基于传感器的精密光学位移测量预测研究

基于传感器的精密光学位移测量预测研究

卢方程

贵州振华华联电子有限公司  贵州省凯里市  556000

摘要：选择合适的传感器，设定测距获取光学测量原始数据。对采集到的数据进行整理与分析，获取待测目标位移特征参数。使用支持向量机理论结合位移特征参数，构建位移测量预测模型。计算预测模型损失函数，控制预测误差。

关键词：传感器；精密光学；位移测量

引言

位移量是最基本和最常用的测量量。由航天器探测到超大规模集成电路生产，从材料结构研究到纳米技术探索，都离不开高精度的位移测量。其中，以光栅为代表的栅式位移传感器是应用最广泛的精密测量领域，而我国的高端位移传感器大多依赖进口，其价格昂贵，而且对某些高精度传感器的进口限制直接制约了我国制造业和国防工业的发展。

1基本原理

在所提的基于共轭涡旋光干涉的精密位移测量算法中，将涡旋光的共轭干涉图样作为位移数据的来源。设计了基于涡旋光共轭干涉的精密位移测量系统，该系统由激光器、反射式准直器、1/4波片（QWP）、涡旋波片（VR）、分束立方（BS）、回射器和相机组成。光源选择波长为633nm的HeNe激光器，激光器输出的稳定线偏振平面波通过单模光纤耦合到反射式准直器中，经过准直扩束的线偏振平面波被1/4波片调制后变为圆偏振光，该光束通过涡旋波片后可得到稳定的涡旋光。该光束经过BS1后被分为两路：测试臂光束透过BS1后射入回射器中，在回射器中发生三次反射后沿原方向返回，并透过BS2照射到相机中；参考臂光束经过BS1和BS2后发生两次反射，与测试臂光束一同照射到相机中产生干涉。由于反射次数不同，故两光束共轭，记录下涡旋光共轭干涉图样的变化情况。利用数据处理软件对采集数据进行处理，获得旋转角弧度Δθ，进而得到精密位移数据。位移测量范围为λ/2，由式（7）可知，干涉图样的旋转角弧度小于π/（在两个相邻光强极大值之间）。在位移前后的涡l旋光共轭干涉图样中分别提取相同半径圆环上的相对光强分布，通过设定起止线将相对光强映射到数据标记上，该值将呈现出具有余弦特征的周期性变化，提取极值点对应的数据标记从而求出位移前后移动的平均值，将其与圆环上的数据总量相除后可求得位移前后干涉图样的旋转角弧度差Δθ，将Δθ代入式（7）中即可求得位移d。针对大测量范围的高精度位移测量，在涡旋光共轭干涉图样中设置多个（可取l个）中心对称的提取区域。在待测物体发生位移的过程中，记录提取区域的相对光强，并求平均值，该值呈余弦性周期变化，其中水平方向的激光光束通过空间光调制器“SLM1”加载相息图生成涡旋光束后依次经过平面镜“M1”、合束器“BS2”反射后入射到CCD相机作为测试光束；垂直方向的激光光束通过空间光调制器“SLM2”加载相息图生成与测试光束相反拓扑荷数的涡旋光束后依次经过平面镜“M2”反射、合束器“BS2”透射后入射到CCD相机作为参考光束与测试光束实现共轭干涉。

