中国科学院 长春光学精密机械与物理研究所, 吉林 长春 130033
为了降低探测器的噪声与暗电流，使光谱仪的CMOS探测器能获得更准确的光谱曲线，设计了探测器温度控制系统。本系统核心采用基于现场可编程逻辑门阵列（FPGA）的增量式比例-积分-微分（PID）控制算法。在传统控制算法的基础上，增加了抗积分饱和控制，并且在PID算法的前端增加了对目标值的过渡过程。该系统在实现探测器温度变化速率可控的同时，也解决了超调过大的问题。多次整机环境实验结果表明：在轨环境温度条件下，40 °C温差范围内该系统可以控制探测器以指定温变速率（4.5±0.05） °C/min达到任意温度；并且可在该温度下稳定工作；温度变化范围为±0.1 °C。相比于传统模拟PID控制方法，其具有灵活度高，稳定性强等优点。当制冷到−10 °C时，探测器的噪声得到了有效抑制。
增量式PID算法 抗积分饱和 输入过渡过程 噪声 incremental PID anti-integral saturation input transition process noise
1 吉林大学 电子科学与工程学院 集成光电子学国家重点联合实验室吉林大学实验区，长春 130012
2 吉林省红外气体传感技术工程研究中心，长春 130012
由于红外热释电探测器在低温环境下易发生温度漂移，导致非分散红外（NDIR）二氧化碳（CO2）农业火灾检测仪受低温影响较大。针对上述问题，本文设计了一种应用于-40 ℃低温环境的探测器温度控制系统。给出了NDIR农业火灾检测仪的原理，探究了热释电探测器温度漂移现象，在此基础上，设计了以STM32F103为核心的温度控制系统。将温度控制系统集成于火灾检测仪中，在-40 ℃环境温度下，将探测器温度从20 ℃起始温度控温，稳定在21 ℃的响应时间为16 s，温度波动的1σ值为0.012 6 ℃，响应时间和稳定性均满足低温环境下的控温需求。在控温条件下，对传感器进行了标定，将气体标定实验得到的吸收通道与参考通道电压信号的一次谐波幅值比和标准气体浓度值进行指数拟合，拟合优度达到了99.852%。利用纯氮气（N2）样品，对检测仪进行了25 min的稳定性测试，测得的浓度波动范围为-28.128 76×10-6~27.240 5×10-6。引入Allan方差进行评估，当积分时间为0.25 s时，检测下限为1.213 01×10-6；当积分时间为114.75 s时，理论上系统的检测下限可达到4.822 5×10-7。实验结果表明，该温度控制系统可以保证火灾检测仪在低温环境下的正常工作。
火灾检测 气体吸收 温度控制 BUCK电路 牛顿迭代法 增量式PID Fire detection Gas absorption Temperature control Buck circuit Newton iteration method Incremental PID 光学 精密工程
2021, 29(12): 2964
1 西安微电子技术研究所，陕西西安 710065
2 西安应用光学研究所，陕西西安 710065
在红外热像仪调焦系统设计中，通过电机带动调焦镜组沿直线导轨往复运动，从而对调焦镜组的位置精确变化实现焦距的变化。为了精确控制调焦镜组的位置，调焦控制系统需要高分辨率的编码器实时反馈调焦镜组的位置，以实现对调焦镜组的闭环控制。红外热像仪调焦控制系统中采用增量式光电编码器作为调焦镜组位置的反馈测量元件。针对增量式编码器的特点，利用 CPLD（complex programmable logic device）丰富的逻辑资源和可编程的灵活性，设计了一种读出电路，可以实时精确反馈调焦镜组的位置。经实际项目验证，该方案可以实时并精确地读出增量式光电编码器的位置信息，具有一定的抗干扰能力，可以实现高精度的位置伺服控制，满足系统要求。
闭环控制 增量式光电编码器 读出电路 closed-loop control, incremental optic-electric en CPLD
1 空军指挥学院, 北京 100097
2 中国人民解放军63686部队, 江苏 江阴 214431
3 中国人民解放军32146部队, 河南 焦作 454150
针对倾斜摄影大数据三维重建的需求，对增量式运动恢复结构（SFM）系统进行研究，对传统的SFM系统进行改造。设计并实现了一套高效鲁棒的线性增量式三维重建系统，解决传统增量式三维重建系统效率低、无法适应大数据等不足，为大数据的三维重建提供一套完整的解决方案。
倾斜摄影 大数据 SFM系统 线性增量式结构 三维重建 oblique photography big data SFM systtem linear incremental structure 3D reconstruction
中国科学院 长春光学精密机械与物理研究所, 吉林 长春 130033
为了在高温环境下测量角位移, 研制了一种基于光纤的耐高温增量式光电编码器。针对高温工作环境提出利用耐高温的光纤传输光, 在常温环境中采用FPGA处理增量式编码器的电信号, 并通过USB传输角度信息; 分析光源光束准直度对光电编码器的影响, 提出采用LED凸透镜光纤耦合的方式获得平行光; 最后, 使用自准直平行光管和23面体检测精度, 并对比LED凸透镜耦合方式和直接耦合方式的精度。实验结果表明: 该系统在100 ℃的高温环境下工作正常, 编码器头部外型尺寸为62 mm×42 mm, 分辨力为0.3″, 精度3σ=13.55″; 与LED直接耦合方式相比精度提高了20.8%, 满足高温环境下角位移测量的需求。
