的最大误差值从7.5μm降低到2.6μm。同时,机床主轴整体误差波动幅度较小。采用混合算法优化BP神经网络预测模型,用于机床主轴热误差在线补偿,提高了加工精度。(本文来源于《机床与液压》期刊2019年11期）
朱嘉齐,章家岩,冯旭刚[4]（2019）在《柔性臂坐标测量机动态误差补偿算法研究》一文中研究指出针对柔性臂坐标测量机误差因素复杂且误差影响之间呈非线性的问题,分析了误差因素并对部分动态误差进行研究,提出了一种基于模拟退火和神经网络的柔性臂坐标测量机动态误差补偿方法。利用BP神经网络建立动态误差补偿模型,通过模拟退火算法优化权值从而解决了神经网络的收敛速度慢的问题。通过实验获得数据样本,训练所建模型后对测试数据进行误差补偿。与BP神经网络模型进行对比结果表明,补偿测试点后得出的单点重复性测量误差提高了60.85%,长度测量误差的精度提高了54.79%,证明了所提方法的有效性和可行性。(本文来源于《机械科学与技术》期刊2019年08期）
张旭宁,葛文萍,刘希腾[5]（2019）在《一种基于误差补偿的部分码字SCMA检测算法》一文中研究指出针对稀疏码多址接入(sparse code multiple access,SCMA)技术中多用户检测算法复杂度过高的问题,根据SCMA的非正交特性,提出了一种基于误差补偿部分码字球型译码的log-MPA检测算法(ECPC-log-MPA)。通过设置球型半径减少参与迭代的用户码字,并引入信道质量判决机制进一步降低log-MPA算法的计算复杂度;为降低log-MPA算法的误码率(bit error ratio,BER),引入误差补偿机制,采用稀疏度自适应匹配追踪(sparsity adaptive matching pursuit,SAMP)算法对误差进行估计,并对检测信号进行补偿。仿真结果表明,所提算法可以在保证误码率的同时有效降低计算复杂度,且算法的计算复杂度会随着信噪比(signal noise ratio,SNR)的增大明显降低。(本文来源于《中国科技论文》期刊2019年03期）
王律化,石志勇,宋金龙,王海亮[6]（2019）在《载体行进间对准杆臂误差补偿算法》一文中研究指出针对载体行进间对准过程中由于杆臂误差所造成的对准结果偏差问题,通过分析杆臂误差的产生机理,提出采用力学方程的方法对杆臂长度进行测量,并将测得的杆臂长度代入到力学方程,同系统的误差模型相结合,组成新的状态量测方程,通过5阶CKF算法,实现了杆臂误差的在线补偿。仿真和实验结果表明:通过此方法,可以实现载体行进间杆臂长度的实时估计,根据估计结果,实现对于杆臂误差的在线补偿,从而提高对准的精度。(本文来源于《现代防御技术》期刊2019年01期）
夏毅敏,李正光,罗建利,曾桂英,马劼嵩[7]（2019）在《基于位姿误差补偿的全电脑凿岩台车钎杆定位算法》一文中研究指出针对全电脑凿岩台车钻炮孔时钎杆的定位精度要求,从钎杆末端位姿误差补偿角度出发,以DH运动学模型为基础,计算臂架的动态误差和静态误差,建立钎杆定位误差补偿运动学模型;采用多种群遗传算法(MPGA),根据无误差正向运动学逆解所得关节变量(角度和距离)优化各关节值的搜索范围,结合移民算子和人工选择算子进行并行计算,建立基于钎杆运动学误差补偿模型和MPGA求逆解确定关节变量的钎杆定位算法。研究结果表明:基于误差补偿模型进行钎杆定位时,实测钎杆定位误差小于0.1 m,满足工程实际定位要求。(本文来源于《中南大学学报(自然科学版)》期刊2019年01期）
罗文舒[8]（2019）在《数控加工中几何轨迹的轮廓误差补偿算法设计》一文中研究指出现今,数控加工工厂大多进行着电子产品的单件大规模重复性加工,而如何高速高精度的加工已经成为运动控制领域的主要研究方向。为了获得更好的轮廓精度,数控加工工厂大多采用离线补偿方式进行加工调整,这种方式需要依赖人工操作经验进行反复的调整,造成加工效率明显下降。因此,本论文设计了一种几何轨迹的轮廓误差补偿算法,通过采集和处理加工信息并在轨迹规划层面进行输入信息的改进,实现易于实际加工操作的数控系统自动轮廓误差自补偿方法。本论文结合实际数控加工设计了一套完整的轮廓误差自补偿方案。深入探究了产生轮廓误差的关键因素,即延迟滞后现象和多个驱动轴不匹配情况。针对大批量工件重复加工的需求,分析了加工轨迹运行后的机床重复特性,提出了判定重复特性的相关指标和重复特性的不同程度。结合轮廓误差的产生原因和机床重复特性,本论文将针对几何轨迹进行轮廓误差补偿,从而将关注点从跟随误差中的时间位置关系转移到轮廓误差中的轨迹之间的位置关系。