基于遗传算法的数字磁罗盘误差补偿方法研究

使用环境的磁干扰及自身误差是影响罗盘航向角精度的主要因素。基于三轴数字磁罗盘工作原理分析了磁罗盘的误差成因,建立了相应的误差模型,采用遗传算法研究了数字磁罗盘误差补偿方法。结果表明,该误差补偿方法能准确地计算出罗盘误差参数,极大地提高了数字磁罗盘的航向角精度。     

基于椭圆假设的数字磁罗盘误差补偿方法

数字磁罗盘误差的补偿方法很多,从数字磁罗盘的自差分析出发,提出了一种基于椭圆假设的补偿方法,并通过实验检验了数字磁罗盘自差补偿方法的效果。实验结果表明,该算法可以有效修正环境磁场误差,在未补偿前,数字式磁罗盘航向角的最大误差达到6.2°;经过校正后,航向角的最大剩余误差为1.3°,误差减小率达到79%。     

基于RBF神经网络的测斜仪方位角校正研究

本文介绍了国内常用磁性电子测斜仪的结构和测斜原理,分析了其本身和工作过程中可能存在的误差及其来源。针对井眼姿态测量中的主要测量参数之一方位角,基于径向基函数(RBF)神经网络补偿算法,建立了以实测井斜角和方位角构成的二维向量为输入、标准方位角构成的一维向量为输出的三层RBF神经网络模型,并用实际测斜仪的测量数据进行现场测试。测试结果表明,采用该RBF神经网络补偿算法,建模时间短,可将方位角的实际测量精度从±2.1°提高至±1.9°以内,误差补偿效果好。     

锑化铟霍尔器件在电子罗盘中的应用研究

本文研究了锑化铟(Insb)霍尔器件在电子罗盘系统中的应用前景。假设误差的形成为从圆到椭圆的变化过程,并利用该假设推导了椭圆误差补偿算法。证明了利用这种算法可以实现电子罗盘的自动校准,从而大量节约成本。这种算法应用于本实验获得了最大±3.0°的精度,从而表明用锑化铟霍尔器件应用应用于电子罗盘并配合椭圆补偿算法达到了实际需要,并且采用这种方法研制的电子罗盘具有成本低、体积小、重量轻、可靠性高、使用方便的特点。     

基于神经网络误差补偿的温度测试仪的研制

在使用热电偶的测温系统中，传感器的非线性传感特性是导致测温精度下降的主要原因，要提高测温系统的精度，就必须进行误差补偿。本文以单片机89C51以及外围芯片为核心，设计了一个非线性补偿的热电偶温度测试仪，介绍了一种用于传感器非线性误差补偿神经网络，给出了补偿算法和测试仪的硬件电路。     

基于RBF网络的光纤位移传感器温度补偿研究

提出了一种解决光纤位移传感器温度影响的软件补偿方法.该方法基于RBF神经网络理论,将位移传感器和温度传感器的输出进行神经网络处理,基本消除了温度对光纤位移传感器的影响.为存在温度影响的光纤类传感器的实用化设计提供了一种可行途径.实验表明,神经网络处理后光纤位移传感器的温度敏感度系数下降了两个数量级,测量准确度和系统稳定性均得到提高.     

电子罗盘在捷联惯导初始对准中的应用

由于低成本捷联惯导系统难以完成航向自对准,故引入电子罗盘来解决此问题。本文介绍电子罗盘TCM2的航向测量原理,并提出基于椭圆假设的非线性两步估计算法来补偿电子罗盘误差;讲述电子罗盘在捷联惯导初始对准过程中的应用;分别进行了电子罗盘误差补偿和捷联惯导初始对准实验。实验结果显示,补偿后的航向角误差能控制在1°以内;且将补偿后的电子罗盘用于捷联惯导初始对准能缩短对准时间,提高对准精度。     

具有倾斜补偿功能的三轴磁阻电子罗盘研制

本文研制了一种基于磁阻传感器和MEMS加速度传感器的三轴磁阻电子罗盘,介绍了该系统的测量原理、硬件设计以及软件算法流程.分析了影响该系统航向角测量精度的误差来源,采用基于最小二乘24位置罗差补偿法以及现场的采样数据对罗差进行校正,系统最大误差可从±35.7°降至±1.33°.实验证明,该系统可应用于普通导航领域.     

