面向位置敏感器件的反馈堆叠信号滤波方法

大型轴承套圈的表面反光性较强，且现场光环境多变，具有一定的不确定性。为解决位置敏感器件（PSD）提取光斑位置信息的不准确性，克服元器件、信号处理电路等带来的随机噪声干扰，提出了一种基于极限学习机（ELM）的反馈堆叠模型（FsELM）。本数据集包括：4个独立的传感器所采集的原始测量数据、基于DrELM的数据处理结果、传统算法的数据处理结果、基于不同模型结构的FsELM的数据处理结果。The surface of large bearing rings exhibits strong reflectivity, while the on-site lighting environment is variable and possesses a certain degree of uncertainty. To address the inaccuracy of spot position information extracted by the Position Sensitive Device (PSD) and overcome the random noise interference caused by components, signal processing circuits and other relevant factors, a feedback stacked model (FsELM) based on the Extreme Learning Machine (ELM) is proposed. This dataset includes original measurement data collected by 4 independent sensors, data processing results based on DrELM, data processing outcomes of traditional algorithms, and data processing results of FsELM with different model structures.

搜集汇总

背景与挑战

背景概述

该数据集针对位置敏感器件在大型轴承套圈表面反光性强、光环境多变场景下提取光斑位置信息不准确的问题，提出了一种基于极限学习机的反馈堆叠滤波模型。数据集包含四个传感器采集的原始测量数据，以及基于该模型、传统算法和其他模型结构的数据处理结果，旨在克服随机噪声干扰并提高信号处理精度。