基于K-means和SOM的水下传感器数据采集方法

随着海洋资源勘探和海洋污染物监控工作的开展，水文数据的监测和采集等已经成为重要的研究方向。其中，水下无线传感器网络在水文数据采集过程中起着举足轻重的作用。本文研究的是水下无线传感器二维监测网络模型中，传感器节点数据采集的问题，其设计方法是通过自组织映射（Self-organizing mapping，SOM）对传感器节点进行路径最优化处理，结合优化的路径图形和K-means算法找到路径内部聚合点，利用聚合点和传感器的节点得到传感器通信半径内的数据采集点，最后通过SOM得到水下机器人（Autonomous underwater vehicle，AUV）到各个数据采集点采集数据的最优路径。经过实验验证，在水下1 200 m×1 750 m范围内布置52个传感器节点的情景下，数据采集点相比于传感器节点路径规划采用相同的采集顺序得到的路径优化了6.7%；对数据采集点重新进行自组织路径规划得到的路径比传感器结点路径的最优解提高了12.2%。增加传感器节点的数量，其结果也大致相同，因此采用该方法可以提高水下机器人采集数据的效率。     

适用于多星座精密单点定位的性能评估优化方法

为减少多星座精密单点定位(PPP)数据处理过程中待估参数数量并提高定位精度,提出基于模糊度整数解的无电离层组合PPP性能评估方法。使用在线单点定位服务进行仿真建模,通过组合双频观测值消除电离层待估参数延迟并简化数据处理模型,利用模糊度固定技术实现PPP解算以降低定位误差。仿真结果表明,与单GPS系统PPP性能评估方法相比,静态模式下的GPS/GLONASS多星座PPP性能评估方法具有更高的定位精度和更快的收敛速度。     

化工园区安全评价中应用层次分析法的效果分析

近年来化工事件常有发生，极大地威胁到化工园区的安全。化工行业是一个事故发生较高的行业，其事故后果也是不可忽视的。化工园区的安全关系到化工行业的发展，和经济发展，技术发展，环境问题都有着莫大的关系。化工园区应用层次分析法是一次全新的尝试，这种尝试已经取得了很大的成果。     

基于Elman神经网络的SINS姿态解算算法研究

载体的姿态解算算法是惯性导航系统精确导航的核心技术之一。惯性测量单元(IMU)噪声大、误差会累积,传统的姿态解算算法精度不高、环境适应性能力差。Elman神经网络具有很强的非线性处理能力,其包含的承接层可以存储以前隐含层的信息,能够在连续信号中进行预测。针对以上问题,分析了欧拉角法、方向余弦法和四元数法的优缺点,提出了Elman神经网络辅助的姿态解算算法,在传统的AHRS算法中加入了Elman神经网络的辅助。通过对实测数据的仿真实验表明,该方法有效地提高了姿态解算算法的环境自适应性和降低了解算误差。     

智能车双目视觉辅助GNSS定位方法研究

具有精确、稳定的定位结果以及合理的价格是未来的智能车辆导航系统的发展趋势。为了达到这个目标,人们建立了多种组合导航模型（GNSS/DR,GNSS/INS,GNSS/MM）。尽管这些模型已在多种不同环境中成功应用,但它们仍有许多缺陷,尤其是在全球卫星导航系统（GNSS）定位精度受到威胁的区域。研究了一种通过双目视觉利用路标的地理位置信息对GNSS定位精度进行局部改良的方法。随机霍夫变换用于路标检测,SIFT算法与K均值算法将用于路标的匹配识别。双目视差计算智能车与路标之间的向量,从而建立辅助定位模型计算车辆的位置。利用实验车在一处复杂环境区域进行实时数据采集,通过计算出的双目视觉定位误差与GNSS定位误差对比分析,验证了该方法在路标可见范围内对GNSS定位结果有明显改善。     

热轧窄带钢宽度控制

结合河钢集团宣钢公司小型轧钢厂3/4连续式热轧窄带钢生产情况,重点分析了带钢间断性拉窄、头尾超宽中间合格、通条超宽(超窄)、宽度时宽时窄等几种情况下宽度超差的原因,并提出了相应对策。改进后,带钢宽度控制精度明显改善,为提升宣钢产品档次奠定了基础。     

一种基于受限网络的移动对象索引结构

为了提高受限网络中移动对象索引效率和满足近邻查询需求,基于FNR-Tree索引结构和Geohash编码算法,提出一种能够满足近邻查询的移动对象索引结构RNR(restricted network R-Tree).通过添加哈希表、链表等辅助索引结构来提升索引结构操作效率,融合Geohash编码和相关算法来使得索引结构能高效满足近邻查询的需求.通过将指定区域按一定规则划分,可使得索引结构具备在不规则范围查询的能力.使用旧金山市地理数据和移动对象数据对索引结构性能进行了测试,结果表明RNR具有较高索引结构操作效率,并且能够高效地提供窗口查询和近邻查询的功能.     

一种新的GPS载波相位周跳探测与修复方法

分析了周跳产生的原因及特性,将其视为GPS载波相位测量数据的故障现象、将周跳探测等效为载波相位故障特征提取问题, 并在此基础上提出了一种新的周跳探测与修复方法。首先对载波相位测量数据进行4次差分处理;然后对差分序列进行希尔伯特-黄变换,通过变换后高频分量模极大值点的位置探测周跳;最后应用径向基函数神经网络对载波相位测量数据进行预测,通过对比预测值与实际测量值修复周跳。实际数据验证了方法的有效性与可行性。