一种新型微惯性姿态测量系统的 系统误差补偿及标定方法

微惯性姿态测量系统机械精度不高、系统误差和随机误差干扰多样和传统标定计算复杂。针对这些问题,提出一种新型微惯性姿态测量系统误差标定的方法。通过对姿态测量系统的不同微惯性器件进行分析,有针对性的建立系统误差补偿模型。再设置实验转台给定系统不同速率及角度,最后利用最小二乘法、六位置标定法分别进行系统误差参数求解,经解算标定出零位漂移、刻度因子误差和安装误差角。最后通过标定前后对比测试实验,证明了该方法原理简单、易于实现,能较好地补偿微惯性姿态测量系统的系统误差,提高姿态测量精度。     

单脉冲雷达测量误差修正方法研究

针对单脉冲雷达上存在的测量误差进行了详细的研究和分析,通过与单脉冲测量雷达数据的误差模型进行比较,并给出了比较的图形,判断出系统产生误差的原因,通过采取四象限比较法总结出了系统误差出现的规律,并由此推导出系统误差模型,从而实现了对系统误差进行有效的修正;同时运用自适应卡尔曼滤波的方法抑制了随机噪声,从而提高了雷达测量数据的处理精度,这一方法在实际应用中证明是行之有效的,并且取得了良好的效果。     

智能仪器与应用

<正> 一、前言使用仪器进行测量总是存在测量误差。测定值与实际值之差称为测量结果的绝对误差。在相同条件下,对一个不变的量重复测量,常常发现测量结果并不完全一致,这些误差称为随机误差。它类似于随机噪音,具有大小与方向均随机变化这一特征。随机误差主要是由于各种影响量,例如外界电磁场的变化、热状态的波动、空气的扰动、大地的微震等一些互不相关的独立因素对测量过程的综合影响所造成的。一次测量的随机误差没有规律,不可预见,不可控制,也不能用实验方法加以消除。但是多次重复测量的随机误差服从统计规律,因此对于随机误差的处理必须按照统计规律进行。在一定的条件下误差的数值保持恒定或服从于某种确定的函数规律,这种误差称为系统误差,例如测量放大器的失调电压或失调电流引起的误差、开关接触电势引起的误差均为系统误差。系统误差的大小常     

轮式移动机器人里程计系统误差校核*

里程计使用编码器为轮式移动机器人提供基本的位姿估计,在运行过程中里程计存在严重的误差累计,通过校核系统参数可以减小系统误差,UMBmark方法是轮式移动机器人广泛使用的系统误差校核方法。针对UMBmark方法存在的不足,提出一种改进的系统误差校核新方法：综合考虑三种主要系统误差来源产生的误差对移动机器人直线运动和定点旋转运动造成的影响,同时采用正方形回路终点的方向误差代替传统UMBmark方法中的位置误差来校核系统参数。实验结果表明提出的方法能够有效校核系统参数,提高移动机器人的定位精度。     

“六西格玛”方法在机载测试参数误差分析中的应用

科研试飞中,为真实反映飞机各项技术指标的实际状态,机载测试系统需提供精确的数据,而测试的中间环节较多,所测的各种参数结果势必会有误差;为满足试飞任务的精确需求,本文通过从测试系统误差的来源入手,来分析机载测试参数产生误差的各个环节,以压力参数为例,运用“六西格玛” 方法中的测量参数误差的定义、测量、分析、改进及控制五项流程,以三架机的压力传感器的校准历史数据为样本,对精度结果作了详细分析,得出了事先确认参数具体压力变化区间,根据测试系统精度分布特点选用更合适范围的传感器来保证精度要求,将6西格玛”方法用于压力参数误差分析可行的结论;并提出,将其推广到其它各类测试参数的误差分析,将有利于在现有条件下更合理地配套测试仪器设备,更好地满足参数测试精度需求。     

基于网络丢包的混沌系统脉冲控制同步北大核心CSCD

针对混沌Chen系统,设计了考虑具有数据丢包的网络脉冲控制器,实现了混沌chen系统的同步。首先考虑一般非线性网络脉冲控制系统,应用Lyapunov稳定性理论,网络控制分析方法以及脉冲控制理论,考虑当网络中存在数据随机丢包情况下,分别讨论当系统在连续过程和脉冲发生时刻系统满足渐近稳定的条件,得到了该非线性脉冲系统渐近稳定的充分条件。然后针对混沌chen系统,应用该充分条件,得到混沌chen系统渐近稳定的相应条件。进一步考虑基于网络控制实现混沌chen系统的同步问题,应用该定理将其归结为通过设计网络脉冲控制器使得相应的误差系统渐近稳定。最后,利用matlab软件对上述非线性混沌chen系统进行数值仿真,得到了混沌chen系统的状态响应曲线和同步系统误差状态响应曲线,仿真结果验证了算法的正确性和有效性。     

