首页> 中文学位 >基于BP神经网络的二维PSD线性化及应用
【6h】

基于BP神经网络的二维PSD线性化及应用

代理获取

目录

文摘

英文文摘

声明

第一章绪论

1.1 PSD应用研究现状

1.2研究目的和意义

1.3课题的来源和主要研究内容

第二章位置敏感探测器(PSD)

2.1置敏感探测器(PSD)介绍

2.2 PSD结构及其工作原理

2.3 PSD位置测量原理

2.4二维枕形PSD信号后续处理电路

第三章PSD特性分析及激光器系统

3.1 PSD的性能指标分析与器件选择

3.2使用环境对PSD性能的影响

3.3消除背景光对PSD干扰途径

3.4激光器系统

第四章人工神经网络原理

4.1人工神经网络简介

4.2 BP算法

4.3 BP算法性能

4.4 BP算法改进

第五章实验与分析

5.1实验

5.2 PSD非线性校正

5.3 VB与MATLAB混合编程

5.4 PSD线性化界面

第六章PSD在自准直仪中的应用

6.1自准直仪的基本原理

6.2自准直仪光学系统

6.3直线运动误差测量原理

6.4直线度的评定

6.5直线度测量界面

总 结

致 谢

参考文献

附录1 位置敏感探测器(PSD)实验数据

展开▼

摘要

本文所研究光电位置敏感器件(PSD)是一种可直接对其光敏面上的光斑进行检测的光电器件,基于PSD可以构成多种非接触式的高精度动态位移检测仪器。在PSD器件使用中的一个关键问题是如何克服器件本身的非线性,以提高检测的精度和可靠性。提出一种基于神经网络的PSD非线性补偿方法,利用神经网络具有逼近任意非线性函数的特点,通过训练使神经网络建立在PSD输出与其理想值之间的非线性映射关系,实现PSD非线性补偿。故在不增加成本,不改变测量设备复杂度的情况下,扩大了测量范围,提高了B区的测量准确度及数据的置信度。 论文主要介绍了PSD工作原理、结构和性能分析:提出了消除背景光对PSD干扰措施;着重讨论了神经网络BP算法数学模型;设计了二维调整平台;并建立了自准直仪的光学系统以及阐述了直线度评定方法。 使用两个隐层结构对神经网络进行训练,其结果为:两隐层神经元数分别为39和33;网络的第一,第二隐层以及输出层采用的激励函数分别为tansig、tansig、purelin;编程设定最大训练次数为500,目标收敛精度为1.0×10-12;训练函数为Trainlm。利用未经训练的数据对网络进行测试,该网络计算输出误差几乎都在0.001mm之内,其中最大误差为0.003mm。 并且在项目开发过程中,充分发挥MATLAB和Visual Basic各自的优势,利用混合编程使神经网络结构可移植性成为可能,并降低了开发难度,缩短了开发周期。

著录项

相似文献

  • 中文文献
  • 外文文献
  • 专利
代理获取

客服邮箱:kefu@zhangqiaokeyan.com

京公网安备:11010802029741号 ICP备案号:京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有
  • 客服微信

  • 服务号