排序方式： 共有5条查询结果，搜索用时 0 毫秒
1
1.
为实现NURBS曲面快速高精度实时差补,提出了基于修正型sigmoid函数的动力学模型,给出了最大速度、弓高误差、加工曲线的曲率半径和插补周期之间的约束条件.该模型在满足jerk、加速度、速度均连续的前提下,将常用的三次多项式S型以及三角多项式S型动力学模型的15个分段数减少至3个.在此基础上,提出采用差商代替导数的优化Adams算法,避免了常用的Taylor展开所遇到的高阶求导计算,求取了差补周期参数.最后通过减少低次零值B样条基函数的计算,对De Boor-Cox递推算法进行了简化设计,提出了精简型De Boor-Cox算法,缩减了计算量.仿真分析表明,所提算法可根据加工路径有效控制进给速度,在保证加工精度的同时,使计算量得到减少,提高了运算速度.实验结果显示本加工方法可以正确计算目标参数,并适合应用于实际加工系统. 相似文献
2.
基于修正莫尔信号的超精密定位技术 总被引：4，自引：0，他引：4
提出了一种新的超精密定位方法,该方法基于修正莫尔技术,以衍射光栅作为定位标记,可有效提高位置检测信号的灵敏度,且结构简单.建立了双光栅位移测量的数学模型,并进行了计算机仿真,用实验验证了激光莫尔信号特性的理论计算结果与实验测定结果的一致性.在此基础上,构建了一套以工业控制计算机为核心的精密定位装置,以修正莫尔信号为控制信号,由微机控制实现精密自动定位.系统通过软硬件方面的一系列抗干扰措施,确保了定位的高精度.实验结果表明基于修正莫尔信号的全自动精密定位装置可获得5 nm的位移分辨率及±0.5 μm的定位精度. 相似文献
3.
针对精密定位装置存在非线性,精确数学模型难于建立的缺陷,提出了精密定位的神经网络控制方法.将BP神经网络应用于该控制系统中,系统以光栅常数100μm的光栅为定位标记,以激光衍射产生的莫尔光光强及光强的变化率为神经网络的输入变量,利用神经网络的自学习功能进行精密定位控制.建立了精密定位的神经网络控制模型,模型由输入层、隐层和输出层3层神经元组成,通过对光强及光强变化率的映射,得到电机驱动信号.实验结果表明,使用神经网络控制,控制响应快,稳定性好,鲁棒性强,可有效改善控制质量,提高定位速度,系统可获得±0·5μm的定位精度. 相似文献
4.
为了提高计算机视觉领域中核心问题之一的基础矩阵估算的效率,基于条纹边界编码约束实现了一种快速估算方法．与传统的基于代数最小二乘法算法不同,该算法利用Hough变换将Hough半径作为最优化过程的最小化因子．在特定条纹边界编码的结构光投影系统模型下,利用条纹编码的共面性构造线性约束,采用Hough变换将同码像素映射到Hough空间,其交点的半径可作为最优化评价函数的最小化因子．再通过Levenberg—Marquardt最优化迭代过程估算出基本矩阵的全局最优解．实验结果表明了该算法的正确性,并证明了其可有效提高估算精度与效率． 相似文献
5.
1