基于差分进化与RBF神经网络的热工过程辨识

针对热工过程的非线性辨识问题,提出了一种基于差分进化算法(DE)的径向基函数神经网络(RBFNN)模型设计方法.该方法将DE算法的种群分解为几组并行的子种群,每组子种群对应于一类隐节点数相同的RBF网络.在RBFNN的学习过程中进行多子种群并行优化,从而实现RBF网络结构与参数的同时调整.算法可以利用热工对象的输入输出数据,自动设计出满足误差精度要求且结构较小的RBFNN模型.然后将该算法应用于热工对象的辨识,对于单输入单输出系统,得到的RBFNN模型只需1个隐节点.对于多输入单输出系统,RBF网络也仅需较少的隐层节点.仿真结果表明,用该方法设计的RBFNN模型结构简单,且辨识误差小,具有较好的泛化能力.     

基于直线特征的有理函数模型定位精度改善方法

探讨了利用已知直线特征进行有理函数模型定位误差在物方进行补偿的方法.推导了在两种物方补偿模型(平移加主因子比例和一阶仿射变换模型)下,基于已知直线特征进行补偿模型参数解算的数学模型.给出了利用已知直线特征进行有理函数模型定位误差补偿的解算方案.实验表明:基于线特征的补偿方法是可行的,并且平移加主因子比例模型的精度好于基于控制点的方法,也好于一阶仿射变换模型的补偿效果;但对于一阶仿射变换模型,该方法的补偿效果要比基于控制点的方法差.     

基于支持向量机回归的曲面零件涡流测距标定方法

以燃料贮箱筒段外表面聚氨酯泡沫层厚度测量精度要求为例,开展4种常见曲率筒段试件标定试验;提出基于支持向量机回归的涡流测距标定方法,建立提离距离预测模型(LDPM),用于曲面零件涡流测距;研究曲率对涡流测距测量误差的影响规律.根据测量误差产生的原因将测量误差分为两部分:表面曲率误差和其他误差,分析误差分量在传感器量程范围内相对大小的变化规律,为曲面测量误差补偿提供参考依据.此外,对比分析LDPM与常用标定方法获得的标定函数在测量精度、计算速率方面的优劣,为曲面零件涡流测距选用何种标定方法提供建议.研究结果表明:LDPM在传感器量程初始阶段,表面曲率误差对曲率不敏感;在量程中点附近,表面曲率误差绝对值随着曲率的增加,先减小后上升;在终点区域,表面曲率误差绝对值随着曲率的增加而上升.在整个量程范围内的不同测量区间,其他误差保持不变.此外,LDPM可以将测量误差控制在[-0.5, 0.5] mm,精度与5项多峰高斯拟合相当,高于4次多项式拟合,能够满足厚度测量精度要求,无损检测操作方便.     

基于卷积神经网络的多车桥梁动态称重算法

为识别多车工况下车辆过桥时的车辆重量,采用卷积神经网络技术开发出可用于多车轴重识别的桥梁动态称重(BWIM)算法.首先,利用车桥耦合系统采集不同车辆过桥时梁底的应变信号;之后,基于深度学习开源框架KERAS搭建了包含9层卷积层、2层全连接层的卷积神经网络(CNN)模型,利用Adam优化器训练CNN模型以拟合所获得的应变信号与车辆轴重在不同工况下的变化规律,并最小化拟合误差;最后,对所开发的算法在单车和多车加载工况下的轴重识别精度进行了对比分析.结果 表明:所提出的算法在单车和多车工况下的轴重识别误差均值基本低于5％,并且识别精度对车辆速度和横向位置的变化不敏感,说明算法的轴重识别效果良好且稳定.该多车BWIM算法摆脱了对桥梁影响线的依赖,为不适用于利用影响线方法进行动态称重的桥梁提供了可替代的称重技术.     

基于状态空间模型的机床热误差动态建模

提出了一种基于状态空间模型的机床热误差建模方法,以几个关键温度点的温升为输入,结合状态变量和干扰来确定热误差输出,由子空间辨识算法得到模型参数.同时,在一台数控车床上进行实验,以探究模型的精度和鲁棒性.结果表明:在不同的转速条件下,所提出的模型能够补偿70%的热误差;与自回归模型的建模方法相比,状态空间模型表现出更优异的鲁棒性.     

