旋转自动补偿捷联惯导系统技术研究

利用旋转法补偿陀螺漂移是提高捷联惯导系统精度的有效途径之一。由于旋转的引入,惯性测量单元中陀螺的常值漂移将被调制成周期性信号,通过积分运算可以有效地消除常值陀螺的漂移影响。提出了一种新的单轴旋转调制方案,对该方案进行了理论推导、分析和仿真。与以往的单轴旋转方式及未采用旋转方式时的导航误差进行了比较,结果表明本方案可以消除所有方向上陀螺常值漂移的影响,从而大大提高位置和姿态精度。     

特征保持的点云精简技术研究

为了在保持特征的基础上有效地简化点云数据,提出了基于聚类的点云精简算法.对点云进行三维栅格剖分,在每个栅格中选取1个代表点作为初始类核心,然后将点云中其他数据点归入欧氏距离最近的初始类中,遍历各个类,若类内某两点的法向量偏差大于给定带宽则对该类进行迭代细分,并对各个类进行均值漂移处理,将得到的局部模态点取代该类,从而实现点云简化.以手机外壳、人头、麻花钻为典型实例,对具有不同表面特征的点云数据进行了验证.结果表明,该算法能对点云数据进行直接而有效的精简,在曲率变化大、附加特征多的表面仍能很好地保留原始模型的几何形状.     

上市公司临时报告对资本市场信息传递的影响

以中国资本市场上2000-2009年的上市公司为研究样本, 文章探讨了上市公司临时报告对资本市场信息环境的影响, 发现了临时公告对资本市场信息环境的积极提升作用. 实证结果表明, 上市公司临时报告提高了股票价格中的公司 个体层面的信息含量, 具体表现为: 临时报告降低了股票价格的同步性, 增加了收益率的异质波动性, 增加了信息交易的概率. 以是否具有研发行为、外部分析师数量的多少、所处地区市场化发展程度的大小,作为公司所处信息环境的代理变量, 文章发现在信息不对称程度较高的上市公司中, 临时报告提高股票价格信 息含量的作用更加明显. 实证检验还发现, 临时报告使得上市公司信息传递更加平稳, 降低了股票价格暴跌的风险; 临时报告提高了盈余信息反应到股价中的速度和程度, 提高了盈余反应系数, 降低了盈余公告后的漂移程度.     

电漂移对托卡马克中高能粒子轨道的影响

通过数值求解漂移运动方程,对托卡马克中高能粒子运动轨道进行了研究.在HL-2A装置参数下,考虑电漂移对粒子运动轨道的影响,数值模拟了电漂移对粒子运动轨道影响.模拟结果表明,电漂移会使得氘离子的运动轨道出现一定程度的漂移,并且导致香蕉轨道宽度变窄.     

电致塑性效应机制研究及其展望

对电致塑性微观机制的研究现状进行综合评述,讨论了漂移电子在电场作用下形成的电子风力对可动位错密度、分布和结构的影响,对堆垛层错能的影响,对显微组织的影响,同时对现有的研究理论基础进行了总结,最后对金属电致塑性的应用及所面临的技术问题进行了分析。     

时空加权回归模型的影响分析

基于数据删失模型,探讨各组观测数据对模型拟合的影响程度,给出Cook统计量;基于均值漂移模型,利用两步估计法对模型进行拟合,研究异常点检验问题,并构造检验统计量.     

利用两台独立激光器的拍频方法监测激光频率的锁定

采用两束独立激光拍频的方法,利用中心波长为780 nm的TOPTICA半导体激光器作为参考光对另一台中心波长为780 nm的MOGLABS半导体激光器锁定频率的稳定性进行监测.为了获得最优的拍频信号,对拍频条件进行了观测,分析了待测激光的光强、待测激光束与参考激光束的夹角及其偏振方向夹角对拍频信号的影响.在拍频信号最优的情况下,得到拍频信号的漂移量为1.804 MHz,可以认为待测激光的锁定频率是比较稳定的.拍频的方法为激光频率的锁定提供了一种有效的监测手段.     

IUKF neural network modeling for FOG temperature drift

A novel neural network based on iterated unscented Kalman filter （IUKF） algorithm is established to model and com- pensate for the fiber optic gyro （FOG） bias drift caused by temperature. In the network, FOG temperature and its gradient are set as input and the FOG bias drift is set as the expected output. A 2-5-1 network trained with IUKF algorithm is established. The IUKF algorithm is developed on the basis of the unscented Kalman filter （UKF）. The weight and bias vectors of the hidden layer are set as the state of the UKF and its process and measurement equations are deduced according to the network architecture. To solve the unavoidable estimation deviation of the mean and covariance of the states in the UKF algorithm, iterative computation is introduced into the UKF after the measurement update. While the measure- ment noise R is extended into the state vectors before iteration in order to meet the statistic orthogonality of estimate and mea- surement noise. The IUKF algorithm can provide the optimized estimation for the neural network because of its state expansion and iteration. Temperature rise （-20-20℃） and drop （70-20℃） tests for FOG are carried out in an attemperator. The temperature drift model is built with neural network, and it is trained respectively with BP, UKF and IUKF algorithms. The results prove that the proposed model has higher precision compared with the back- propagation （BP） and UKF network models.     

基于特征显著性的均值漂移鲁棒目标跟踪

在均值漂移算法框架下,提出基于目标显著性的特征融合与在线模板更新策略,实现复杂动态环境下的鲁棒跟踪.通过目标区域与背景区域的特征对比定义了特征显著性测度.提出了基于特征显著性的色彩空间选择以及基于Gabor小波稀疏编码的纹理特征提取算法.通过特征显著性加权实现参考直方图模板的初始化,并在此基础上针对遮挡现象与目标自身形变的区别设计了在线模板更新策略.实验结果表明,本文方法与其他跟踪算法相比具有较强的鲁棒性和较高的准确性.
     

基于模糊神经网络的MEMS陀螺温度漂移建模

微机电系统(MEMS)陀螺的温度漂移呈现复杂的非线性特性,常规的方法无法对其建模.本文提出了一种基于模糊神经网络(ANFIS)的陀螺温度漂移建模的方法,ANFIS具有良好的逼近非线性函数的能力,适合于非线性系统的建模.通过ANFIS对MEMS陀螺的温度漂移进行建模,经实测数据验证,该方法具有较好的效果.通过该模型的温度补偿算法,使MEMS陀螺的定位精度提高了20倍.