小波阈值去噪和FAR建模结合的MEMS陀螺数据处理方法

为解决MEMS陀螺输出信号中噪声大、随机漂移严重的问题,提出了一种小波阈值去噪和函数系数自回归FAR建模结合的MEMS陀螺数据处理方法。采用小波阈值去噪法对MEMS陀螺输出信号去噪,提高其信噪比;为克服常用的自回归AR模型无法解决MEMS陀螺随机漂移存在的非线性问题,引入FAR模型对MEMS陀螺的随机漂移进行建模。实验结果表明,此数据处理方法可有效抑制MEMS陀螺输出噪声,且与AR模型相比,FAR模型能更精确地对MEMS陀螺随机漂移进行建模及预测。     

毕业生就业率预测及质量评估研究

本文针对我校毕业生历年就业数据的变化特点,采用多项式回归和多元线性回归两种不同的算法对就业数据进行数学建模,进而实现就业率的预测,并且利用残差对两种模型的质量进行了分析评估。     

基于ARMA模型和狼群算法的陀螺随机漂移建模研究

光纤陀螺的随机漂移误差是影响惯性导航系统精度的关键因素之一,根据陀螺随机漂移数据的数学模型进行补偿,可有效地提高系统精度.在大量实验的基础上建立陀螺随机漂移的自回归移动平均(ARMA)模型,同时使用长自回归模型法求解模型参数,再对参数进行优化.实验结果证明:经狼群算法优化后的陀螺随机漂移模型更加准确,建模精度相对于传统的时间序列分析法有了较大提高.研究内容对光纤陀螺随机漂移建模精度的提高有较好的参考价值.     

基于WLR和PSO-AFS-SVR的滚动轴承可靠度预测方法

在训练数据缺乏的情况下,为了提高支持向量回归机(SVR)对滚动轴承可靠度的预测精度,提出了一种基于威布尔线性回归(WLR)组合可靠度模型结合粒子群人工鱼群-支持向量回归机(PSO-AFS-SVR)的预测方法。首先,使用威布尔统计模型与线性回归（LR）的组合模型作为可靠度模型,利用测量滚动轴承振动信号的加速度计频谱,依据峰值频率分布的变化,分割其性能衰退的各个阶段,对每个阶段单独建模,以便最大程度地挖掘小样本信息;其次,采用k-折交叉验证(k-fold)的平均绝对误差(MAE)和平均相对误差(MAPE)之和作为适应度函数,利用PSO-AFS优化SVR参数,提高其泛化能力和预测精度;最后,采用滚动轴承全寿命周期试验数据进行了验证试验。试验结果表明,所提方法可以对滚动轴承的可靠度进行更准确的预测。     

陀螺温度控制及温度建模研究

介绍了陀螺数字PID温度控制方法以及陀螺仪温度试验系统的结构和特点,用该系统进行了某型陀螺仪的温度速率试验与位置试验。在试验数据的基础上,用线性回归算法建立了陀螺仪的静态温度模型。线性回归法算法简单,已用于实际工程中。     

稳健的重尾线性赌博机算法

线性赌博机模型是在线学习的基本模型之一，其每个摇臂的平均奖赏可以由线性函数进行参数化.该模型具有坚实的理论保证和良好的实际建模能力，被广泛应用于各个场景.然而在一些现实场景中，数据通常是从开放动态环境中收集得到，因而会存在数据不规范的问题，已有算法缺乏对此的稳健性.特别关注2类数据的不规范性：奖励函数的回归参数可能随时间变化，环境噪声可能无界，甚至不服从亚高斯分布.这2类问题分别被称为分布变化和重尾噪声.为了应对这2类不利因素，提出一种基于置信上界的在线算法，该算法使用均值中位数估计器以处理潜在的重尾噪声，同时采用重启机制来解决分布变化问题.在理论上，首先建立了问题的遗憾理论下界，进一步给出了算法的理论保障，所取得的结果可以回退到已有研究中没有分布变化或没有重尾噪声场景线性赌博机的理论结果.此外，针对未知环境设计了实用的在线集成适应技术，并在合成和真实世界的数据集上进行了广泛的实验来验证其有效性.     