采用斜距波数子带划分的SAR 图像自聚焦方法

小型旋翼无人机载合成孔径雷达在运动中易受大气湍流等因素影响,产生二维空变的运动误差,影响SAR成像质量。本文提出一种基于拟极坐标系的快速因子分解反向投影（QPG-FFBP）成像自聚焦方法。该方法基于斜距波数子带划分,采用基于加权的相位梯度自聚焦模型估计每个子带的方位相位误差,并融合非系统距离单元徙动的相干性估计,完成全图像的运动补偿,解决二维空变误差补偿问题,提升图像的聚焦效果。通过仿真实验以及小型旋翼无人机载实测SAR数据验证了该方法的有效性。     

应用称重传感器测量倾角的方法

提出了将称重传感器用于倾角测量的方法,并通过实验加以验证.实验结果及计算结果与文中理论分析基本吻合,说明用称重传感器进行倾角测量在理论上是正确的.该方法存在一定的测量误差,但误差分布规律性较强,适合应用误差补偿方法以减小实际测量误差.经过补偿,使称重传感器测量倾角的实际误差减小了约99%,达到了较高的测量精度,完全可以满足工程实际倾角测量的精度要求.     

托利多称重系统在高量程工况下误差分析及处理

托利多称重系统在工业生产中使用非常广泛。本文通过对催化剂生产中托利多称重系统在高量程工况下产生的误差这一典型案例,在现场采用实验的方法确定故障原因,解决了这一典型故障,为生产中称重系统产生的类似问题提供参考。     

六自由度波浪补偿平台的神经网络自适应反馈线性化控制

六自由度波浪补偿平台所采用的大长径比非对称液压系统在深海区需完成大跨度、高速度的波浪补偿任务,这为控制系统的控制精度和抗干扰能力带来严峻的挑战.引入径向基神经网络(RBFNN)辨识,提出一种自适应反馈线性化控制策略.首先,建立六自由度波浪补偿平台非对称液压系统的非线性模型.然后,基于RBFNN辨识利用反馈线性化设计自适...     

变负载柔性机械臂复合学习控制

针对末端负载质量变化的柔性连杆机械臂运动轨迹跟踪控制问题,提出了一种结合径向基神经网络(RBFNN)和干扰观测器(DOB)的复合学习控制方法。利用RBFNN逼近连杆柔性引起的非线性不确定性,构造DOB实时估计包括负载变化、非线性摩擦、RBFNN逼近误差等效应的集中干扰,将两者用于控制器的前馈补偿设计以提升系统跟踪性能,同时设计鲁棒反馈控制律保证系统的稳定性。通过Lyapunov稳定性理论证明了所提控制方法可保证跟踪误差的有界性和闭环系统的稳定性。基于柔性机械臂平台的对比实验结果表明:所提控制方法在不同负载下可以保持跟踪精度在0.5%以内,负载变化引起的误差变化不超过2%;与仅使用神经网络的控制方法相比,跟踪性能提升了24.7%。     

基于多项相位变换的FMCW-ISAR微多普勒特征提取方法

主要研究了调频连续波逆合成孔径雷达(FMCW-ISAR)目标的微多普勒特征及其提取方法。在FMCW-ISAR系统中,脉冲持续时间内微动目标的连续运动将导致一维距离像产生走动和主瓣展宽,由此引入的误差将影响到后续的微多普勒特征提取以及成像,利用现有的微多普勒特征提取方法不能得到真实的目标微动特征。针对该问题,本文首先详细分析了FMCW-ISAR目标微多普勒效应的具体表现形式及其特点,应用多项相位变换的方法对导致一维距离像主瓣展宽和走动的误差相位进行了补偿,结合扩展Hough变换,提出了一种基于多项相位变换的FMCW-ISAR微多普勒特征参数提取方法。论文所提方法在微多普勒曲线产生展宽和走动的情况下,能准确提取出旋转目标的微多普勒特征参数,最后仿真实验验证了理论分析结果及所提方法的有效性。     

一种高精度旋转变压器解码算法

针对传统旋转变压器解码成本高和精度差等问题,提出了一种新的解码算法,利用旋转变压器输出信号进行解调和归一化处理后,再经过一系列混合运算得到伪线性信号后,对此信号进行逻辑分区判断,根据判断结果进行计算得到未补偿的角度信号,最后通过非线性精度补偿以提高解码精度。研究结果表明,该算法的实现不需要利用查表法和附加参考信号就可以实现高精度解码。经过理论计算,在0°～360°,未补偿前解码误差不高于0. 072 1°,补偿后解码误差不高于8. 65°×10~(-5)。该算法在TMS320F283 35中经过实验验证,结果表明其可以准确解得角度信息,解码误差为0. 000 389°,验证了算法的可行性。     

硬化非高斯结构响应首次穿越的Monte Carlo模拟

在对比分析已有硬化非高斯模型(Winterstein硬化模型、Ding和Chen模型)的基础上,提出了一个基于Zhao和Lu模型的新硬化非高斯模型.新模型预测偏度和峰度的误差比既有硬化模型小,且最大误差分别为0.311和0.479,表明新模型具有良好的精度;同时新模型扩展了Zhao和Lu模型的适用范围.最后运用新硬化模型模拟硬化非高斯过程样本,发展了硬化非高斯结构响应首次穿越的Monte Carlo模拟方法.数值算例验证了本文方法用于硬化非高斯结构响应首次穿越失效概率计算有较高的精度;杭州新火车东站大跨屋盖以及南水北调工程渡槽结构工程实例说明了本文方法的使用过程.     

