光纤位移传感器实验教学改进

传感器与检测技术实验教学是课程教学重要的组成部分,伴随着光纤通信技术的发展光纤传感器得到了广泛应用,其具有抗干扰能力强且对某些恶劣环境不敏感等特点。在光纤位移传感器实验教学中,由于实验结果数据的分析处理比较繁琐、计算量大,有时数据处理不当等往往影响学生对于光纤传感器的正确认识。在实验教学上通过引导学生采用Excel软件进行数据处理,可以方便高效地实现数据计算与绘图等功能,与传统人工方法相比明显提高了实验报告质量,取得了较好的实验教学效果。     

电磁传感器测量数据处理与应用

为了提高电磁流动成像测量数据的应用效果,在分析电磁传感器测量响应特征和噪声特点的基础上,采用线性滤波方法,对于气-水分层流动的实验测量数据进行处理试验,优选出五点二次平滑处理方法。相对于测量原始数据,采用处理后的数据计算持水率和重建流体图像,具有更高精度和更好质量。     

基于最小二乘法的应变式传感器测试数据处理及分析

任何实验数据都要进行处理与分析,在应变式传感器标定过程中常用最小二乘法进行数据的最后处理与分析．最小二乘法是传感器静态实验中最常用的数据处理方法,它应用普遍,方法简单,使用方便;在工程应用中有着重要的意义．正是用最小二乘法对传感器的静态实验后所测得数据进行处理与分析,并提出了如何改善系统稳定性的方法．     

传感器网络中基于过滤的概率Skyline查询算法

针对感知数据固有的不确定性问题,研究了无线传感器网络中概率Skyline查询的处理与优化技术.首先分析了概率Skyline查询的性质,证明了概率Skyline查询的不可分解性,因而无法直接利用网内计算方法求解;进而提出了无线传感器网络中基于过滤的概率Skyline查询处理算法(filter basedprobabilisticSkylinequeryprocessingalgorithminWSN,FPSP).FPSP算法将感知数据划分为候选数据、相关数据和无关数据;只需要候选数据和相关数据即可求得概率Skyline查询结果,可以在传感器节点过滤无关数据以避免大量的数据网内传输.仿真实验结果表明,FPSP算法可以有效降低传感器节点的数据传输量,极大地延长了无线传感器网络的使用寿命.     

基于传感器的建筑承压风险预警研究

为了保障建筑的长期安全性,减少后期维护成本,提出基于传感器的建筑承压风险预警方法.通过分析建筑承压的风险特点,采用1210型压阻式传感器采集并传输建筑承压数据,并对提高传感器输出精度的温度补偿方法进行了函数设计,最后对得到的建筑承压数据进行无效数据剔除、插值处理、数据平滑与滤波处理,实现对建筑承压风险的预警.实验结果表明,该方法的预警结果一致性强,具有很好的温度补偿效果.     

基于动态层次聚类分析的多传感器一致性融合算法

为了提高集中式多传感器一致性数据融合的精度,在数据融合过程中,必须考虑从各传感器获得的数据可信度.为了克服现有一致性数据融合算法中定义的距离矩阵和关系矩阵存在的不对称性和主观性等缺点,本文定义了概率距离矩阵和基于统计置信度的关系矩阵,然后讨论了多正态分布共同均值的极大似然估计的统计性质和递推特性,并根据估计量的方差统计性质提出了一种基于动态层次聚类的多传感器一致性数据融合处理的方法,数据实验的计算结果表明,该算法优于现有的多传感器一致性数据融合方法.     

基于超声波传感器的机器人室内环境重构

针对超声波传感器在机器人定位中存在的测量距离与方向角误差问题,该文提出采用Hough变换算法与随机抽样一致算法对测量数据进行融合处理,降低基于超声波传感器的机器人在检测室内环境时的测量误差,并在此基础上对具有墙面与柱体的室内环境进行了建模实验,实验结果验证了该文所述方法能够对超声波测量数据完成有效处理,获得环境轮廓中线状特征和柱体特征。实验结果说明该方法对超声波在机器人室内环境重构中的应用具有一定贡献。     

