[发明专利]GMA内部光栅感知数据主动降噪处理装置及方法

摘要

本发明涉及一种GMA内部光栅感知数据主动降噪处理装置，它的超磁致伸缩致动器的超磁致伸缩棒上安装有第一温度传感设备和振动传感设备，超磁致伸缩致动器的线圈绕组上设有第二温度传感设备，超磁致伸缩致动器的动力线上设有电流传感器，超磁致伸缩致动器内部水冷腔上装有冷却水泵，冷却水泵的输出端通过管路连接超磁致伸缩致动器内部水冷腔入口，冷却水泵的输出端与超磁致伸缩致动器内部水冷腔入口之间设有水流量传感器，所述超磁致伸缩致动器的制动杆上安装位移传感装置；本发明能提高GMA内部的动态反馈信息的获取精度。

主权项

1.一种利用GMA内部光栅感知数据主动降噪处理装置进行GMA内部光栅感知数据的主动降噪处理的方法，所述GMA内部光栅感知数据主动降噪处理装置包括超磁致伸缩致动器(4)，其特征在于：它还包括计算机(1)、程控信号发生器(2)、程控滤波器(7)、音频功率放大器(3)和光栅解调仪(6)，其中，所述超磁致伸缩致动器(4)的超磁致伸缩棒(4.1)上安装有第一温度传感设备(4.3)和振动传感设备(4.4)，超磁致伸缩致动器(4)的线圈绕组(4.2)上设有第二温度传感设备(4.5)，超磁致伸缩致动器(4)的动力线(4.9)上设有电流传感器(10)，超磁致伸缩致动器(4)内部水冷腔(4.6)上装有冷却水泵(8)，冷却水泵(8)的输出端通过管路连接超磁致伸缩致动器(4)内部水冷腔(4.6)入口，冷却水泵(8)的输出端与超磁致伸缩致动器(4)内部水冷腔(4.6)入口之间设有水流量传感器(9)，所述超磁致伸缩致动器(4)的制动杆上安装位移传感装置(4.10)；所述计算机(1)的水泵控制信号输出端连接冷却水泵(8)的控制信号输入端，所述计算机(1)的程控控制信号输出端连接程控信号发生器(2)的信号输入端，程控信号发生器(2)的超磁致伸缩致动器控制信号输出端连接程控滤波器(7)的信号输入端，程控滤波器(7)的信号输出端连接音频功率放大器(3)的信号输入端，音频功率放大器(3)的信号输出端通过动力线(4.9)连接超磁致伸缩致动器(4)的控制端，所述第一温度传感设备(4.3)、振动传感设备(4.4)、第二温度传感设备(4.5)和位移传感装置(4.10)的信号输出端均连接光栅解调仪(6)对应的信号输入端，光栅解调仪(6)的信号输出端连接计算机(1)的磁致伸缩致动器状态反馈信号输入端，所述水流量传感器(9)和电流传感器(10)的信号输出端分别连接计算机(1)对应的感应信号接口；利用GMA内部光栅感知数据主动降噪处理装置进行GMA内部光栅感知数据的主动降噪处理的方法，其特征在于，它包括如下步骤：步骤1：计算机(1)控制程控信号发生器(2)输出超磁致伸缩致动器控制信号；步骤2：所述超磁致伸缩致动器控制信号经过程控滤波器(7)，再经过音频功率放大器(3)放大后驱动超磁致伸缩致动器(4)工作；步骤3：所述超磁致伸缩致动器(4)内的第一温度传感设备(4.3)采集超磁致伸缩致动器(4)工作时超磁致伸缩棒(4.1)的实时温度数据；超磁致伸缩致动器(4)内的振动传感设备(4.4)采集超磁致伸缩致动器(4)工作时超磁致伸缩棒(4.1)的实时振动数据；超磁致伸缩致动器(4)内的第二温度传感设备(4.5)采集超磁致伸缩致动器(4)工作时线圈绕组(4.2)的实时温度数据；超磁致伸缩致动器(4)的制动杆上的位移传感装置(4.10)采集超磁致伸缩致动器(4)工作过程中制动杆的高频位移信号；超磁致伸缩致动器(4)的动力线(4.9)上电流传感器(10)采集超磁致伸缩致动器(4)工作过程中的驱动电流的变化量；超磁致伸缩致动器(4