[发明专利]一种测量用的参数校准系统在审

专利信息
申请号: 202010862700.7 申请日: 2020-08-25
公开(公告)号: CN111998885A 公开(公告)日: 2020-11-27
发明(设计)人: 马从国;翁润庭;杨中员;曹天一;周恒瑞;王建国;丁晓红;王苏琪;张海江;陈亚娟;刘伟;李亚洲 申请(专利权)人: 淮阴工学院
主分类号: G01D18/00 分类号: G01D18/00;G06N3/04;G06N3/08
代理公司: 淮安市科文知识产权事务所 32223 代理人: 李锋
地址: 223005 江苏省*** 国省代码: 江苏;32
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 测量 参数 校准 系统
【权利要求书】:

1.一种测量用的参数校准系统,包括参考物架置台(3)、传感器架置板(2)与基层平台(1),所述参考物架置台(3)、传感器架置板(2)设置于所述基层平台(1)上,其特征在于,所述基层平台(1)上还设置有第一纵向滑移组件、横向滑移组件;所述传感器架置板(2)设置于所述横向滑移组件上,所述传感器架置板(2)随所述横向滑移组件横向滑动且所述横向滑移组件随所述第一纵向滑移组件纵向滑动;所述传感器架置板(2)上还设置测量传感器和MSP430单片机监测单元,所述MSP430单片机监测单元包括时间序列DRNN神经网络预测模型、经验模态分解(EMD)模型、多个Elman神经网络模型、多个NARX神经网络模型、小波神经网络融合模型和新陈代谢GM(1,1)灰色预测器;所述测量传感器的输出作为时间序列DRNN神经网络预测模型的输入,时间序列DRNN神经网络预测模型的输出作为经验模态分解(EMD)模型的输入,经验模态分解(EMD)模型输出测量传感器的低频趋势部分和多个高频波动部分分别作为对应的多个Elman神经网络模型的输入,多个Elman神经网络模型的输出分别作为对应的多个NARX神经网络模型的输入,多个NARX神经网络模型的输出作为小波神经网络融合模型的输入,小波神经网络融合模型的输出作为新陈代谢GM(1,1)灰色预测器的输入,新陈代谢GM(1,1)灰色预测器的输出作为测量传感器的测量校准值。

2.根据权利要求1所述的一种测量用的参数校准系统,其特征在于,所述第一纵向滑移组件包括第一纵向滑移导轨(201)与第一纵向滑移平台(202),所述第一纵向滑移导轨(201)通过支架(203)固定于所述基层平台(1)上,其下表面沿其长度方向转动连接有第一丝杆(204),所述第一丝杆(204)上螺纹连接有第一滑块(205),所述第一纵向滑移平台(202)套设于所述第一纵向滑移导轨(201)上且其与所述第一丝杆(204)对应位置与所述第一滑块(205)固定连接。

3.根据权利要求2所述的一种测量用的参数校准系统,其特征在于,所述横向滑移组件包括垂直于所述第一纵向滑移导轨(201)且转动连接于所述第一纵向滑移平台(202)上表面的第二丝杆(206),所述第二丝杆(206)上螺纹连接有第二滑块(207),所述第二滑块(207)上固定有横向滑移平台(208),所述传感器架置板(2)固定于横向滑移平台(208)上。

4.根据权利要求2所述的一种测量用的参数校准系统,其特征在于,所述第一纵向滑移导轨(201)的两侧边设置为向内凹陷的圆弧导轨(209),所述第一纵向滑移平台(202)与所述圆弧导轨(209)对应位置匹配设置。

5.根据权利要求4所述的一种测量用的参数校准系统,其特征在于,所述第一纵向滑移平台(202)上与所述圆弧导轨(209)匹配位置还滚动设置有若干个导轨滚珠(210)。

6.根据权利要求2所述的一种测量用的参数校准系统,其特征在于,所述第一纵向滑移导轨(201)的上表面沿所述第一纵向滑移平台(202)滑移方向还设置有一对纵向直线导轨(211),所述第一纵向滑移平台(202)与所述纵向直线导轨(211)对应位置设置一对条形凸起(212),各所述条形凸起(212)与各所述纵向直线导轨(211)匹配设置。

7.根据权利要求3所述的一种测量用的参数校准系统,其特征在于,所述横向滑移组件上还设置有第二纵向滑移组件,所述第二纵向滑移组件包括转动连接于所述横向滑移平台(208)的垂直于所述第二丝杆(206)的第三丝杆(213),所述第三丝杆(213)上螺纹连接有第三滑块(214),所述第三丝杆(213)的螺距小于所述第一丝杆(204)的螺距,所述传感器架置板(2)固定于所述横向滑移平台(208)上。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于淮阴工学院,未经淮阴工学院许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202010862700.7/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top