计算机控制系统实验广州大学,测试技术实验指导书(201704).doc

《机械工程测试技术基础》

实验指导书

戴 新 编

广 州 大 学

2017.4

前 言

测试技术顾名思义是测量和试验的技术。测试技术学习的最终目的是要解决实际问题,所以和理论课程相比,测试技术的实践环节显得更为关键。《机械工程测试技术实验》旨在提高学生综合应用从各门课程中学到的单元技术知识,独立构建、调试测试系统的能力,强化学生对测试系统工程实际的感性认识。它综合体现了各种单元技术在测试工程实际中的应用,是测试专业的学生接触工程实际的开始。

测试技术覆盖了很多知识领域,从测试信号的基本概念到现代测试信号分析方法,从传感器的基本原理到一个复杂大型的测试系统的建立,但在实际中,无法在一门课程里囊括所有这些知识和经验。本指导书根据目前实验室现有的实验条件及教学计划中的学时数,紧密结合理论教学,选择了一些重要的基本内容,实验主要为验证性实验,采用传统的实验模式,由实验教师指导学生完成实验。

通过实验,希望能够使学生牢固、熟练地掌握各种测试仪器的使用,学会调试测试系统的基本方法,包括传感器的使用,信号调理电路、数字化电路及显示单元的调试,在此基础上初步学会自行组建测试系统,并能够独立调试。

具体内容应包括:a.常用测试仪器的使用:在传感器使用及系统组建、调试的过程掌握示波器、数字万用表、信号发生器、稳压电源等的使用。b.传感器的使用:熟悉热电偶传感器、加速度传感器、液位传感器、转速传感器等原理及使用。c.常见物理量测试实验:温度测试实验、转速测试实验、液位测试实验、振动测试实验。由于条件限制,以上的实验内容还只能部分涉及。

实验完成后按要求应提交实验报告。实验报告是一种工程技术文件,是实验研究的产物。学生完成教学实验写出的报告,会为将来进行工程实验、科学研究书写实验报告打下基础,乃至于养成一种习惯,因此应按工程实际要求学生:内容如实,数据可靠;语言明确、简洁;书写工整、规范。实验报告的基本内容应包括实验题目、实验目的、实验仪器和设备(必要时画出连接图)、实验方法、实验结果(包括图表、数字、文字、表达式等)、对实验方法或结果的讨论、结论、参考资料、附录(实验中的图表等)。

目 录

实验一 传感器静态、动态性能标定1

实验二 用“李萨如图形法”测量简谐振动的频率8

实验三 用富利叶“频谱法”测量简谐振动的频率12

实验四 简谐振动幅值测量15

实验五 机械振动系统固有频率的测量18

实验六 光纤传感器的位移特性实验23

实验七 压阻式压力传感器的特性实验25

实验八 超声波传感器的位移特性实验27

实验九 电阻应变片测量梁应力29

附录一 BZ2101单通道电荷放大器使用说明33

附录二 ZK型虚拟测试振动与控制实验装置的组成与使用方法38

附录三 BZ2205C静态电阻应变仪使用说明48

实验一 传感器静态、动态性能标定

一、实验目的

了解电涡流位移传感器和压电加速度传感器的结构、工作原理及其应用。

熟悉电涡流位移传感器和压电加速度传感器灵敏度标定所用仪器。

掌握电涡流位移传感器和压电加速度传感器灵敏度标定的校准台法,了解其他的标定方法。

二、实验原理

压电加速度传感器灵敏度标定

灵敏度

压电加速度传感器的灵敏度有两种表述方法:当它与电荷放大器配合使用时,用电荷灵敏度Sq表示。即:

与电压放大器配合使用时用电压灵敏度Sv表示。即:

式中 Q ——压电传感器输出电荷(PC);