基于三维空间模型的特高压耐张塔跳线间隙检测方法

提出一种基于三维空间模型的特高压耐张塔跳线间隙检测方法研究,利用三维激光扫描数据建立特高压耐张塔整体空间扫描模型,并描述激光扫描建模的原理。据此确定出了待检测标的物的三维点云数据集合;通过预处理的方式去除点云数据检测系统内部噪声和环境噪声,对点云数据集合进行高斯平滑滤波、坐标转换和点云数据拼接,并输出空间点云数据的文件集合;获取的跳线检测测量结果中还有可能包含粗差、系统误差和偶然性误差,利用检测数据分析前必须消除各种误差因素的影响。实验数据表明提出方法的坐标检测精度值能够控制在+-1,并且总体的检测残差分布也位于合理的区间范围之内,实际检测效果优于传统检测方法。     

基于网络丢包的混沌系统脉冲控制同步

针对混沌Chen系统,设计了考虑具有数据丢包的网络脉冲控制器,实现了混沌chen系统的同步。首先考虑一般非线性网络脉冲控制系统,应用Lyapunov稳定性理论,网络控制分析方法以及脉冲控制理论,考虑当网络中存在数据随机丢包情况下,分别讨论当系统在连续过程和脉冲发生时刻系统满足渐近稳定的条件,得到了该非线性脉冲系统渐近稳定的充分条件。然后针对混沌chen系统,应用该充分条件,得到混沌chen系统渐近稳定的相应条件。进一步考虑基于网络控制实现混沌chen系统的同步问题,应用该定理将其归结为通过设计网络脉冲控制器使得相应的误差系统渐近稳定。最后,利用matlab软件对上述非线性混沌chen系统进行数值仿真,得到了混沌chen系统的状态响应曲线和同步系统误差状态响应曲线,仿真结果验证了算法的正确性和有效性。     

基于贝叶斯网络的故障树在机械设备中的应用

由于故障树分析方法在可靠性分析中存在局限性,研究贝叶斯网络在可靠性分析中的应用,给出了故障树向贝叶斯网络转化的方法,以及基于贝叶斯网络求解顶事件发生概率的算法.最后对发控设备进行了分析,结果表明,基于贝叶斯网络的故障树分析方法更贴近实际。     

面向互动式网络场景再现的流速控制系统与方法

互动式网络场景再现是一种重要的真实网络流量产生方法.然而,由于流量产生过程的复杂性,基于精确的数学模型对该过程产生流速进行控制是一个较为困难的新问题.文中设计实现了一个面向互动式网络场景再现的流速控制系统,并将网络场景再现过程中的流速控制问题转化为目标跟踪控制问题进行求解.该系统采用一种基于函数近似器的流速控制方法,利用函数近似器对系统的输入输出关系进行描述,通过动态调整系统输入流量来对回放过程输出流量进行跟踪.最后,利用真实网络流量实验考察了文中系统和方法在不同丢包、传输延迟以及会话阻断环境下的实际控制效果,并从收敛时间、产生输入输出、控制误差等角度对系统的控制性能进行了分析.     

Model approximations via prediction error identification

Identification is considered of a dynamic system by a model in a model set of which the system is not a member. This is achieved by defining a performance index related to prediction error performance indices, and taking that model minimizing the performance index as that which is closest to the system. The index has an intuitively pleasing spectral interpretation in the stationary case for large measurement intervals. The length of measurement interval needed for identification is discussed by studying the limiting behaviour of the performance indices, as is also the relation of the index to the Kullback information measure. The communication theoretic issue of convergence of a posteriori densities when Bayesian estimation is being undertaken with a finite model set is examined.     

基于贝叶斯改进神经网络的电力无人机鲁棒姿态控制方法

针对电力无人机在工作状态下受到外部因素干扰、无法精准控制运动姿态的问题,提出基于贝叶斯改进神经网络的电力无人机鲁棒姿态控制方法。综合考虑电力无人机的组成结构、运动以及动力原理,构建电力无人机数学模型。利用传感器设备检测电力无人机的实时位姿,采用飞行路线规划的方式确定姿态控制目标。在考虑风场威胁条件和故障状态的情况下,利用贝叶斯改进神经网络计算无人机的姿态控制量,以鲁棒姿态控制器作为硬件支持,实现鲁棒姿态控制。通过性能测试得出结论:优化设计方法的姿态角控制误差始终低于0.2°,且在三种不同风场工况下,控制误差的波动程度不高于0.5°,与传统方法相比,优化设计方法在姿态控制精度和鲁棒性方面具有明显优势。     

事件触发下马尔可夫跳跃神经网络的随机同步

本文研究了事件触发机制下带有随机噪声的马尔可夫跳跃神经网络的随机同步问题.为了更有效地降低数据传输量和节约网络资源,本文采用了一种事件触发控制.当传输误差和状态误差满足触发条件时,数据才能够被传输,使得主从系统可以在有限的资源和带宽下实现同步.通过构建新的Lyapunov泛函,以及使用广义Dynkin公式和不等式分析方...     