经纬度坐标变换及其在防空C3I系统中的应用

利用地心坐标完成从雷达站球面坐标到指挥中心直角坐标的转换，给出一种变换公式，使转换一步到位，克服了可能引入的误差，给出了详细的推导过程和变换方法，在考虑地球表面曲率的影响下，对误差进行了分析和补偿，对同步测量数据进行了融合，并给出了几种解决偏差估计的方法。     

CO-OFDM系统中的相位噪声补偿算法

为了提高相干光正交频分复用（coherent optical orthogonal frequency division multiplexing,CO-OFDM）系统的性能,针对系统中产生的相位噪声,例如公共相位误差（common phase error,CPE）噪声与子载波间干扰（inter-carrier interference,ICI）,提出了一种新的CO-OFDM系统中相位噪声补偿算法,该算法是基于循环前缀（cyclic prefix,CP）插值算法与容积卡尔曼滤波（cubature Kalman filter,CKF）结合的相位噪声补偿算法。在第一阶利用CP进行线性插值,消除了公共相位误差（common phase error,CPE）噪声,对一阶补偿后的信号进行预判决,通过划分次符号,消除了部分载波间干扰（inter-carrier interference,ICI）,利用CKF对信号残余的相位噪声进行处理,经过两阶补偿,有效地抑制相位噪声。仿真结果表明,所提出的算法能有效降低相位噪声对系统的影响,在线宽较大时能改善CO-OFDM系统对激光器线宽的容忍度,降低错误平层,有效提高系统的性能。     

基于神经网络的盲波束形成方法研究

提出了一种基于径向基函数网络(RBFNN)的盲波束形成方法。该方法首先在不知道任何基阵方向向量先验知识的情况下，利用信号的多普勒信息估计波束形成的权矢量。然后引入径向基函数网络逼近估计的波束形成权矢量，从而实现盲波束形成。利用神经网络的并行结构，不但有效地提高了运行速度，而且对系统误差具有很强的鲁棒性。仿真实验验证了算法的正确性。     

虚拟关节臂式坐标测量机模型的构建与验证

关节臂式坐标测量机的测量误差受到众多因素的影响,且由物理构件带来的误差无法被消除。为此,笔者旨在构建一种虚拟关节臂式坐标测量机。首先,采用 D-H 矩阵建立其运动学模型,其次,利用 PC-DMIS 测量软件分析测量机数据并对模型的精确性进行检验,最后使用蒙特卡罗法和测量机模型完成仿真测量。通过与实际参数构建的模型、制造商参数构建的模型相对比,可知所构建测量机模型的测量精度能够满足要求。仿真结果表明提出的模型构建与验证方法对坐标测量的应用具有较高的工程价值。     

基于多散射中心联合抽取的步进频雷达成像方法

针对步进频雷达复杂目标抽取一维距离像时存在的多散射中心幅度损失问题,提出了一种基于多散射中心的联合抽取算法.方法根据目标最强散射中心,利用逆向舍弃法得到参考距离像,然后提取目标多散射中心峰值,并由强到弱得出能抽取到相应散射中心峰值的多组抽取起始点集合,依次对这些集合取交集,作为最佳抽取起始点.该方法确定的抽取起始点能够抽取到尽可能多的散射中心峰值,并且各散射中心的测距精度更高.经计算机仿真和实测数据验证,该方法抽取效果优于逆向舍弃法等传统抽取方法.      

基于径向基函数神经网络的飞机目标识别法

通过将自适应小波神经网络 (AWNN)中的小波基函数直接替换为 Gauss径向基函数 ,提出了一种适于对目标一维距离像信号直接进行分类的径向基函数神经网络(RBFNN)。对用于信号分类的 RBFNN网络结构的确定、RBFNN的训练以及最终判决规则的确定等问题 ,进行了深入的讨论。对 6个目标不同信噪比下的分类结果表明 ,提出的 RBFNN对距离像信号具有很强的分类能力 ,对于开发更加实用化的目标识别算法显示了很大的潜力     

OFD-LFM信号体制MIMO雷达运动目标HRRP合成方法

针对OFD-LFM信号体制MIMO雷达运动目标的高分辨距离像(HRRP)合成问题展开了相关的研究工作,首先给出了OFD-LFM信号体制MIMO高分辨雷达成像的几何关系图,在此基础上,通过严格的理论推导和详细的原理论述,提出了基于相位补偿的OFD-LFM信号体制MIMO雷达运动目标的HRRP合成方法,该方法利用了OFD-LFM信号中各子载波信号之间的正交性,可有效地合成出运动目标的HRRP。此外,还进一步分析了HRRP不发生卷绕的条件。仿真结果证明了本文方法的有效性。