逻辑模型树算法性能分析与改进研究

逻辑模型树(LMT)算法是基于树归纳和逻辑回归的一种分类算法。为验证LMT算法的优势,利用3个UCI标准数据集建模,将LMT算法与其他决策树方法进行对比分析。针对LMT算法在建立逻辑回归模型时会导致较高的计算复杂性的问题,研究利用赤池信息量准则改进LMT算法,提升算法时间性能,避免模型过度拟合。在UCI标准数据集和烟叶综合质量评价数据中应用改进的LMT算法进行建模验证,结果表明,该改进方法在模型精度和召回率方面基本优于其他决策树方法,时间性能比改进前提升50%左右,能较好地评价烟叶综合质量。     

基于杂交粒子群算法的多元线性回归的双语教学态度预测模型

为了提高多元线性回归分析模型预测双语教学态度的准确性和可靠性,采用杂交粒子群优化算法估算模型系数.将调查数据分为建模样本数据和测试样本数据,测试结果表明基于杂交粒子群优化算法的多元线性回归模型具有较高的精确度.     

基于神经网络的开环光纤陀螺误差补偿方法

根据开环光纤陀螺线性度课差随角速度增大而增大的特性,提出了在大角速度情况下应用神经网络对陀螺误差进行建模并补偿,在小角速度时对陀螺输出数据进行平滑滤波以抑制噪声的分段误差补偿方法.在速率转台上对开环光纤陀螺(VG941)进行测试并采集了测量范围内陀螺的多组实际输出数据,基于这些数据对单输入单输出的神经网络进行训练,得到了开环光纤陀螺的神经网络模型.在所得模型基础上,对整个测量范围内的陀螺原始输出数据采用分段补偿方法进行了陀螺误差补偿,并使开环光纤陀螺最大线性度误差由15%下降到0.3%,提高了开环光纤陀螺的测量精度.实验结果表明基于神经网络的开环光纤陀螺误差补偿方法对提高开环光纤陀螺的精度、扩大其应用范围具有实用价值.     

进化回归神经网络对时序数据和关联数据的建模能力研究

重点研究进化回归神经网络对时序数据和关联数据的建模能力。针对两个标准问题，采用不同形式的建模数据，比较了前向网络和回归神经网络的建模及预测效果，进一步将进化算法用于不同结构回归神经网络的训练并比较了它们的建模能力。仿真结果表明回归神经网络对时序关联数据有很好的建模和预测能力，相比于前向网络，无需过程时序特点的先验知识，可以采用最简单的建模数据形式。而进化算法相比于常规的梯度下降算法，用于训练不同的回归网络结构通用性好，且训练过程不受局部极小问题的困扰，适当规模的训练过程可以获得性能良好的神经网络模型。     

基于重力四元数的陀螺漂移估计与补偿

为提高钻探中的钻具姿态测量精度,提出一种基于重力四元数的MEMS惯性随钻姿态测量方法.采用MEMS惯性器件构建钻具姿态测量系统,把加速度计数据解算的姿态四元数作为观测四元数,陀螺仪数据解算的姿态四元数作为误差四元数;然后将陀螺仪漂移融入误差四元数,建立重力四元数估计陀螺仪误差四元数的模型,采用最小二乘法估计陀螺仪三轴漂移,进而补偿陀螺仪姿态四元数;通过补偿后的姿态四元数解算出钻具姿态.最后设计了转台、振动台实验和钻进模拟实验,实验结果表明,姿态四元数补偿后的井斜角和工具面角漂移由平均10 °/h减小到约0.2 °/h,方位角误差由平均12 °/h减小到约0.46 °/h,实现了加速度计补偿陀螺的三轴漂移,表明该方法能够有效提高钻具的姿态测量精度.     

基于时间序列模型的激光陀螺随机漂移数据处理

采用时间序列分析方法建立激光陀螺随机误差模型,应用递推最小二乘(RLS)法估计模型的参数,在此基础上对激光陀螺的漂移数据进行了卡尔曼滤波,结果表明:该方法能有效地抑制激光陀螺的随机误差,提高了激光陀螺的精度。     

基于扩展Kalman滤波的轨道线形检测研究

提出一种双目视觉与陀螺仪结合的数据融合模型来计算轨道空间线形参数、并利用扩展卡尔曼滤波算法对轨道空间线形参数进行优化的方案.减小因双目视觉系统受环境变化的影响及陀螺仪随时间的累积误差,提高融合模型对轨道空间线形参数的测量精度,利用Matlab仿真出轨道空间线形.并利用机械手臂进行相应的实验,实验结果表明:双目视觉与陀螺仪结合的数据融合可有效实现轨道线型的空间测量,测量坐标在X、Y、Z三个方向上的位移误差不超过0.381 mm,优于传统的惯性或者视觉检测精度,降低了计算复杂度,具有较好实用性.     

