嵌入式角位移传感器动态测量误差建模与补偿

针对嵌入式角位移传感器在工作过程中受到机械结构、电气系统以及外界环境等因素影响导致的原始测量误差较大,传统单一算法难以适用的问题,提出了一种基于集合经验模态分解和极限学习机的嵌入式角位移传感器动态测量误差补偿方法。通过对转子在整周范围内的原始测量误差进行集合经验模态分解,得到了一系列本征模态函数,利用相关性系数阈值法对本征模态函数进行筛选,选出其中对测量误差影响较大的分量,并对其进行希尔伯特变换,计算相应的瞬时幅值和瞬时频率,重构误差序列,利用极限学习机对残余误差进行预测补偿,得到传感器最终测量误差。实验结果表明：嵌入式角位移传感器的原始测量误差的峰峰值由117.9″降至4.5″,大幅提高了传感器的测量精度。