铰链四杆机构在飞参系统加装中的应用与分析

根据飞参系统角位移传感器加装设计的要求,提出利用铰链四杆机构来采集飞机左发油门位置的机械信号。采用解析法建立了该角位移测量机构的运动方程,算例仿真分析结果表明:传感器的角位移变化幅度大,采集精度高;角位移测量机构传动平稳,不影响飞机的操纵性能,满足飞参系统的设计要求和飞机的飞行安全。     

飞参数据应用浅析

根据飞机试飞、机务维修保障的特点以及飞行训练的特殊性,利用飞参系统记录数据的客观性,提出飞参数据在辅助机务维修保障、飞行训练质量评估和改进飞机的飞行性能等领域的应用。     

基于惯性测量单元旋转的陀螺漂移估计和补偿方法

陀螺仪的漂移误差是影响惯性导航系统的姿态测量精度的重要因素。常用的陀螺漂移估计及航向角误差修正方法需要用磁强计或GPS等外部传感器的辅助数据来实现,存在室内、磁干扰等环境下应用受限的问题。对此该文提出了惯性测量单元旋转的改进方法。该方法在测量过程中对陀螺仪施加独立于物体运动的特定旋转,通过旋转前后不同姿态下陀螺仪和加速度计输出的倾角数值,得到惯性测量单元漂移估计。实验表明,该估计算法可有效地提高航向角的测量精度。     

三向力传感器标定算法的实验研究

为研究三向力传感器标定算法的有效性,设计一种非对称结构的三向力传感器,并对该传感器采用单向加载的方式进行大样本标定实验,将实验数据代入标定算法,得到该三向力传感器的标定表达式.再对传感器多次进行空间任意方向力加载,记录加载力大小和方向角,将加载时的三个应变输出代入三向力传感器标定表达式,得到标定结果.通过将标定结果与实际加载值进行比较,得出三向力传感器的标定误差.实验结果表明:该三向力传感器标定算法具有一定的标定精度.     

采用混合算法优化神经网络滑模控制的机器人跟踪误差

为了避免机器人关节角位移受外界影响,提高运动轨迹的跟踪精度,采用混合算法优化神经网络滑模控制器,并对优化后的控制器进行仿真验证.建立机器人平面简图模型,利用拉格朗日定理推导出机器人关节运动方程式,采用神经网络算法构建RBF神经网络自适应滑模控制系统.为了增强控制系统的稳定性,削弱外界波形对机器人运动轨迹的干扰,利用粒子群算法和差分进化算法在线优化RBF神经网络滑模控制律参数,设计了改进RBF神经网络滑模可调参数的自适应控制律,保证机器人控制系统的稳定性.通过MATLAB软件进行仿真实验,并且与优化前机器人关节角位移输出误差形成对比.仿真结果显示：随着干扰波形幅度的增大,采用神经网络滑模控制器,机器人关节输出角位移误差逐渐增大,系统不稳定,而采用混合算法优化神经网络滑模控制器,系统反应速度较快,机器人关节输出角位移误差较小.机器人采用混合算法优化神经网络控制器,能够提高控制系统的抗干扰能力,稳定性较好、输出精度较高.     

CDMA2000系统数据辅助定时误差恢复与EVM分析

分析了基站综测仪中定时误差对EVM测量值的影响,研究了通用的平方律定时误差恢复算法和Garden算法.结合CDMA2000系统,提出了基于数据辅助联合PN同步的定时误差恢复算法(CM-DA).该算法利用PN同步的相关峰值进行误差估计,提高了相关计算值的利用率,节省了计算量,算法精度高于通用算法.通过系统仿真,该算法定时误差恢复的性能能够满足对综测仪EVM参数精度的要求.     

