一种用于参数测量的检测装置制造方法及图纸

本发明专利技术涉及测量技术领域，公开了一种用于参数测量的检测装置，包括参考物架置台、传感器架置板与基层平台，参考物架置台、传感器架置板设置于基层平台上，基层平台上还设置有第一纵向滑移组件、横向滑移组件；传感器架置板设置于横向滑移组件上，传感器架置板上设置测量传感器，其随横向滑移组件横向滑动且横向滑移组件随第一纵向滑移组件纵向滑动。传感器架置板上还设置MSP430单片机检测单元，其上设置检测算法，对测量传感器的测量值进行检测。与现有技术相比，本发明专利技术通过第一纵向滑移组件、横向滑移组件实现测量传感器的横向移动与纵向移动，解决传感器测量过程中抖动测量不准的问题；通过检测算法，能准确的检测测量传感器的测量值。

【技术实现步骤摘要】
一种用于参数测量的检测装置
本专利技术涉及测量
，具体涉及一种用于参数测量的检测装置。
技术介绍
传感器作为获取自然界信息的源头，是进行工业生产，科学研究等领域不可或缺的重要元件。现有技术中有多种测量传感器，如温湿度传感器、红外传感器、光电传感器等等。而针对现有的多种多样的测量传感器，其测量过程中，环境因素对测量有很大的影响，如环境压强、环境温度等都对测量传感器的测量值有一定的影响，而如何能准确测量出参考物的实际参数值，在使用测量传感器测量时，如何避免环境因素对测量传感器的影响，使得测出来的参数值为参考物准确的参数值，传统的测量传感器测量没有根据参数变化的非线性、大滞后和测量传感器测量值变化复杂等特点，无法对测量传感器测量的参数值的准确性进行监测与预测。
技术实现思路
专利技术目的：针对现有技术中存在的问题，本专利技术提供一种用于参数测量的检测装置，通过纵向滑移组件与横向滑移组件进行配合工作，快速调节测量传感器与参照物之间的纵向距离和横向距离，同时通过MSP430单片机监测单元对测量传感器测量的参考物的参数值进行精准检测。技术方案：本专利技术提供了一种用于参数测量的检测装置，包括参考物架置台、传感器架置板与基层平台，所述参考物架置台、传感器架置板设置于所述基层平台上，所述基层平台上还设置有第一纵向滑移组件、横向滑移组件；所述传感器架置板设置于所述横向滑移组件上，所述传感器架置板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；所述传感器架置板上还设置有测量传感器和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、ARIMA预测模型、时间序列RBF神经网络预测模型、SOM神经网络分类器、多个ANFIS神经网络模型、多个NARX神经网络模型和新陈代谢GM灰色预测器；所述测量传感器的输出值分别作为时间序列DRNN神经网络预测模型、ARIMA预测模型和时间序列RBF神经网络预测模型的输入，时间序列DRNN神经网络预测模型输出、ARIMA预测模型输出和时间序列RBF神经网络预测模型输出作为SOM神经网络分类器的输入，SOM神经网络分类器输出多个类型的时间序列DRNN神经网络预测模型输出、ARIMA预测模型输出和时间序列RBF神经网络预测模型输出分别作为对应的多个ANFIS神经网络模型的输入，多个ANFIS神经网络模型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新陈代谢GM灰色预测器的输入，新陈代谢GM灰色预测器的输出作为测量传感器的测量预测值。进一步地，所述第一纵向滑移组件包括第一纵向滑移导轨与第一纵向滑移平台，所述第一纵向滑移导轨通过支架固定于所述基层平台上，其下表面沿其长度方向转动连接有第一丝杆，所述第一丝杆上螺纹连接有第一滑块，所述第一纵向滑移平台套设于所述第一纵向滑移导轨上且其与所述第一丝杆对应位置与所述第一滑块固定连接。进一步地，所述横向滑移组件包括垂直于所述第一纵向滑移导轨且转动连接于所述第一纵向滑移平台上表面的第二丝杆，所述第二丝杆上螺纹连接有第二滑块，所述第二滑块上固定有横向滑移平台，所述传感器架置板固定于横向滑移平台上。进一步地，所述第一纵向滑移导轨的两侧边设置为向内凹陷的圆弧导轨，所述第一纵向滑移平台与所述圆弧导轨对应位置匹配设置。进一步地，所述第一纵向滑移平台上与所述圆弧导轨匹配位置还滚动设置有若干个导轨滚珠。进一步地，所述第一纵向滑移导轨的上表面沿所述第一纵向滑移平台滑移方向还设置有一对纵向直线导轨，所述第一纵向滑移平台与所述纵向直线导轨对应位置设置一对条形凸起，各所述条形凸起与各所述纵向直线导轨匹配设置。进一步地，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的垂直于所述第二丝杆的第三丝杆，所述第三丝杆上螺纹连接有第三滑块，所述第三丝杆的螺距小于所述第一丝杆的螺距，所述传感器架置板固定于所述横向滑移平台上。进一步地，所述第一纵向滑移组件、横向滑移组件以及第二纵向滑移组件上均设置有结构相同的驱动机构，所述驱动机构分别为第一步进电机、第二步进电机以及第三步进电机，所述第一丝杆、第二丝杆、第三丝杆的一端均设置有结构相同的主锥齿轮和从锥齿轮，3个所述步进电机输出轴均与其对应的主锥齿轮中心固定连接，所述主锥齿轮与其对应的所述从锥齿轮啮合，所述从锥齿轮套设固定于其对应的丝杆上。进一步地，所述第一丝杆、第二丝杆和第三丝杆一端分别固定有旋转把手。进一步地，所述参考物架置台还包括固定于所述基层平台的垫高固定台、固定于所述垫高固定台上方的若干个竖直设置的电动推杆，所述电动推杆顶端设置有所述参考物架置台。有益效果：一、本专利技术使用时间序列DRNN神经网络预测模型是一种具有反馈的动态回归神经网络和适应时变特性的能力，该网络能够更直接生动地反映测量传感器测量值的动态变化性能，可以更加精确预测测量传感器测量值的实际值，时间序列DRNN神经网络模型为10-21-1的3层网络结构，其隐层为回归层，输出层为测量传感器的输出预测值。二、本专利技术采用ARIMA预测模型预测测量传感器的测量值，整合了测量传感器测量值变化的趋势因素、周期因素和随机误差等因素的原始时间序列变量，通过差分数据转换等方法将非平稳序列转变为零均值的平稳随机序列，通过反复识别和模型诊断比较并选择理想的模型进行测量传感器测量值数据拟合和预测。该方法结合了自回归和移动平均方法的长处，具有不受数据类型束缚和适用性强的特点，是一种对测量传感器测量值进行短期预测效果较好的模型。三、本专利技术采用的SOM神经网络分类器是一种数据分类方法。其目的在于将时间序列DRNN神经网络预测模型输出、ARIMA预测模型输出和时间序列RBF神经网络预测模型输出等数据空间中一组数据集合按相似性准则划分到若干个子集中，使得它们输出特征归一化参数每个子集代表整个数据样本集的某个特征，建立SOM神经网络分类器对时间序列DRNN神经网络预测模型输出、ARIMA预测模型输出和时间序列RBF神经网络预测模型输出特征归一化参数进行分类是找到合理的样本子集划分，根根归一化参数不同子集的特点输入对应ANFIS神经网络模型来预测测量传感器的参数值，提高预测测量传感器测量值的精确度。四、本专利技术分别采用动态时间序列DRNN神经网络预测模型、趋势预测ARIMA预测模型和静态网络的时间序列RBF神经网络预测模型形成互补关系实现对测量传感器的测量值进行同时预测的特点，在ANFIS神经网络模型前利用SOM神经网络分类器进行测量传感器的预测值归一化参数样本子集划分，每个子集采用一个对应的ANFIS神经网络模型，这种方法可以根据各个子归一化参数的特点采用对应的ANFIS神经网络模型，提高ANFIS神经网络模型的预测精度和运算速度，该预测方法具有较好的拟合精度和泛化能力。五、本专利技术所采用的NARX神经网络模型是一种能够有效对测量传感器测量值的非线性、非平稳时间序列进行预测的动本文档来自技高网...