2障碍物检测系统的组成

障碍物检测系统由障碍物检测系统主机、传感器模组组成,其中障碍物检测系统主机又分为电源板、主动DIO(DigitalInputOutput)板、主动控制板、被动DIO板、被动控制板、视频处理板1、视频处理板2、通信板、交换板2、交换板1、X86处理板、CPCI底板;传感器模组分为辅助防护雷达、毫米波雷达、被动检测杆、视觉传感器、激光雷达、传感器电源管理模块。障碍物检测系统主机通过其插槽内的计算板卡实现传感器数据处理及障碍物识别上报。各个板卡功能如下:(1)电源板:地铁列车通常提供直流110V。障碍物检测系统内部板卡需要的电源为直流12V。通过电源板实现电源转换功能,同时电源板带有各种防护电路,可对过流、过压、浪涌等电源异常进行防护,提高障碍物检测系统的稳定性。(2)主动DIO板:实现障碍物检测系统的数字信号的输入输出功能。障碍物检测系统需要接收地铁列车的ATP(AutomaticTrainProtection,列车自动保护系统)切除、前进、后退、司机室激活等信号,这些信号采用110V电平信号,主动DIO板接收车辆的电平信号,将其转换为LVTTL(LowVoltageTTL)信号让内部板卡识别。同时障碍物检测系统检测到障碍物后输出制动信号,制动信号由LVTTL信号通过主动DIO板转换成车辆可识别的干触点信号。(3)主动控制板:主动控制板由一块ARM处理器构成,主动控制板与各个板卡间通过以太网连接,监测所有板卡的工作状态。主动控制板集成日志记录功能,当板卡发生故障后,主动控制板以日志记录形式保存故障信息并通过车辆以太网将故障信息上报至车辆。同时毫米波雷达和辅助防护雷达数据通过主动控制板进行处理。(4)被动DIO板:接收被动检测杆传入的碰撞信号,将碰撞信号传输给被动控制板进行数据处理;将被动控制板输出的制动信号(LVTTL信号)通过被动DIO板转换成车辆可识别的干触点型式的制动信号。(5)被动控制板:处理被动DIO板接收到的被动检测杆传入的碰撞信号,判断触发信号类型;输出制动信号给被动DIO板。

3基于传感器的精密光学位移测量预测方法

精密光学位移测量系统部通过传感器光电检测器(PD)和微透镜组成，用于产生激光信号并检测到输出光功率信号;外围LD调制电路提供工作电源，系统温度控制模块使LD温度维持稳定，并保证输出信号的准确性，以减少测量结果的温度误差;外部LD调制电路提供了工作电源，并使LD的温度保持稳定，输出信号的准确性，并通过FPGA开发平台将结果上载至上位机PC显示。LD自混合干涉系统具有光路简单、结构紧凑、易实现等特点;信号软件处理部分采用FPGA芯片，芯片功能强大，处理速度快，完全满足了系统要求。在对大量的精密光学位移测量方法进行分析后，确定了此部分方法预测部分的不足。将使用机器学习中的部分人工智能算法，对光学位移测量中的预测内容展开优化。在当前方法的基础上，应用已获取的数据对待测目标的位移情况进行分析，提升振动位移的控制能力。

3.1传感器精密光学测量原始数据采集

在本次研究中选取传感器作为光学测量数据采集设备，为在数据来源处提升预测方法的使用效果，本次研究中首先对光学传感器的型号与相关技术参数展开设定。根据已选定的成像设备的靶面尺寸，确定位移测量焦距，使用此式可对传感器的成像中心进行调整，避免采集到的数据存在误差，影响后续处理过程的数据使用效果。根据上述设定完成光学影像采集过程后，将光学设备坐标系转化为世界坐标系。

3.2位移数据整理与分析

获取到光学原始数据后，对此部分数据需要进行细致分析，并得到相应的待测目标位移特征参数。由于本次研究中使用传感器作为原始数据的采集设备，因此，采集到的数据具有周期性。鉴于本次研究中使用的光学传感器精度较高，采集到的数据点较为接近，在计算过程中需要计算位移分量。

3.3构建位移测量预测模型

针对本次研究需要完成位移动态预测的目标，选择支持向量机与上文中获取的位移特征，构建位移测量预测模型。在构建模型前，对大部分工程结构的位移变化进行了全面分析，并绘制位移变化曲线，由此曲线大致可确定位移变化周期及数据走向，与此同时，使用此部分设定的模型对精密光学位移测量展开动态预测，根据此预测结果确定待测目标的结构安全性。至此，基于传感器的精密光学位移测量预测方法设计完成。

结语

随着建筑工程项目的不断增加，人们对于建筑结构稳定性的要求逐渐提升，为对建筑结构的位移进行更高水平的监测，在本次研究中设计了一种新型的位移测量预测方法，经实验证实此方法的使用效果相对较高。由于技术上的限制，此方法在数据运算部分存在相应的不足，在后续的研究中需要对此部分展开优化。

参考文献

［1］徐劲澜，梁晋，赵鹏亮，等．光学测量方法在手机跌落测试中的应用［J］．中国测试，2019，45(01):34－39．

［2］乔楠，谢军，王强龙，等．多位移等式约束拓扑优化及在光电精密结构设计中的应用［J］．计算力学学报，2019，36(06):721－726．

［3］王磊杰，张鸣，朱煜，等．面向浸没式光刻机的超精密光学干涉式光栅编码器位移测量技术综述［J］，2019，27(09):1909－1918．