Ua——压电传感器的开路电压(mV);

a ——被测加速度(ms-2)。

压电加速度传感器灵敏度的标定方法

实验室常用的标定方法一般有校准台法、比较法和互易法三种。

(1)校准台法 加速度传感器校准台是一个能产生一定频率好一定加速度峰值的振动台。例如本实验中所使用的“JB-3B型振动传感器校准台”,其内部可产生频率为10Hz~1280 Hz、加速度峰值为2.5m/s2~100 m/s2的标准正弦加速度信号。将被标定的加速度传感器直接安装在振动系统的台面上,使其承受峰值为10 m/s2加速度的振动,根据前置放大器的输出电压值便可确定加速度传感器的灵敏度值。这种标定方法的精度为62%。注意电荷放大器是先将加速度传感器输出的电荷量转化为电压量,然后再经放大输出。确定传感器的电荷灵敏度时,要考虑放大器的增益。

(2)比较法 此方法是取一个经过计量部门标定过的加速度传感器和前置放大器作为基准,与需求校准的加速度传感器作对比试验,确定被标定传感器的灵敏度。标定时,将被标定传感器与基准传感器按背靠背的方法装在同一轴线上,承受同样的振动。分别测量出被标定传感器与基准传感器的输出振动量,然后折算出被标定传感器的灵敏度。

(3)互易法 此法不是通过直接测量振动量来确定灵敏度,

1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。 1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。 1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。
应用背景为变电站电力巡检,基于YOLO v4算法模型对常见电力巡检目标进行检测,并充分利用Ascend310提供的DVPP等硬件支持能力来完成流媒体的传输、处理等任务,并对系统性能做出一定的优化。.zip深度学习是机器学习的一个子领域,它基于人工神经网络的研究,特别是利用多层次的神经网络来进行学习和模式识别。深度学习模型能够学习数据的高层次特征,这些特征对于图像和语音识别、自然语言处理、医学图像分析等应用至关重要。以下是深度学习的一些关键概念和组成部分: 1. **神经网络(Neural Networks)**:深度学习的基础是人工神经网络,它是由多个层组成的网络结构,包括输入层、隐藏层和输出层。每个层由多个神经元组成,神经元之间通过权重连接。 2. **前馈神经网络(Feedforward Neural Networks)**:这是最常见的神经网络类型,信息从输入层流向隐藏层,最终到达输出层。 3. **卷积神经网络(Convolutional Neural Networks, CNNs)**:这种网络特别适合处理具有网格结构的数据,如图像。它们使用卷积层来提取图像的特征。 4. **循环神经网络(Recurrent Neural Networks, RNNs)**:这种网络能够处理序列数据,如时间序列或自然语言,因为它们具有记忆功能,能够捕捉数据中的时间依赖性。 5. **长短期记忆网络(Long Short-Term Memory, LSTM)**:LSTM 是一种特殊的 RNN,它能够学习长期依赖关系,非常适合复杂的序列预测任务。 6. **生成对抗网络(Generative Adversarial Networks, GANs)**:由两个网络组成,一个生成器和一个判别器,它们相互竞争,生成器生成数据,判别器评估数据的真实性。 7. **深度学习框架**:如 TensorFlow、Keras、PyTorch 等,这些框架提供了构建、训练和部署深度学习模型的工具和库。 8. **激活函数(Activation Functions)**:如 ReLU、Sigmoid、Tanh 等,它们在神经网络中用于添加非线性,使得网络能够学习复杂的函数。 9. **损失函数(Loss Functions)**:用于评估模型的预测与真实值之间的差异,常见的损失函数包括均方误差(MSE)、交叉熵(Cross-Entropy)等。 10. **优化算法(Optimization Algorithms)**:如梯度下降(Gradient Descent)、随机梯度下降(SGD)、Adam 等,用于更新网络权重,以最小化损失函数。 11. **正则化(Regularization)**:技术如 Dropout、L1/L2 正则化等,用于防止模型过拟合。 12. **迁移学习(Transfer Learning)**:利用在一个任务上训练好的模型来提高另一个相关任务的性能。 深度学习在许多领域都取得了显著的成就,但它也面临着一些挑战,如对大量数据的依赖、模型的解释性差、计算资源消耗大等。研究人员正在不断探索新的方法来解决这些问题。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值