)内的水冷腔(4.6)的冷却水泵(8)上安装的水流量传感器(9)采集超磁致伸缩致动器(4)冷却过程中的水流量变化；所述第一温度传感设备(4.3)、振动传感设备(4.4)、第二温度传感设备(4.5)和位移传感装置(4.10)分别将采集的超磁致伸缩棒(4.1)的实时温度数据、超磁致伸缩棒(4.1)实时振动数据、线圈绕组(4.2)的实时温度数据和磁致伸缩致动器(4)制动杆的高频位移数据以光信号的形式通过光纤(5)传输给光栅解调仪(6)，所述电流传感器(10)和水流量传感器(9)分别将采集到的超磁致伸缩致动器(4)动力线电流和水冷腔冷却过程中的水流量信号以电信号的形式传输给计算机(1)；步骤4：光栅解调仪(6)上分别对超磁致伸缩棒(4.1)的实时温度数据、超磁致伸缩棒(4.1)实时振动数据、线圈绕组(4.2)的实时温度数据和磁致伸缩致动器(4)制动杆的高频位移数据进行光电转换处理，并对得到的超磁致伸缩棒(4.1)的实时温度数据、超磁致伸缩棒(4.1)实时振动数据、线圈绕组(4.2)的实时温度数据和磁致伸缩致动器(4)制动杆的高频位移数据电信号进行降噪寻峰处理，消除由光栅解调仪(6)自身的不稳定因素造成的解调数据波动；光栅解调仪(6)将上述进行降噪寻峰处理后的超磁致伸缩棒(4.1)实时温度数据、超磁致伸缩棒(4.1)实时振动数据、线圈绕组(4.2)实时温度数据和磁致伸缩致动器(4)制动杆的高频位移数据传输给计算机(1)；步骤5：计算机(1)根据获取的超磁致伸缩棒(4.1)实时温度数据、超磁致伸缩棒(4.1)实时振动数据、线圈绕组(4.2)实时温度数据和磁致伸缩致动器(4)制动杆的高频位移数据、超磁致伸缩致动器(4)动力线电流和水冷腔冷却过程中的水流量信号为样本，并依据数据驱动理论，分别建立磁致伸缩致动器(4)高频振动谐波与驱动信号关系模型和磁致伸缩致动器(4)内部温度场模型，并依据磁致伸缩致动器(4)高频振动谐波与驱动信号关系模型和磁致伸缩致动器(4)内部温度场模型对振动噪声和磁致伸缩致动器(4)内部温度的进行抑制和控制，以实现通过实时调整GMA动力线电流和水冷却泵水流量，使GMA内部温度控制在‑0.5～0.5℃范围；所述步骤4中降噪寻峰处理的方法为：步骤4.1：使用已知的驱动信号激励超磁致伸缩致动器(4)；步骤4.2：对经过光电转换后的超磁致伸缩棒(4.1)的实时温度数据、超磁致伸缩棒(4.1)实时振动数据、线圈绕组(4.2)的实时温度数据和磁致伸缩致动器(4)制动杆的高频位移数据分别进行模数采样；步骤4.3：对采样得到的数据分别做快速傅氏变换得到每个数据对应的固有频带；步骤4.4：采用数字滤波技术滤除各个数据中由光栅解调仪(6)自身固有干扰因素导致的噪声成分，进而判断是否需要使用训练样本对分类器进行按深度神经网络的方法进行训练，即现有的分类器能否完成对测试样本的正确分类，不行就要用训练样本对分类器进行训练，如需训练，则进入步骤4.5；步骤4.5：用传统寻峰算法获取超磁致伸缩棒(4.1)的实时温度数据、超磁致伸缩棒(4.1)实时振动数据、线圈绕组(4.2)的实时温度数据和磁致伸缩致动器(4)制动杆的高频位移数据的波峰数据；步骤4.6：将获取的波峰位置数据作为样本信息；步骤4.7：用样本信息进行按深度神经网络的方法进行训练并提取波峰信号的能够判断波峰信号位置的特征值；步骤4.8：根据获取的波峰信号的特征值进行基于数据驱动理论的寻峰；步骤4.9：最后给出寻峰的结果，该结果即为降噪寻峰处理后的超磁致伸缩棒(4.1)实时温度数据、超磁致伸缩棒(4.1)实时振动数据、线圈绕组(4.2)实时温度数据和磁致伸缩致动器(4)制动杆的高频位移数据。