加权数据融合算法在液化气监测中的应用

针对液化气监测系统具有实时性和突发性等特点,提出了一种应用在液化气监测中的动态预警方法,解决了在监控系统中需要手动调节阈值的问题。首先通过多传感器网络对被测环境中的数据进行采集,并利用贝塞尔公式对数据进行清理。采用加权数据融合算法对同类型传感器数据进行处理,根据二氧化碳浓度与爆炸上下限关系动态调整报警阈值。通过实地采集的数据计算,证明了该方法在不需要先验知识的情况下,可以有效减小系统误差,准确预警。     

多跳自组XMesh网络组网实验研究

利用美国Crossbow公司的IRIS系列节点,采用XMesh网络协议,中国人民解放军军械工程学院计算机网络与通信实验室进行了无线传感器网络组网实验,结果证明XMesh网络协议具有较强的自组织、自愈和路由数据的能力,适合在无线传感器网络中进行部署。该网络能实现对温度、湿度、光强、加速度等现场传感器数据的采集、传输、转发、接收、处理、监测等功能,具有一定的应用价值。     

基于主观贝叶斯多传感器数据融合的AGV精确定位研究

针对室内自动导引运输车（Automated Guided Vehicle,AGV）定位偏差大、精度不足的问题，提出了一种基于主观贝叶斯网络的传感器数据融合定位方法.该方法首先结合卡尔曼滤波模型，对不同传感器的数据进行滤波处理，并通过主观贝叶斯网络模型计算信息增益大小，从而自主地选择传感器数据；再将选择的传感器数据进行融合；最后根据融合后的传感器信息进行AGV位置状态更新，获得更精确的AGV位姿信息.仿真实验结果表明，在室内实验环境中，主观贝叶斯网络融合算法能够实现多传感器的数据互补.与RUKF算法相比，该方法的均方根误差缩小到了0.17 m，定位精度提高了43.6%，定位时间缩短了0.071 s，效率提高了4.5%，数据稳定性提高了47.8%，其定位偏差明显小于单传感器的定位偏差，证明了该方法的有效性.     

磁阻传感器及其在飞行体姿态测试中的应用

介绍一种新型高灵敏度磁阻传感器的工作原理和使用方法,并用该传感器对飞行体的姿态进行了测量.根据线圈切割地磁场磁力线产生感应电动势的原理,通过理论推导得出飞行体姿态测试的计算方法,设计了一种基于磁阻传感器的姿态测量系统,并对其实验数据进行了分析和处理.     

基于自适应加权的多传感器实时数据特征值提取

为实现监测数据的特征值提取，对传感器数据的预处理、时间维及空间维融合方法开展了研究。建立了实时数据融合模型，提出了基于3σ-grubbs检验的异常数据预处理方法，兼顾了异常数据剔除的速度与精度，能很好地消除疏失误差;对单个传感器数据采用分批估计原理进行融合，得到了特征估计值，实现了数据在时间维上的融合;通过对多个传感器的特征估计值采用自适应加权方法进行赋权，实现了数据在空间上的融合，并提出了考虑传感器精度的算法修正。实例计算表明，数据经3σ-grubbs方法处理后方差减小了20%~54%，与传统的算术平均滤波方法相比，分批估计自适应加权融合算法的数据融合方差明显更小，考虑传感器精度后的融合结果更接近高精度传感器值，特征值提取结果更加准确、可靠。     

利用能效和延时的无线传感器网络性能评估方法

为提高无线传感器网络的性能,提出一种基于能效和延时的无线传感器网络性能评估方法.在收集无线传感器网络数据样本基础上采用网络能效和网络延时作网络性能评估指标,并进行归化一化处理,并采用神经网络对数据进行学习,建立无线传感器综合性能评估模型,进行了仿真实验.结果表明:相对于其它评估算法,该方法综合考虑了多个影响无线传感器网络性能的因素,评估结果更加可靠、科学.     

