基于小波神经网络的动态测试误差溯源研究

　　引言

　　现代测试技术不断向高精度、动态性和自动化方向发展,因此,有关动态测试技术及动态精度理论的研究越来越受到人们的重视。近年来,国内外不少学者致力于动态测试方法及数据处理方法的研究,取得了一定的成果,但是对动态测试误差分析方法的研究还不够成熟,不能满足现代高精度测试的要求,需要深入研究新的理论和分析方法。为此,本文提出了一种新的理论——动态误差溯源理论,并且用两种现代信号分析方法,即小波分析与数据网络分析方法相结合,进行了动态误差溯源研究。

　　1　动态测试误差溯源的方法

　　动态测试误差溯源的研究是建立在对动态测试系统“白化”的基础上的。根据所建的系统“白化”模型,把测试系统输出总误差按系统特性分解到各个单元,即针对分解的各个单元误差了解其误差产生、变化及传递特性,从而实现误差溯源。

　　目前,小波分析和神经网络的结合有两种途径:

　　①松散型结合,即小波分析作为神经网络的前置手段,为神经网络提供输入特征向量。②紧致型结合,即小波和神经网络直接融合,用小波函数和尺度函数形成神经元[1]。

　　本文采用松散型结合进行动态测试误差溯源的研究。首先利用小波多分辨分析方法,将待研究的动态系统输出总误差信号分解到相互独立的频带内,各频带内的向量值分别代表不同的分误差信号,将之作为BP网络的输入特征向量,利用神经网络进行函数逼近,获取最终误差溯源结果。

　　2　动态测试误差溯源理论及其模型仿真

　　2.1　动态测试误差溯源理论的基本原理

　　传统的动态测试数据的分析方法是将测试系统看作一个“黑箱”,用一个传递函数逼近整个系统的传输特性,对系统内部各组成单元的动态特性及各单元之间的具体的传输关系,以及它们各自随时间的变化特性及其大小缺乏考虑,这已不适应现代高精度测试的要求。

　　误差溯源是继全系统动态精度理论后又一新的精度理论,是精度理论中的反向问题,它是根据动态系统最后输出的总误差来寻找测试系统中的各误差源。动态测试误差溯源必须建立在全系统精度理论基础上,根据所建立的全系统传递链函数和误差“白化”模型,采用适当的现代信号分析手段,将系统输出总误差分解为各单项误差成分及其各自随时间的变化规律,并进一步追溯到动态系统内部产生该项误差的母体组成单元或组成件及其动态特性,从而真正掌握整个系统在实际测试过程中的传输特性。

　　2.2　动态测试系统及其误差仿真与建模

　　典型的动态测试系统通常是一个混联系统,即系统内部有串联也有并联,图1所示为一简单的混联式动态测试系统。