飞参数据预处理方法研究

飞参数据预处理是基于飞参数据的进行多领域研究和应用的基础,针对飞参系统采集、记录数据的特点,提出飞参数据趋势项分离、异常数据的识别定位、缺损数据的补正、时间标校、降噪滤波等预处理方法。     

基于改进型辅助变量法的压力传感器建模

针对经典压力传感器建模方法存在适应性较差、难以准确获取压力传感器动态特性的问题,提出了一种基于改进型辅助变量法的压力传感器动态建模方法。首先运用粒子群算法预估计模型参数,将预估计的参数代入差分方程构造辅助变量。然后利用输入、输出数据用辅助变量法辨识模型的参数,进行压力传感器系统仿真,在不同噪声模型及信噪比下得到系统输出,分别用提出的方法和现有方法建模,比较建模结果的差异。最后用激波管动态校准实验平台对压力传感器进行动态校准。根据输入、输出数据构造信息矩阵并对其正交分解确定模型阶次,再次用提出的方法和现有方法建模,验证仿真结果。通过压力传感器系统仿真及实验数据验证表明：在压力传感器建模中,改进型辅助变量法的辨识精度明显高于现有方法。     

寄生式时栅角位移传感器误差源分析与验证

为了提高寄生式时栅角位移传感器的精度,深入分析误差源产生机理和变化规律,确定其主次影响因素,通过对传感器结构分析和行波公式推导分析,得到寄生式时栅角位移传感器的主要误差来源,包括两相激励信号时间、空间正交性误差以及驻波信号幅值误差、线圈零点残余电压引起的误差等.对各误差分量的具体谐波频率次数进行理论推导,确定了产生不同谐波误差分量的具体原因,并通过实验进行验证.验证结果表明:导致传感器产生零点残余电压的误差影响因素对传感器测量精度的影响最为显著,为寄生式时栅传感器的主要误差来源;激励信号的时间、空间正交误差及两列驻波信号的幅值不等为次要来源.     

一种基于综合目标函数的神经网络学习算法

为提高多层前向神经网络的学习速度和算法的稳定性,提出一种基于综合目标函数的改进学习算法.该算法在误差平方和目标函数中引入一个辅助约束项构成综合目标函数,并利用综合目标函数训练网络的输出层权值,采用牛顿法推导出训练输出层权值的递推公式.辅助约束项隐含有对网络输出平滑性的约束,提高了学习算法的稳定性.利用该算法对不同非线性函数生成的样本数据的学习结果表明,新算法的收敛速度、精度均优于Karayiannis等人的二阶学习算法.     

非线性模型抗差最小二乘估计及其应用

以经典最小二乘法为基础,详细阐述了抗差因子的选取。从抵抗粗差的角度出发,抗差最小二乘法可提高非线性模型在有粗差干扰条件下参数估计的精度。以广东森林资源调查的样本资料,对提出的方法进行了检验与应用,结果表明提出的方法具有明显的抗粗差性。     

海洋水文气象观测设备误差校准算法研究

为了提高海洋水文气象数据采集精度,需要对观测设备获得的数据参数进行误差校准标定。本文分别对分段线性化算法、最小二乘法的曲线拟合计算方法和样条函数分段三次多项式算法进行对比分析,最终将通过所有误差标定点且标定点处曲线光滑连续的样条函数分段三次多项式曲线拟合法,作为标准数据与观测数据进行误差校准标定的基本方法。通过实验对比分析,三次样条函数分段拟合误差标定法能够降低数据测量误差,保证观测设备获得较为准确、可靠的数据参数。     

基于离散过程神经网络页岩油气储层有机碳含量预测

受地层岩性变化影响,传统方法进行有机碳含量(TOC)拟合预测精度偏低。为提高TOC拟合精度,减小普通神经网络对连续信号的时间累积误差,提出一种极限学习离散过程神经网络的TOC拟合预测模型。模型用向量模拟过程式输入,内部通过抛物插值的数值积分完成离散样本的时域聚合。通过对离散过程神经元的结构分析,提出极限学习训练算法,在隐层相关参数随机赋值后,通过Moore-Penrose广义逆求解输出权值,模型学习速度快。最后将该方法应用于TOC拟合预测,利用相关性分析,选取对TOC响应最敏感的测井曲线作为模型的特征输入。与传统方法和其他神经网络对比,该方法的拟合精度较高,预测TOC与实测值有更好的相关性。     