钻柱实验模态测试数据处理算法研究

对于变长度钻柱振动的实验模态分析中,在不同激励点所获得的频率响应特性不一样,个别点差异甚至非常大,实验数据存在以下问题:其一,个别测点存在频率缺失的情况;其二,有些测点得到的频率成分会集中在某个小频域范围内波动。针对以上实验模态数据存在的问题,提出了一种数据修正的算法,并编制了相应程序。通过在同一钻柱上调整传感器分布、选用不同材质锤头激励等方法分别做实验,获取了四组模态数据,使用本修正算法处理得到的钻柱固有频率一致性很好。应用有限元方法得到的钻柱的计算模态结果与实验模态结果也十分吻合。实验模态数据修正算法能较好地解决实验中被测对象固有频率的判断与修正问题。     

基于平方根容积卡尔曼滤波的四旋翼无人机的姿态解算

为了提高四旋翼无人机姿态解算的精度,提出了基于平方根容积卡尔曼滤波(square-root cubature Kalman filter,SCKF)的多传感器数据融合策略。基于加速度计、磁力计和陀螺仪输出的数据,采用了四元数的姿态解算方法,避免了单一传感器获得的姿态角误差过大的问题,解决了扩展卡尔曼滤波(extend Kalman filter,EKF)精度低以及无迹卡尔曼滤波(unscented Kalman filter,UKF)、容积卡尔曼滤波(cubature Kalman filter,CKF)协方差矩阵正定性丧失的问题。设计了基于pixhawk飞控板的实验方案。通过实验数据表明,与传统的EKF、UKF、CKF算法相比,SCKF的精度最高。且与UKF、CKF算法相比,SCKF具有计算时间少、数值计算稳定性强等优势。     

一种游梁式抽油机示功图测量方法

游梁式抽油机广泛应用于石油开采工作中.针对游梁式抽油机工况的诊断存在不能兼顾准确性与可靠性的问题，提出了一种新型游梁式抽油机示功图测量方法.该方法根据抽油机的机械结构和运动学公式计算出抽油机单个工作周期内的位移数据，保存至云端服务器.利用加速度传感器和载荷传感器，同步采集抽油机的加速度数据和载荷数据.通过对加速度数据进行均值滤波处理，截取出单个完整周期内的载荷数据，并上传至云端服务器，采用云计算绘制出抽油机示功图.实验证明，该方法优于现有的方法，具有精确度高、可靠性高、易于安装维护、成本低廉的优点.     

基于时空相关性的传感器网络数据压缩算法

针对当前传感器网络数据压缩算法存在压缩比率低、 数据变形严重等缺陷, 为提高传感器网络数据传输的实时性, 提出一种基于时空相关性的传感器网络数据压缩算法. 首先采集传感器网络原始数据, 采用空间变换技术从空间上分析传感器网络数据之间的相关性, 进行去噪处理, 减少噪声所占的空间资源; 然后根据传感器网络数据的时间相关性, 引入压缩感知算法对空间系数进行压缩处理, 减少传感器网络数据冗余; 最后通过仿真实验分析传感器网络数据压缩算法的性能. 仿真实验结果表明, 相对于其他传感器网络数据压缩算法, 该算法可在不损失传感器网络数据信息的条件下, 提高传感器网络数据压缩比率, 同时获得更快的传感器网络数据压缩速度, 减少传感器网络通信压力.     

基于统计模型的传感器网络查询系统的研究与设计

针对无线传感器网络数据处理的高实时性要求和节能要求,设计并实现了一种基于统计模型的传感器网络查询系统,采用了层次式的系统处理结构,并使用基于统计模型的优化方法改进了查询处理过程.最后给出了该系统与普通的WSN查询处理系统的性能对比分析,实验数据表明基于统计模型的查询策略提高了查询处理的效率,节约了无线传感器网络的能量消耗.     

基于可信度小波神经网络的多传感器数据融合方法

针对传感器数据的多样性, 提出一种基于小波和神经网络数据融合的改进方法. 首先, 对传感器数据进行预处理; 然后, 用小波和BP神经网络相结合的方法优化数据; 最后, 利用计算传感器可信度对数据进行融合. 传感器数据融合效果对比实验结果表明, 该算法针对数据预处理和数据融合的稳定性和有效性均较好, 融合结果的离散程度优于加权数据融合和Kalman数据融合等方法.     

基于可信度小波神经网络的多传感器数据融合方法

针对传感器数据的多样性, 提出一种基于小波和神经网络数据融合的改进方法. 首先, 对传感器数据进行预处理; 然后, 用小波和BP神经网络相结合的方法优化数据; 最后, 利用计算传感器可信度对数据进行融合. 传感器数据融合效果对比实验结果表明, 该算法针对数据预处理和数据融合的稳定性和有效性均较好, 融合结果的离散程度优于加权数据融合和Kalman数据融合等方法.