1037897編碼器的高精度測速和測加速度

1037897編碼器的高精度測速和測加速度DFS60A-BHAA65536技術在研究與應用中廣泛興起,物聯(lián)網(wǎng)中的網(wǎng)絡安全問題越來越得到人們的關注。物聯(lián)網(wǎng)中的安全問題比傳統(tǒng)的網(wǎng)絡安全問題更加嚴重,不僅會對信息資料造成影響,也會對具體的接入設備造成破壞。物聯(lián)網(wǎng)入侵檢測技術是物聯(lián)網(wǎng)安全技術中很重要的一種技術手段。傳統(tǒng)的入侵檢測技術難以滿足物聯(lián)網(wǎng)異構性的特點,針對這種情況,智能學習算法與物聯(lián)網(wǎng)入侵檢測技術相結合的研究應運而生。本文將深度學習應用到物聯(lián)網(wǎng)入侵檢測中,通過降噪自編碼器疊加建立深度網(wǎng)絡,在噪聲輸入的情況下,利用無監(jiān)督Greedy逐層訓練算法依次訓練每一層以進行更魯棒的表達,通過反向傳播法微調(diào)模型。棧式降噪自編碼器能夠學習到更優(yōu)異的特征,所以該方法能夠更好的處理大量高維的物聯(lián)網(wǎng)入侵檢測樣本。根據(jù)物聯(lián)網(wǎng)TCP/IP分層網(wǎng)絡結構,結合棧式降噪自編碼器的特點,本文提出了一種基于棧式降噪自編碼器降維的物聯(lián)網(wǎng)分層入侵檢測模型。在模型中,采用棧式降噪自編碼器（SDAE）作為特征的降維處理,然后使用支持向量機（SVM）對物聯(lián)網(wǎng)入侵的行為識別和分類。使用公共數(shù)據(jù)集NSL-KDD驗證論文所提出模型的可行性。本文對該模型性能與其它降維模型進行實驗對比,結果表明,SDAE-SVM具有更好的特征學習能力,提高了分類正確率,降低了誤報率和漏報率。將設計的每層IDS與全層IDS進行比較,同樣有較高的準確率、較低誤報和較低漏報率,有效減輕入侵檢測負載。是電子對抗領域的一個主要研究方向,其中,如何在復雜電磁環(huán)境下對多跳頻信號進行分類識別一直是跳頻信號偵察中亟待解決的一個關鍵問題。本文以短波跳頻電臺的跳頻信號為研究對象,主要研究了如何判斷多跳頻信號的數(shù)量以及如何對多跳頻信號進行分類識別的問題。具體研究內(nèi)容包括:（1）時頻分析技術基于計算時間、交叉項干擾及抗噪性等三個性能指標,對短時傅里葉變換、譜圖變換、Wigner-Ville分布和Cohen類時頻分析方法進行了性能對比。仿真結果表明,譜圖變換方法具有計算量小、計算時間短、不會產(chǎn)生交叉項干擾以及抗噪性能強等諸多優(yōu)點,更適用于對跳頻信號進行時頻分析。（2）多跳頻信號的數(shù)量判斷設計了一種短波跳頻信號的參數(shù)提取算法,用于提取跳頻信號的跳周期、跳頻頻率及跳頻幅值等特征參數(shù)。首先,對短波跳頻信號進行譜圖變換得到時頻變換矩陣;然后,對時頻變換矩陣每一時刻的顯著值進行處理,以得到頻率和幅值的聯(lián)合數(shù)組;后,通過比較前后時刻聯(lián)合數(shù)組之間的差異,獲取跳頻信號每一跳的跳頻頻率、幅值及跳周期。設計了一種多跳頻信號的數(shù)量判斷算法。首先,將每一時刻的聯(lián)合數(shù)組個數(shù)視為該時刻出現(xiàn)的跳頻信號的個數(shù);然后,統(tǒng)計時間內(nèi)所有時刻下的跳頻信號個數(shù);后,將占全部時刻統(tǒng)計值中比例大的數(shù)作為該時間段內(nèi)跳頻信號的數(shù)量。（3）多跳頻信號的分類識別設計了一種基于棧式稀疏自編碼的多跳頻信號分類識別方法。首先,將棧式稀疏自編碼和Softmax分類器相結合形成短波混合跳頻信號分類識別模型;然后,將時域長信號進行分割后得到多個短時信號;后,將多個短時信號作為訓練樣本輸入至跳頻信號分類識別模型中進行分類識別,得到分類結果。實驗結果表明,（1）基于兩層棧式稀疏自編碼的特征提取方法對多跳頻信號的分類識別具有可行性;（2）當信噪比不低于-5dB時,利用該方法進行分類的平均準確率優(yōu)于其他同類算法;（3）當信噪比不低于-5dB且識別準確率要求不低于85%時,該方法可實現(xiàn)對6種混合跳頻信號的分類識別。

