[发明专利]一种智能室内设计用水平测量仪

摘要

本发明属于测量装置领域，公开了一种智能室内设计用水平测量仪，设置有壳体，测量仪主体通过螺栓固定安装在所述壳体的内部；伺服电机通过支架焊接安装在测量仪主体的后端；控制器分别与测量仪主体和伺服电机相连接，通过螺栓固定安装在所述壳体的底部；陀螺仪安装在所述壳体的后端，与所述控制器电连接；电源通过螺栓固定安装在所述壳体的内部，与所述控制器电连接。本发明通过陀螺仪获得当前状态整个装置与水平的夹角，并通过控制器控制电机转动一定的角度实现测量仪主体水平测量或竖直测量，实现了准确智能的测量室内尺寸。

主权项

1.一种智能室内设计用水平测量仪，其特征在于，所述智能室内设计用水平测量仪设置有壳体，测量仪主体，通过螺栓固定安装在所述壳体的内部；伺服电机，通过支架焊接安装在测量仪主体的后端；所述伺服电机的电流环控制参数自整定方法通过电机转子堵转消除q轴电流反向电动势的影响；在电流阶跃信号作用下，分析q轴一个周期T电流环PID参数；分析时将电流阶跃信号周期分为高电平区间[0,T/2]、低电平区间[T/2,T]；电流阶跃信号函数用e(t)表示，高电平区间电流响应函数用e1(t)表示，低电平区间电流响应函数用e2(t)表示；高电平区间为满足幅值变化的动态响应，采用PI调节；低电平区间保证低电平稳定性，采用PD调节；ITAE整定准则表达式为t表示时间，|e(t)|表示实际输出与期望输出的偏差值绝对值，ITAE准则控制系统瞬态响应振荡性小，对系统参数具有良好的选择性；对于伺服系统，电流环通过ADC采样得到跟踪响应电流，即为离散控制系统；对P值进行整定，初值P(0)对应ITAE指标为E(0)；P(i)对应ITAE指标为E(i)；i∈[1,∞)，i∈n；按照自适应粒子群优化算法对P值进行动态赋值，变量P(i)值所对应的适应度函数用fi表示，当fi<2％时，此时得到最优伺服整定P(i)值，自适应粒子群优化算法公式如下：x(t+1)＝wx(t)+c1r1(pbest‑x(t))+c2r2(gbest‑x(t))；w＝(wmax‑wmin)×exp(‑β(t/Tmax)2)+wmin；式中w为惯性权重，初始值取0.8，c1、c2为常数2，r1、r2为分布于[0,1]范围内的随机数，pbest为粒子本身找到的最优解，全局极值gbest为整个粒子群当前最优解；式中β取值由经验决定，为β∈[15,20]；根据群体适应度方差δ2判别局部极值是否是全局极值，群体适应度方差定义为下式：式中n为粒子数，fi为第i个粒子适应度，favg为粒子群目前平均适应度，f为归一化定标因子，f的取值为下式：f＝max{1,max|f1‑favg|},i∈[1,n]；如果出现粒子群过早收敛，则执行变异操作：gbest＝gbest×(1+τ×0.5)；τ为服从标准正态分布的随机变量，对gbest执行随机变异操作用来提高离子群算法跳出局部最优解的能力；在确定最优伺服系统P值后，分别整定高电平区间I值，D值取0和低电平区间D值，I值取0；对得到的整定参数进行校验，若作用下的电流闭环阶跃响应满足快速、稳态误差小等特征，则认为参数整定结果满足电流环控制整定要求，整定过程结束，否则重新进行整定；所述ITAE准则表达为：控制器，分别与测量仪主体和伺服电机相连接，通过螺栓固定安装在所述壳体的底部；所述控制器的电路一路是由空心互感器输出，通过导线连接共模扼流圈L1；共模扼流圈L1输出端一端连接二极管D5正极及MOSFET管Q1、MOSFET管Q2漏极；另一端接地；驱动芯片U1第3管脚为驱动信号输入端，第7管脚通过导线连接电阻R2再与MOSFET管Q1管脚1端连接、驱动芯片U1第5管脚通过导线连接电阻R10再与MOSFET管Q2管脚1端连接；整流桥BR1输出端通过导线连接开关电源芯片U4第8管脚电源输入端，同时连接稳压二极管D6；稳压二极管D6与电阻R3、电阻R8通过导线串联，电阻R3连接驱动芯片U1芯片第8管脚电源端，为驱动芯