路灯节能调控系统矢量传感器误差修正方法

针对路灯节能调控系统中传感器的固有误差和系统误差,使其测量值易受非线性干扰而引起矢量误差问题,提出一种路灯节能控制系统矢量传感器误差修正方法。利用BP神经网络的非线性映射能力,建立补偿逆模型,为传感器提供理想的线性特性,同时根据网络层次间取值结果,引入梯度下降法,依据结果调整权值和阈值取值,令其无限接近非线性函数,考虑到实际建模过程中误差,增加误差惩罚因子,明确样本高于线性中间模型的精度级别,转化为Lagrange方程,最后利用SVM算法辨识中间模型系数,并应用参数矩阵间的关系来完成矢量传感器误差修正。仿真结果表明,上述方法能有效地减小非线性误差对传感器测量值的影响,提高传感器的测量精度。     

Neuro-controller for broadcast lighting light-emitting diode to express white light with high color rendering index

Technical characteristics analysis related to correlated color temperature (CCT), color rendering, and illuminance is required to use light-emitting diode (LED) as broadcast lighting. In general, to realize a white light source with a high color rendering index (CRI), we selected the appropriate emission intensity of RGBW LED through trial and error. However, the characteristics of the LED light source and environmental conditions make it difficult to perform the procedure several times. The objective of this study was to design a system that could control illuminance, CCT, and ∆uv while having high CRI, as an LED control method for broadcasting lighting. The controller implements using a feed-forward neural network with excellent nonlinear function approximation capability. We measure data directly from the red green blue white (RGBW) LED system for neural network training. We then select data with high CRI from the measured raw data and choose data for neural network learning by removing measurement noise using the quadratic polynomial interpolation method. The performance evaluation confirms that the proposed neural network controller shows excellent results as an RGBW LED controller for broadcast lighting in the Planckian locus and all regions of white light.     

无线传感器网络数据传输延时分配算法

为了提高箭载无线传感网络对火箭温度、冲击、热流等物理参数的处理能力,需对所采集的数据进行自适应延时分配,因此设计一种基于时隙窗口间隔均衡控制的无线传感器网络数据传输延时分配算法。构建火箭温度、振动、冲击等参数的数据采集模型,采用分布式网格均衡配置方法对无线传感器网络中的节点进行均衡部署；结合最短路径寻优方法使数据采集过程中的信道分配达到均衡,构建数据采集最短路径寻优控制模型,采用输出比特序列重组方法进行数据采集过程中的传输延迟配置；结合码元调节技术对数据传输进行自适应扩频调节,利用时隙窗口间隔均衡控制方法实现无线传感器网络数据传输延时分配。实验结果表明,采用该方法进行无线传感器网络数据传输延时分配的自适应性较好,输出稳定性较强、分配输出错误率低,有效性更强。     

神经网络在线学习补偿自适应控制及其应用

针对电液伺服系统的复杂非线性和不确定性特性,基于反馈误差学习法、小波分析理论并结合面向控制的辨识思想,提出了神经网络在线自学习自适应控制与"参征器"补偿控制相结合的控制方法.该方法将"过程辨识"和"参征器"引入反馈误差学习法的神经网络学习和控制中,控制参数的调整基于被控过程的小波变换结果信息,利用反馈误差学习法实现;"参征器"起监督和补偿控制作用,避免控制器的输出产生振荡或进入饱和状态.应用研究结果证明:该方法避免了采用直接反馈误差法可能造成的饱和和过调整问题;有效地提高了系统的稳定性、鲁棒性、控制精度和     

A neural network-based multi-agent classifier system with a Bayesian formalism for trust measurement

In this paper, a neural network (NN)-based multi-agent classifier system (MACS) utilising the trust-negotiation-communication (TNC) reasoning model is proposed. A novel trust measurement method, based on the combination of Bayesian belief functions, is incorporated into the TNC model. The Fuzzy Min-Max (FMM) NN is used as learning agents in the MACS, and useful modifications of FMM are proposed so that it can be adopted for trust measurement. Besides, an auctioning procedure, based on the sealed bid method, is applied for the negotiation phase of the TNC model. Two benchmark data sets are used to evaluate the effectiveness of the proposed MACS. The results obtained compare favourably with those from a number of machine learning methods. The applicability of the proposed MACS to two industrial sensor data fusion and classification tasks is also demonstrated, with the implications analysed and discussed.     

Confidence interval prediction for neural network models

To derive an estimate of a neural network's accuracy as an empirical modeling tool, a method to quantify the confidence intervals of a neural network model of a physical system is desired. In general, a model of a physical system has error associated with its predictions due to the dependence of the physical system's output on uncontrollable or unobservable quantities. A confidence interval can be computed for a neural network model with the assumption of normally distributed error for the neural network. The proposed method accounts for the accuracy of the data with which the neural network model is trained.     

以贝叶斯网络为基础的决策分析系统在电力营销中的应用研究

将贝叶斯方法应用于电力营销决策,能够取得很多其他方法无法比拟的实际效果。介绍了贝叶斯网络与数据挖掘技术的相关概念,阐述了电力营销相关理论和存在的问题,提出了适合电力营销决策的贝叶斯网络,用于客户价值评估、用电异常监测等领域,并且论述了实现的方法和可能性。