軸角編碼器綜合運用單碼道編碼技術以及線陣CCD圖像測量及細分技術,具備高分辨率、小型化、高精度及非接觸式等特點。單圈式碼盤由不同寬度的刻畫線條代表不同編碼,刻畫線條中心等分單圈式碼盤的圓周,組合12位碼值可得到一組編碼。編碼器的基本工作原理為采用發(fā)光二極管作為光源照射碼盤,采用線陣CCD作為光信號接收器件,用以接收碼盤條紋圖像,并將包含位置信息的空間光強信號轉換為電信號,經(jīng)AD采樣后送入FPGA進行識別及細分處理。由碼值識別模塊得到粗碼,經(jīng)與ROM中的角度信息對比可得到角位置讀數(shù)的粗碼部分,應用線陣CCD細分技術對相應的角位置信息進行細分定位處理,獲取條紋心位置,通過計算條紋中心與虛擬中心的偏差得到角位置讀數(shù)的細分部分,結合粗碼部分得到角度值。本文通過研究單圈式碼盤的編譯碼原理及線陣CCD的細分原理,應用FPGA實現(xiàn)了單圈式編碼器的粗碼識別及細分。首先詳細分析了單圈式碼盤編譯碼原理、CCD細分原理及其具體實現(xiàn);其次運用LED光源、碼盤及線陣CCD搭建了編碼器圖像采集系統(tǒng),并搭載FPGA設計了硬件電路,用以實現(xiàn)電路驅動及數(shù)據(jù)處理;再次運用硬件描述語言（VHDL）實現(xiàn)了單圈式碼盤的譯碼模塊,包括閾值自動計算模塊,圖像二值化模塊、碼值的識別模塊、粗測值計算模塊。通過仿真分析多項式插值法、質心法及帶閾值質心法的適用性,其中多項式插值法不適用于有效像元數(shù)較小的窄條紋,邊緣定位時只能得到單個邊緣的位置信息,造成計算結果的錯誤;質心法在換像元細分計算時造成質心位置的不連續(xù),經(jīng)過仿真分析得出質心跳變約0.4個像元,并通過編程測量印證了仿真所得的結論;閾值的選取造成的質心跳變,所以對帶閾值質心法進行了仿真計算,仿真表明帶閾值質心法在換像元細分時可以保證質心的連續(xù)改變,可保證角度值的連續(xù)輸出。后本文在帶閾值質心法基礎上編程實現(xiàn)條紋的細分定位,并通過兩套譯碼系統(tǒng)消除偏心誤差,結合粗碼與細分角度值得到輸出度值,使測量精度達到2″。研究對實驗過程中誤差的影響因素及解決方法進行總結,并對實驗的不足與局限性進行分析,對實驗的改進提供了可行性方案,為提高輸出精度及后續(xù)工程化提供經(jīng)驗.

1037897編碼器的高精度測速和測加速度DFS60A-BHAA65536械技術等科學技術的飛速發(fā)展,地促進了工業(yè)機器人系統(tǒng)的多樣化、智能化,使得工業(yè)機器人得到廣泛應用,與此同時工業(yè)機器人的安全問題成為了人們關注的重要方面。雖然在工業(yè)機器人故障診斷方面有了一些研究成果,但是多數(shù)是基于動力學模型的,其有效性過度依賴于模型的性。本文從機器人當前狀態(tài)和模型的相關性,以及故障和相關信號的異常關系出發(fā),采用小波分析、自適應閾值小波消噪主元分析和魯棒主元分析等信號分析方法,對工業(yè)機器人的編碼器和驅動電機故障診斷進行了深入分析和研究,提高了故障診斷的有效性。本論文的主要研究內(nèi)容為：本文首先概述了工業(yè)機器人的發(fā)展狀況以及故障診斷技術的國內(nèi)外研究現(xiàn)狀,對主要的故障診斷方法進行了分析和研究,并闡述了機器人故障診斷的意義。其次,在對機器人模型進行分析的基礎上,發(fā)現(xiàn)了故障和相關信號異常的關聯(lián)性,提出了基于信號分析的機器人故障診斷方法,一定程度上解決了機器人故障診斷對真實模型的依賴性。然后,分析了電機的氣隙偏心故障對定子電流造成的影響,針對傳統(tǒng)信號特征提取方法的不足,提出了基于小波分析的故障診斷方法。該方法利用小波分析對定子電流信號進行分析和處理,提取出了氣隙偏心故障在定子電流中對應的特征頻率,實現(xiàn)對電機氣隙偏心故障的診斷,并通過仿真實驗對方法的有效性進行驗證。另外,針對機器人編碼器丟碼和漏碼故障的難以探測性,根據(jù)驅動電機速度信號和編碼器反饋的位置信號之間的高度相關性（差分關系）,利用冗余的電機速度信號,提出了基于改進主元分析的編碼器故障診斷方法。該方法首先利用自適應閡值小波消噪方法對信號進行消噪處理,提取出有效的故障特征,然后再運用主元分析,實現(xiàn)對編碼器故障的檢測和診斷。該方法彌補了傳統(tǒng)小波消噪和傳統(tǒng)主元分析的不足,通過仿真實驗,證明了方法的可行性。后,針對測量數(shù)據(jù)中的離群點會使主元方向發(fā)生偏移的問題,提出了基于魯棒主元分析的故障檢測方法,并將其應用到機器人驅動電機的故障檢測中。該方法利用機器人系統(tǒng)中驅動電機的電壓、轉速、定子電流和定子溫度等信號,并通過M估計對傳統(tǒng)主元分析中的小二乘法進行改進,在此基礎上建立主元模型,通過SPE和T2統(tǒng)計量實現(xiàn)對驅動電機故障的檢測,仿真研究表明該方法有效減少了主元個數(shù),降低了控制閾值,提高了故障檢測能力。