基于EKF的航天器姿态确算法定及精度分析

采用陀螺和星敏感器组合的方式来进行航天器姿态确定。首先建立了陀螺和星敏感器的测量模型,选择以四元数作为描述航天器姿态的参数,详细推导了在小偏差下以误差姿态角和陀螺常值漂移误差为状态量的滤波状态方程,并且以星敏感器的测量残差作为量测量,采用扩展卡尔曼滤波（Extended Kalman Filter, EKF）算法进行姿态确定;然后进行了仿真分析,仿真结果表明：该算法可以达到较高的姿态确定精度;最后对影响姿态确定精度的硬件因素和软件因素进行了定量的数据分析,得出了有一定意义的结论,从而为工程实践提供理论支持。     

基于MIMU和磁力计的姿态更新算法研究

针对传统人体姿态解算算法中存在MEMS陀螺误差发散快的问题,提出一种基于微惯性测量单元( MIMU)及磁力计信息融合的姿态解算算法。该算法利用互补滤波结合PI调节控制完成陀螺零偏校正,然后在加速度计和磁强计的辅助校正下,通过EKF( Expand Kalman Filter)滤波器更新四元数法实现陀螺姿态解算。本算法采用MPU9150传感器模块完成测试实验,实验中对比分析了单独扩展卡尔曼滤波算法与本算法的滤波效果。实验结果表明,本算法能够有效地抑制陀螺的发散,实现稳定地输出高精度姿态数据。     

基于Marginalized粒子滤波的卫星姿态估计算法

针对具有矢量观测的卫星姿态估计问题。提出一种基于Marginalized粒予滤波（MPF）的算法．采用Rao-Blackwellization技术，将卫星模型状态向量中的线性状态部分（陀螺漂移）和非线性状态部分（卫星姿态）分开处理，从而使得估计的方差降低．以较少的运算量获得较好的估计效果．通过引入解决含等式约束条件的估计问题方法，保证了姿态四元数的归一化．将所提出的方法应用于某型号卫星．仿真验证了用该算法处理卫星姿态估计问题的优越性．     

基于Kalman滤波算法的姿态传感器信号融合技术研究

针对应用三轴陀螺仪和三轴加速度传感器的四旋翼飞行器姿态角测量问题,提出了基于Kalman滤波算法的姿态传感器信号融合方法。该方法将陀螺仪输出的角速度误差作为时变误差处理,认为陀螺仪输出的角速度误差与其所测角速度及上一时刻的角速度输出误差相关,并据此建立陀螺仪测量线性方程,在此基础上,应用Kalman滤波算法,以加速度计输出的姿态角对陀螺仪测量的姿态角进行修正,从而达到姿态角准确测量的目的。实验结果表明：应用Kalman滤波算法对加速度传感器和陀螺仪信号融合后可有效消除姿态角测量累积误差并显著改善姿态角测量的动态特性。     

卡尔曼滤波在激光陀螺信号处理中的应用

各种随机噪声是激光陀螺误差的主要来源;设计了基于激光陀螺漂移数据时间序列模型的卡尔曼滤波器,对激光陀螺漂移数据进行了滤波,并采用Allan方差法分析了滤波结果;结果表明,基于时间序列模型的卡尔曼滤波器有效地减小了随机误差。     

基于改进PSO算法的嵌套环式微陀螺结构优化设计

摘要：改变嵌套环陀螺的结构设计会引起陀螺性能发生很大的改变,但由于其结构复杂,参数众多,导致陀螺在仿真过程中计算量过大,难以探索陀螺多参数变量对陀螺性能的影响规律,针对这一问题提出了一种基于改进PSO算法的嵌套环陀螺结构优化设计方法。该方法在传统PSO算法寻优的基础上,引入极值扰动来避免算法陷入局部极值,并针对嵌套环陀螺进行了一定的条件约束,解决了多参数在总和固定情况下的优化问题。改进后的优化算法以机械热噪声为目标函数,在波音设计的陀螺模型基础上对其间隙分布进行了优化实验,并与未优化前进行了性能对比,结果表明,改进后的优化算法使嵌套环陀螺性能显著提高,结构优化设计更加高效简洁,适用于嵌套环陀螺进行各种多参数的优化问题。     

粒子滤波在MEMS陀螺仪初始对准中的应用

针对微机电系统MEMS(Micro-Electro-Mechanical-System)陀螺仪的随机误差,引入了粒子滤波处理MEMS IMU的输出数据.借助于机动目标的Singer模型建立了系统状态方程,论文讨论了粒子滤波算法在MEMS IMU滤波处理的应用,详细描述了算法的推导过程.应用经典卡尔曼滤波和粒子滤波分别处...