改进的Sage-Husa算法在提高激光位移传感器精度中的应用

激光三角法测距位移传感器因其具有非接触测量、测量速度快等特点,所以在测量与检测领域有广泛的应用。为了提高激光位移传感器的测量精度,从传感器测距原理入手分析影响系统测量精度的诸多因素,提出一种避免死循环的Sage-Husa滤波算法提高测量精度。最后结合LS—100CP型激光位移传感器与MATLAB进行实验仿真,同时与常规的Kalman滤波算法相比较,得出改进的Sage-Husa滤波算法精度较高且在激光三角法测量中的应用切实可行,有较好的实用价值。     

基于改进遗传算法的传感器特性方程的建立

在标准遗传算法的基础上,引入了变长度的编码方案、父子竞争的选择交叉机制、对优良个体的大变异操作等,算法的收敛速度得到很大提高,且能自动选择函数的形式、建立传感器的特性方程.结果表明,采用这种方法得到的拟合函数有着较高的精度.     

卡尔曼滤波与离散型数值积分相结合的示功图位移计算研究

为解决利用加速度传感器计算油井示功图的难题,提出一种卡尔曼滤波算法与离散型数值积分算法相结合用于油井示功图的位移计算和析出位移周期。卡尔曼滤波算法既过滤了加速度信号的噪声干扰,又保持了加速度信号的原始形状特征。位移周期的准确析出保证了位移计算原始数据的正确性。离散型数值积分算法可使位移测量的相对误差小于1％,满足了示功图精度的要求,适用于不同冲次的井型。     

基于LabVIEW的温度传感器特性实验数据分析系统设计

简要介绍了温度传感器特性实验,曲线拟合算法以及虚拟仪器软件LabVIEW,并利用LabVIEW设计了对温度传感器特性的实验数据进行曲线拟合的数据分析系统.实验表明,该数据分析系统界面友好,扩展性强,不仅可以便捷有效地对实验数据进分析,达到很高的精度,而且还提高了实验管理的自动化水平.     

桥梁全息性态特征提取方法试验研究

为了克服传统接触式位移测量仅能获取结构有限离散点的位移数据,难以准确、连续的表征整个结构几何变形的缺点。本文在统计学Normalized Cross Correlation分析的基础上提出一种无需在结构上布置任何靶点就能快速从结构振动视频中获取结构表面密集特征点位移响应的灰度值匹配算法。以试验室内超大跨自锚式悬索桥模型为研究对象,依次开展了小车行驶激励和单点激励两类试验,通过对同一视域内单目标和多目标追踪验证了本文算法的准确性、可行性和高效性,并提出匹配模板概念将基础算法做了进一步优化,进而缩短计算时间。试验结果表明：本文方法与传统接触式位移传感器获取结构动态位移响应的误差在5%以内,精度满足工程实践要求。本文算法可以在无靶点的情况下获取结构表面任意特征点的动态位移响应,且具有较高的精度、效率和可靠性,相对于有靶点非接触摄影测量和常规接触式位移测量,本文方法的可操作性和普适性更强,获取的数据更加全面。     

一种提高角速度解算精度的九加速度计配置方案

基于六加速度计的立方体配置方案,提出了九加速度计的无陀螺惯性测量组合(NGIMU)配置方案,并建立了其数学模型.提出了一种提高角速度解算精度的新算法,该算法利用加速度计的冗余信息,解决了角速度运算的符号问题,抑制了由于角加速度积分带来的加速度计输出误差的累积.同时进行了系统东西向位移、航向角、俯仰角和横滚角的仿真.仿真结果验证了方案的可行性和算法的有效性.