片U1供电；稳压二极管D6、电阻R3、电阻R8与电容CE5并联，再与电阻R21、电阻R22组成的串联支路并联；所述开关电源芯片U4输出端第1管脚通过导线连接到3.3V稳压芯片U12的输入端第2管脚；所述3.3V稳压芯片U12输出端为万能式断路器电子控制器主控制芯片供电；所述电阻R3、稳压二极管D6和驱动芯片U1通过导线串联并与电容CE5并联；电阻R22通过导线与电阻R8并联；MOSFET管Q7通过导线与MOSFET管Q1串联；小板互感器通过导线连接MOSFET管Q7和MOSFET管Q1；所述驱动芯片为现场可编程门阵列FPGA芯片；所述现场可编程门阵列FPGA芯片的制作方法包括：第一步，将驱动芯片中每一个可配置逻辑单元CLB、I/O单元、异构模块随机地放置到现场可编程门阵列芯片内部物理位置，得到一个初始布局；第二步，计算初始温度T0；第三步，布局迭代；第四步，局部优化布局；第五步，如果累计第三步中对步骤一至步骤三过程迭代总次数超过TAS，则输出当前最优布局并转第六步进行布线；否则令当前温度T为前一次执行第三步过程中新布局的接受率第一次低于44％时的温度，转第三步开始重复退火；第六步，布线初始化；第七步，为每个线程划分任务集，假设处理器个数为P，则创建P个线程，并且为每个线程Thd[i]创建任务集SigSet[i]，i∈{1,2,…,P}；将布线资源图RG划分为P个大小相等的不交叉区域，对于每个信号，如果落入区域i的目标节点sink个数越多，就将分给区域i对应的任务集SigSet[i]，i∈{1,2,…,P}，并保证每个任务集内的sink总数一样多；第八步，对每个线程任务集SigSet[i]中所有信号按照sink个数从多到少排列；第九步，启动P个线程，P个线程并行执行第十步；第十步，并行布线迭代；第十一步，同步P个线程，即等待每个线程都执行完第十步；由主线程检查整个电路的布线是否合法，如果布线合法，即没有重复被占用的布线资源节点，则转第十四步；否则，对所有重复被占用的布线资源节点的历史占用度加1，并且加大拥挤惩罚度，进行时序分析，转第十二步；第十二步，主线程重新布线拥挤的信号；第十三步，检查整个电路的布线是否合法，如果布线合法，则转第十四步；否则如果布线迭代次数不超过指定值Max，则进行时序分析并转第十步执行下一次布线迭代，否则转第十四步；第十四步，将其余P‑1个线程合并到主线程，输出布线结果并退出布线；电源，通过螺栓固定安装在所述壳体的内部，与所述控制器电连接；利用改进的向量机回归算法对输入电量数据产生回归向量机模型，向量机回归算法的向量机回归模型中的惩罚系数f、不敏感损失参数ε及核函数中的宽度参数σ2这三个参数，根据风电场实际场景需要，将标准化的训练数据随机分成N个大小相等的子集，先用其中N‑1个子集作为训练样本，电量得到一个回归支持向量机模型，另外1个子集作为验证样本，计算得到误差，这样循环进行次，直到所有的N‑1个子集都作为测试样本被预测一遍，取N次预测所得的误差的均值e％作为性能指标，其中由下式表示：式中，Actual(i)代表实际风能值，Forecast(i)代表预测风能值，越小，说明模型预测精度更高，然后将三个参数进行区间搜索，得到最优的结果，即最佳参数惩罚系数f、不敏感损失参数ε及核函数中的宽度参数σ2；陀螺仪，安装在所述壳体的后端，与所述控制器电连接；所述陀螺仪的稳定方法中，云台实时读取第一陀螺仪的数据获取云台的倾角&A；云台实时读取第二陀螺仪的数据获取车平面的倾角&B；云台MCU内部将实时获取到的&A与&B进行拟合，得出△&；判断当△&大于预设角度M是时，可判定车载云台相对车平面发生偏移，云台根据△&的角度实时矫正当前垂直角度回到用户预设角度；云台根据△&的角度实时矫正当前垂直角度回到用户预设角度，其原理在于，用户预设角度后，陀螺仪相对于车平面的倾角是固定的，当发生偏差时，该倾角会发生改变，改变的大小即之前计算出来的△&，故只需控制云台向反方向运行△&度，即可矫正云台位置。