大尺寸箭弹质量特性测量过程中位姿标定方法研究

doi:10.3969/j.issn.1000-1093.2014.01.016

兵工学报 ›› 2014, Vol. 35 ›› Issue (1): 108-113.doi: 10.3969/j.issn.1000-1093.2014.01.016

大尺寸箭弹质量特性测量过程中位姿标定方法研究

王超，张晓琳，唐文彦，王军，马强

(哈尔滨工业大学电气工程及自动化学院，黑龙江哈尔滨 150001)

收稿日期:2013-02-27 修回日期:2013-02-27 上线日期:2014-03-18
通讯作者: 王超 E-mail:wangchao1984@hit.edu.cn
作者简介:王超(1984—)，男，博士研究生
基金资助:
国家自然科学基金青年科学基金项目(61108073)

Method for Improving Mass Property Measurement Accuracy of Large-size Projectiles

WANG Chao， ZHANG Xiao-lin， TANG Wen-yan， WANG Jun， MA Qiang

(School of Electrical Engineering Automation, Harbin Institute of Technology，Harbin 150001， Heilongjiang， China)

Received:2013-02-27 Revised:2013-02-27 Online:2014-03-18
Contact: WANG Chao E-mail:wangchao1984@hit.edu.cn

摘要/Abstract

摘要： 为提高大尺寸箭弹质量特性的测量精度，对产品测量位姿的标定方法进行了研究。建立测量设备运动学模型，在模型基础上分析了测量位姿误差对测量结果的影响。阐述了基于运动学原理的标定方法和标定步骤，并对标定模型中参数进行分析和分类，将神经网络与运动学相结合进行位姿的标定。实验结果表明，采用运动学方法标定位姿后将质心测量误差减小到原来的10%，转动惯量和惯性积测量误差减小到原来的90%和23%；而采用神经网络与运动学相结合的方法标定位姿后，质心测量误差减小为原来的7%，转动惯量和惯性积测量误差减小为原来的45%和15%.

关键词: 仪器仪表技术, 质量特性, 位姿, 测量精度, 运动学, 神经网络

Abstract: In order to increase the mass property measurement accuracy of the large-size projectile, the calibration methods of measured pose are investigated. A kinematics model for measurement system is established, and the influence of measured pose errors on measuring results are analyzed. A method and process of calibration based on the kinematics are introduced, and the calibration parameters are analyzed and classified. A calibration method using neural networks is provided. Experimental results indicate that the Kinematics method is used to reduce the errors of CG, MOI and POI to 10%, 90% and 23%, respectively, before calibration. The combination method of neural networks and kinematics is used to reduce the errors of CG, MOI and POI to 7%, 45% and 25%, respectively, before calibration.

Key words: technology of instrument and meter, mass property, poses, measurement accuracy, kinematics, neural network

中图分类号:

TJ76

王超，张晓琳，唐文彦，王军，马强. 大尺寸箭弹质量特性测量过程中位姿标定方法研究[J]. 兵工学报, 2014, 35(1): 108-113.

WANG Chao， ZHANG Xiao-lin， TANG Wen-yan， WANG Jun， MA Qiang. Method for Improving Mass Property Measurement Accuracy of Large-size Projectiles[J]. Acta Armamentarii, 2014, 35(1): 108-113.