【技术保护点】
1.一种用于参数测量的检测装置，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）上还设置有测量传感器和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、ARIMA预测模型、时间序列RBF神经网络预测模型、SOM神经网络分类器、多个ANFIS神经网络模型、多个NARX神经网络模型和新陈代谢GM（1,1）灰色预测器；所述测量传感器的输出值分别作为时间序列DRNN神经网络预测模型、ARIMA预测模型和时间序列RBF神经网络预测模型的输入，时间序列DRNN神经网络预测模型输出、ARIMA预测模型输出和时间序列RBF神经网络预测模型输出作为SOM神经网络分类器的输入，SOM神经网络分类器输出多个类型的时间序列DRNN神经网络预测模型输出、ARIMA预测模型输出和时间序列RBF神经网络预测模型输出分别作为对应的多个ANFIS神经网络模型的输入，多个ANFIS神经网络模型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预测值。/n...

【技术特征摘要】
1.一种用于参数测量的检测装置，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）上还设置有测量传感器和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、ARIMA预测模型、时间序列RBF神经网络预测模型、SOM神经网络分类器、多个ANFIS神经网络模型、多个NARX神经网络模型和新陈代谢GM（1,1）灰色预测器；所述测量传感器的输出值分别作为时间序列DRNN神经网络预测模型、ARIMA预测模型和时间序列RBF神经网络预测模型的输入，时间序列DRNN神经网络预测模型输出、ARIMA预测模型输出和时间序列RBF神经网络预测模型输出作为SOM神经网络分类器的输入，SOM神经网络分类器输出多个类型的时间序列DRNN神经网络预测模型输出、ARIMA预测模型输出和时间序列RBF神经网络预测模型输出分别作为对应的多个ANFIS神经网络模型的输入，多个ANFIS神经网络模型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预测值。


2.根据权利要求1所述的一种用于参数测量的检测装置，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所述的一种用于参数测量的检测装置，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...

【专利技术属性】
技术研发人员：王建国，翁润庭，崔家兴，杨中员，刘伟，周恒瑞，丁晓红，王苏琪，张海江，陈亚娟，马从国，柏小颖，
申请(专利权)人：淮阴工学院，
类型：发明
国别省市：江苏;32