光电编码器 光纤 耐高温 LED凸透镜光纤耦合 增量式 photoelectronic encoder fiber high-temperature resistant LED convex lens fiber couple incremental FPGA+USB FPGA+USB
1 长春理工大学 电子信息工程学院, 吉林 长春 130000
2 中国科学院长春光学精密机械与物理研究所, 吉林 长春130033
3 中国科学院大学, 北京100049
增量式光电编码器输出信号的正交性和均匀性是其重要技术指标之一, 对增量式光电编码器的精度检测是编码器研制和生产过程中的重要环节。传统信号质量的检测是基于时间位置进行检测的, 其检测准确度受转速均匀度影响, 在高速、变速转动下对增量式光电编码器的动态性能检测并不准确。提出了一种基于空间位置的信号质量检测方法, 并设计了相应的检测系统。检测系统采用直流无刷电机带动高精度角脉冲发生器和被检增量式编码器同轴旋转, 并采集高精度角脉冲发生器在被检增量式编码器输出信号边沿时刻的数值, 进行误差计算。该检测系统极大地减小了由于转速不均匀造成的测量不准确度。运用该检测系统对输出脉冲周期数为32 400的增量式编码器进行检测, 并与时间位置检测法进行对比实验。实验结果表明: 该检测系统检测结果不受电机转速变化的影响, 可有效地提高检测精度及检测效率, 能够实现动态检测。该系统的研制为批量生产增量式光电编码器提供了极大的便捷。
增量式编码器 误差 均匀性 正交性 incremental encoder error uniformity orthogonality 红外与激光工程
2017, 46(10): 1017011
1 中国科学院合肥物质科学研究院安徽光学精密机械研究所, 合肥 230031
2 中国科学技术大学, 合肥 230026
暗电流是影响红外探测器测量精度的重要因素之一, 暗电流的大小及波动状况主要受器件工作温度的影响。为满足器件温变速率和控温精度的要求, 采用“限斜率”和增量式PID两种不同控制算法设计高精度温度控制系统。针对半导体制冷器(TEC)低电压大电流的工作特性, 先用开关电源将输入的高电压转换为低电压, 再用多只晶体管控制多路TEC, 以达到高转换效率且输出“纯净”的目的。将该温控系统应用于某星载红外分孔径InGaAs多路探测器, 实现了在指定的时间范围内探测器温度达到稳定状态, 进入稳态后实测温度波动ΔT不大于0.02 ℃, 优于为满足仪器偏振探测精度0.2%的指标所需的温度波动ΔT不大于0.2 ℃的要求。
红外探测器 半导体制冷器 暗电流 增量式PID算法 电噪声 infrared detector TEC dark current incremental PID control algorithm electrical noise
针对常规增量式Graph SLAM算法的后端优化无法高效排除错误闭环影响的问题，基于iSAM算法和SC算法，提出一种鲁棒闭环的增量式Graph SLAM算法R-iSAM。R-iSAM在增量式过程中对当前时刻引入的闭环约束的转换变量进行初步近似计算，得到合理的机器人节点位姿。在离线式过程中对当前时期的所有闭环约束转换变量进行精确计算，判断当前时期闭环的正确性，并作为以后优化节点的基础。对公开的数据集进行的算法实验表明，在添加不同类型、不同数量的错误闭环条件下，所提算法对不同数据集具有良好适应性，且收敛速度满足增量式SLAM实时性要求，证明了算法的有效性。
同步定位与地图构建 图优化 鲁棒闭环 增量式 simultaneous localization and map construction graph optimization robust close-loop incremental
1 西安交通大学电气工程学院电力设备电气绝缘国家重点实验室, 陕西 西安 710049
2 西安交通大学能源与动力工程学院, 陕西 西安 710049
提出了一种基于偏最小二乘增量式神经网络的近红外光谱定量分析模型。 该模型采用典型三层反向传播神经网络(BPNN), 不同波长吸光度和成分浓度是模型的输入和输出。 在使用历史样本训练之前先进行偏最小二乘(PLS)回归, 所得自变量和因变量的历史负荷矩阵分别用于确定模型输入层和输出层的初始权值, 且自变量的主成分个数作为隐层的节点数。 当获得新的样本时, 对新数据与历史负荷矩阵组合后进行PLS回归, 将所得新的负荷矩阵与历史负荷矩阵融合后作为模型输入层和输出层新的初始权值, 接着使用新样本对模型进行训练来实现增量式更新。 将所提模型与PLS、 BPNN、 基于PLS的BPNN、 递归PLS在天然气燃烧烟气近红外光谱数据上测定后比较。 对于烟气中二氧化碳浓度的预测, 所提模型的预测均方根误差(RMSEP)分别降低了27.27%, 58.12%, 19.24%和14.26%; 对于烟气中一氧化碳浓度的预测, 所提模型的RMSEP分别降低了20.65%, 24.69%, 18.54%和19.42%; 对于烟气中甲烷浓度的预测, 此模型的RMSEP分别降低了27.56%, 37.76%, 8.63%和3.20%。 实验结果表明, 所提模型不仅通过PLS对BPNN结构和初始权重的优化, 使模型具有较强的预测能力, 而且能在已建模型信息的基础上, 不访问旧数据而用新增样本即可完成自身的增量式更新, 从而使模型具有较好的稳健性和泛化性。
近红外光谱 定量分析 增量式神经网络 偏最小二乘 Near infrared spectroscopy Quantitative analysis Incremental neural network Partial least squares 光谱学与光谱分析
2014, 34(10): 2799