参考文献

［1］潘文松，王昌明，包建东，等. 弹体质量、质心及质偏心测试误差补偿[J]. 机械工程师,2010（7）：1-2.
PAN Wen-song, WANG Chang-ming, BAO Jian-dong, et al. Measurement error compensating for missile mass centroid and centroidal deviation [J]. Mechanical Engineer,2010（7）：1-2（in Chinese）
［2］吴斌，杨全洁. 用扭摆法测量导弹惯性积的误差分析[J]. 弹箭与制导学报，2005，25(4):153-155.
WU Bin, YANG Quan-jie. Error analysis for testing missile’s product of inertia using torsion pendulum [J]. Journal of Projectiles, Rockets, Missiles and Guidance, 2005,25(4):153-155.(in Chinese)
［3］张心明，王凌云，刘建河，等. 复摆法测量箭弹转动惯量和质偏及误差分析[J]. 兵工学报，2008，29(4):450-453.
ZHANG Xin-ming, WANG Ling-yun, LIU Jian-he, et al. The measurement of inertia moment and centroidal deviation of rocket projectile with compound pendulum method and its error analysis [J]. Acta Armamentarii, 2008,29(4):450-453. (in Chinese)
［4］王超，唐文彦，张晓琳，等. 大尺寸非回转体质量特性一体化测量系统的设计[J].仪器仪表学报，2012,33(7): 1634-1639.
WANG Chao, TANG Wen-yan, ZHANG Xiao-lin, et al. Design of mass property integration measurement system for large size non-rotatinig bodies [J]. Chniese Journal of Scientific Instrument, 2012,33(7): 1634-1639.(in Chinese)
［5］李慧鹏,唐文彦，张春富，等.导弹转动惯量测试系统及误差分析[J]. 兵工学报，2007，28(2):206-208.
LI Hui-peng, TANG Wen-yan, ZHANG Chun-fu, et al. A measuring system of inertia moment of missile and its error analysis[J]. Acta Armamentarii, 2007,28(2):206-208. (in Chinese)
［6］ Wu C H. The kinematic error model for the design of robot manipulators[C]∥American Control Conference. San Francisco: IEEE, 1983:497-502.
［7］ Judd R P, Knasinski A B. A technique to calibrate industrial robots with experimental verification［J］. IEEE Transactions on Rototics and Automation, 1990, 6(1):20-30.
［8］任永杰，邾继贵，杨学友，等. 利用激光跟踪仪对机器人进行标定的方法[J]. 机械工程学报，2007,43(9):195-200.
REN Yong-jie, ZHU Ji-gui, YANG Xue-you, et al. Method of robot calibration based on laser tracker[J]. Chinese Journal of Mechanical Engineering, 2007,43(9):195-200. (in Chinese)
［9］ Aoyagi S, Kohama A, Nakata Y, et al. Improvement of robot accuracy by calibrating kinematic model using a laser tracking system-compensation of non-geometric errors using heural hetworks and selection of optimal measuring points using genetic algorithm［C］∥Intelligent Robots and Systems (IROS), 2010 IEEE/RSJ International Conference on IEEE. Taipei, Taiwan: IEEE, 2010: 5660-5665.

[1]	崔令飞，郭永红，修全发，史超，张硕阳. 基于国产嵌入式智能计算平台的无人机检测方法[J]. 兵工学报, 2022, 43(S1): 146-154.
[2]	李彬，谢新，唐文勇，陶江平，孙宜强，张辉. 基于近似模型的复合材料导管支臂结构性能分析[J]. 兵工学报, 2022, 43(6): 1435-1446.
[3]	吴则良，叶建川，王江，金忍. 基于深度自动编码器神经网络的飞行器翼型参数降维与优化设计[J]. 兵工学报, 2022, 43(6): 1326-1336.
[4]	励明君，姜毅，马立琦，潘霄. 基于神经网络算法的发射场坪承载能力预测方法[J]. 兵工学报, 2022, 43(5): 982-991.
[5]	袁航，罗迎，李开明，陈怡君，张群. 基于涡旋电磁波雷达的人体目标步态精细识别[J]. 兵工学报, 2022, 43(5): 1167-1174.
[6]	辛大钧，薛琨. 基于人工神经网络的非球形破片阻力系数预测模型[J]. 兵工学报, 2022, 43(5): 1083-1092.
[7]	张通彤, 姜湖海, 岳巍, 司晨, 袁满. 基于径向基函数神经网络的光电系统自适应控制[J]. 兵工学报, 2022, 43(3): 556-564.
[8]	周颖，谢振平，蒋晓军. 基于演化计算的迷彩目标隐蔽策略仿真设计[J]. 兵工学报, 2021, 42(9): 1987-1997.
[9]	李恒, 叶祖坤, 查文彬, 王禹林. 基于多传感器信息决策级融合的刀具磨损在线监测[J]. 兵工学报, 2021, 42(9): 2024-2031.
[10]	普运伟，刘涛涛，郭江，吴海潇. 基于卷积神经网络和模糊函数主脊坐标变换的雷达辐射源信号识别[J]. 兵工学报, 2021, 42(8): 1680-1689.
[11]	刘冰雁，叶雄兵，岳智宏，董献洲，张其扬. 基于多组并行深度Q网络的连续空间追逃博弈算法[J]. 兵工学报, 2021, 42(3): 663-672.
[12]	马月红，孔梦瑶. 基于改进快速区域卷积网络的目标检测轻量化算法[J]. 兵工学报, 2021, 42(12): 2664-2674.
[13]	严浩, 王洪波, 陈鹏, 张雷雷, 李云贵. 具有广义肩关节的上肢康复机器人优化设计[J]. 兵工学报, 2021, 42(11): 2491-2502.
[14]	张宏鹏，黄长强，唐上钦，轩永波. 基于卷积神经网络的无人作战飞机飞行轨迹实时预测[J]. 兵工学报, 2020, 41(9): 1894-1903.
[15]	刘秋，孙晋伟，张华, 胡煦，顾亮. 基于卷积神经网络的路面识别及半主动悬架控制[J]. 兵工学报, 2020, 41(8): 1483-1493.

大尺寸箭弹质量特性测量过程中位姿标定方法研究

Method for Improving Mass Property Measurement Accuracy of Large-size Projectiles

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

本文评价