结合基于测量的离线补偿模式提出了几何轨迹的离线轮廓误差补偿算法,利用机床自带的直线光栅等测量元件完成工件轮廓精度的准确测量,并提出了分区模块,滤波模块和采点与叁次样条拟合模块以对误差数据进行准确且有效的处理,之后将补偿信息输入到轨迹G代码处,完成了数控系统的轮廓误差自补偿。通过玻璃磨边机对重复特性实验和轮廓误差补偿实验进行了验证,证明了该算法可以在不改变机床加工效率的前提下,通过多次的自动补偿将轮廓误差减少到3 um以内,最终轮廓精度满足加工要求。本论文以实际数控加工为前提,提出几何轨迹层次的轮廓误差补偿方案,相较于现有的基于测量的离线补偿方式更加注重数控系统的实用性,最终能保证在不改变加工效率的前提下将轮廓精度降低到加工要求以下。(本文来源于《哈尔滨工业大学》期刊2019-01-01）
贾宁[9]（2018）在《轮廓仪非球面接触测量的核回归误差补偿算法》一文中研究指出利用轮廓仪对非球面进行接触测量时,测头的接触测量力通常会引起形变误差。为了降低该误差引起的精度损失,提出了基于核回归的误差补偿方法。首先,根据长度计在非球面上的接触测量力,建立长度计的测头和测杆的形变模型,分析接触面形变与测杆弯曲形变引起的测量误差。其次,使用核回归法对非球面矢高测量数据进行局部加权拟合,建立非球面斜率测量的误差补偿模型。将该方法应用于金属抛物面元件的曲率、曲面常数、表面轮廓和粗糙度的测量。实验结果表明,通过接触测量力的误差补偿,测量误差可降低30μm,有效的提高了非球面接触测量精度。(本文来源于《组合机床与自动化加工技术》期刊2018年09期）
金宁宁[10]（2018）在《基于改进粒子群算法的机器人机构误差补偿》一文中研究指出并联机器人最重要的性能标准是运动精度,而并联机器人在给定的预期轨迹规划过程中,往往因存在机构误差导致预期轨迹和理想轨迹存在很大偏差,导致运动精度大大降低。针对以上情况本文提出了一种基于粒子群算法,对机器人的驱动杆期望轨迹不断修正,进而补偿机器人机构误差;通过种群排列熵模型和粒子速度激活方法改进粒子群算法,利用改进后的粒子群算法对机器人驱动杆参数进行优化,对机器人结构误差补偿,进而不断修正机器人驱动杆的预期轨迹,补偿机器人轨迹规划过程中的运动误差。仿真结果表明:本文所提出的方法能够有效对机器人机构误差进行补偿,有效补偿了机器人轨迹规划中的运动误差,保证了机器人的运动精度。(本文来源于《科技通报》期刊2018年08期）
误差补偿算法论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
针对叁轴加速度计存在的测量误差,建立了隐式非线性误差模型,并提出一种自主反向调优的极限学习机(RT-ELM)对误差模型进行训练。实验结果表明:叁轴补偿后误差基本控制在±0. 07 m/s~2范围内,均方根误差小于0. 004 m/s~2,误差比补偿前减小超过100倍,补偿精度是固定型极限学习机ELM的7倍左右。任意选取训练集和测试集补偿效果基本一致,证明超限学习算法具有很好的泛化能力和鲁棒性,而且几千个样本点的训练时间仅0. 06 s左右,其速度是传统反向传播(BP)神经网络的上千倍,适用于对实时性要求较高的误差补偿和控制系统等领域。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
误差补偿算法论文参考文献
[1].张振慧,张正江,胡桂廷,朱志亮.基于拉依达准则与线性拟合的改进型无迹卡尔曼滤波粗大误差补偿算法[J].计算机测量与控制.2019
[2].刘艳霞,方建军,石岗.基于改进极限学习机的叁轴加速度计误差补偿算法[J].传感器与微系统.2019
[3].吴金文,王玉鹏,周海波.基于模拟退火耦合粒子群算法优化BP神经网络的机床主轴热误差补偿研究[J].机床与液压.2019
[4].朱嘉齐,章家岩,冯旭刚.柔性臂坐标测量机动态误差补偿算法研究[J].机械科学与技术.2019
[5].张旭宁,葛文萍,刘希腾.一种基于误差补偿的部分码字SCMA检测算法[J].中国科技论文.2019
[6].王律化,石志勇,宋金龙,王海亮.载体行进间对准杆臂误差补偿算法[J].现代防御技术.2019
[7].夏毅敏,李正光,罗建利,曾桂英,马劼嵩.基于位姿误差补偿的全电脑凿岩台车钎杆定位算法[J].中南大学学报(自然科学版).2019
[8].罗文舒.数控加工中几何轨迹的轮廓误差补偿算法设计[D].哈尔滨工业大学.2019
[9].贾宁.轮廓仪非球面接触测量的核回归误差补偿算法[J].组合机床与自动化加工技术.2018
[10].金宁宁.基于改进粒子群算法的机器人机构误差补偿[J].科技通报.2018