一种基于线阵CCD的位移测量方法
    1.
    发明公开

    公开(公告)号:CN116105609A

    公开(公告)日:2023-05-12

    申请号:CN202310146120.1

    申请日:2023-02-21

    Abstract: 本发明公开一种基于线阵CCD的位移测量方法。使用FPGA对线阵CCD采集到的4段特定位置的光强信号采样,然后对采样信号进行中值滤波处理,获得4路稳定准确的信号值。通过运算消掉信号直流量求出2路正交的信号,使用CORDIC算法求出对应的相位,最后把相位按对应计数关系转换为位移。本发明对线阵CCD采集到的光强信号进行运算处理,具有精度高,硬件资源占用少的特点。

    一种基于线阵CCD的光栅尺测量系统

    公开(公告)号:CN116007509A

    公开(公告)日:2023-04-25

    申请号:CN202310140765.4

    申请日:2023-02-21

    Abstract: 本发明提供的是一种基于线阵CCD的光栅尺测量系统。其特征是:它由可调节光强的发光二极管、透镜、反射镜、标尺光栅、指示光栅、线阵CCD读数头、信号前处理模块、FPGA信号控制模块、上位机组成。本发明通过线阵CCD采集光强信号,能够获得较为稳定准确的信号,从信号上截取4段进行处理,得到位移。本发明可以于微米级精度的位移测量,属于光栅尺测量技术领域。

    一种基于机器学习的φ-OTDR振动信号识别分类方法

    公开(公告)号:CN116226716A

    公开(公告)日:2023-06-06

    申请号:CN202310220120.1

    申请日:2023-03-09

    Abstract: 本发明提供的是一种基于机器学习的φ‑OTDR振动信号识别分类方法,其特征在于,包括以下步骤:S1、采集6种振动事件的一维时域信号;S2、将一维时域信号进行二维图像转换;S3、建立My method神经网络;S4、将数据划分为训练集和测试集,首先进入My method神经网络中卷积、池化以及全连接层进行训练;S5、经过卷积、池化和全连接层之后的输出向量转换为My method神经网络中SVM输入向量并进行训练;S6、利用测试数据进行识别分类的测试。本发明提供的是一种基于机器学习的φ‑OTDR振动信号识别分类方法,所述方法可实现对不同振动事件的快速识别及分类。

    一种反射镜焦点弥散斑的测量装置

    公开(公告)号:CN115791095A

    公开(公告)日:2023-03-14

    申请号:CN202211495683.3

    申请日:2022-11-27

    Abstract: 本发明涉及了一种反射镜焦点弥散斑的测量装置。其特征是:它由CCD探测器1、显微物镜2、中空45度反射镜3、平行光源及光管4、平行光管支架5、曲面反射镜6、底座支撑板7、反射镜x,y轴精密移动工作台8、z轴精密移动台9、计算机10组成。本发明能够同时测量被测反射镜聚焦弥散斑的能量分布和焦斑的长短轴,光轴与机械轴偏角等多个参量的测量,将检测信息传输到计算机中处理数据,大幅提高测量的效率和精度。

    一种基于双算子滤波的光纤振动定位检测方法

    公开(公告)号:CN115758220A

    公开(公告)日:2023-03-07

    申请号:CN202211495696.0

    申请日:2022-11-27

    Abstract: 本发明公开了一种基于双算子滤波的光纤振动定位检测方法。在传统的差分累加算法基础上,引入设计的La算子和So算子对时空幅值二维矩阵进行梯度卷积梯度滤波处理,对传统差分累加算法进行了优化,主要针对传统幅值累加算法差分步长值通常依据人工经验值来设定,耗费大量的测试时间,采用二维图像降噪的方法,对差分前的幅值二维幅值矩阵滤波操作,减少了传统幅值累加算法对差分步长的强依赖性,有效提高了系统的计算效率和信噪比。

Patent Agency Ranking