神经网络在感应同步器零位误差补偿中的应用

根据实际测量得到测角系统在0°~360°之间全部零位误差数据,分析测角系统产生奇、偶点跳跃零位误差的原因来自于感应同步器测角系统引入的非有效电势。以实测误差数据为样本,运用神经网络建立测角系统的角度测量误差模型,提出一种对奇、偶点跳跃的零位误差进行分段辨识方法,并设计完成一种组合神经网络误差模型。仿真研究结果表明用分段辨识方法建立的误差模型计算误差预测值准确,模型泛化能力强。该文设计的误差模型用于零位误差数据的补偿,可将测角系统的零位误差从±102减小至±1.02。     

基于RBF神经网络的室内定位算法研究

在无线传感器网络室内定位中,由于遮挡、多径效应等因素的影响,传统基于RSSI（Received Signal Strength Indicator）的定位算法存在测距不准、定位精度不高的问题。针对此问题,本文提出一种改进的基于RBF（Radial Basis Function）神经网络的室内定位算法,算法在离线阶段直接建立各参考节点接收到的RSSI值与其位置坐标的映射关系;在线阶段采集待定位节点的 RSSI值,利用学习好的神经网络对待定位节点进行定位。实验结果表明,与传统RSSI定位算法相比,本文提出的定位算法具备更高的定位精度。     

一种基于径向基神经网络和频谱分析的电路元件故障诊断方法

针对一类模型不确定的非线性系统,提出了具有强鲁棒性和高灵敏度的在线故障检测与诊断方法。其中,系统只有输入、输出可检测,故障是关于输入和状态的非线性函数。将RBF神经网络和频谱分析相结合,由RBF神经网络来学习及存储电子电路的故障频谱和故障类型之间的映射关系,介绍了该算法的实现过程。并以某船舶电气设备放大电路为例建立仿真系统。仿真结果和实验实例表明,该算法可以快速有效地对故障元件进行定位,识别率较高。     

电子秤倾角自动检测与称量误差补偿方法研究

针对传统电子秤水平调节繁琐,存在倾角时称重准确度低等不足,设计了一种具有倾角自动检测与称量误差补偿功能的高精度电子秤.分析了秤台倾角对电子秤称量性能的影响,介绍了基于三轴加速度传感器ADXL345的倾角检测和称量误差补偿原理,提出并建立了电子秤倾角自动补偿模型,给出了基于微处理器ADuC7060的倾角测量系统的软、硬件...     

基于RBF神经网络的光伏动态重组系统

光伏系统的模块重组对于改善系统的P-V特性有非常重要的作用。提出了一种在部分阴影遮蔽情况下基于人工神经网络算法的光伏模块重组方案。这个方案中,光伏模块分为固定部分和自由部分,并通过开关矩阵来连接。然后测量的每个自由模块以及每行固定模块的短路电流值,测量值通过人工神经网络算法得到的结果决定开关矩阵的连接方式。仿真实验显示所提出的方案的参数测量实时简易、重组策略高效,能有效地改善部分阴影状态下的光伏阵列的功率输出。最重要是所提出的控制策略能应用于较大规模光伏系统结构重组。     

电子式互感器相位补偿方法研究

根据电子式互感器的信号传输原理,提出了一套相位补偿方法。简要分析了电子式互感器产生误差的原因,对Rogowski线圈产生的相位超前和高压侧向合并单元传输信号所产生的延时分别作出定义和分析。针对这2种原因产生的相位误差设计出了一套完整的补偿方法,由于Rogowski线圈产生的相位超前,设计了一种采用ADE 7759芯片的数字积分电路,可基本还原线圈引起的超前相位;由于传输过程中产生的延时,介绍了一种移相用软件算法,可对延时进行有效补偿。该算法在合并单元数字信号处理器(DSP)中执行,经测试后效果良好。最后,对补偿过程中出现的问题进行了分析,并设计了解决方案。     

基于RBF神经网络的动力电池故障诊断系统研究

纯电动车动力电池在性能、成本、寿命、安全性上的局限是制约电动车普及的关键问题。基于RBF神经网络,设计了一套电池故障诊断系统,对动力电池组的故障进行预防和诊断。首先,利用d SPACE中的电池模型,模拟电池的故障,进行神经网络的学习训练,然后,利用三组测试数据对故障诊断系统进行测试。测试结果显示,设计的系统可以准确诊断电池故障类型与故障级别。     

基于 LSTM 网络的水分天平零点误差补偿方法

零点误差是衡量水分天平的重要指标,其直接影响水分天平的称重准确度。提出了一种基于长短期记忆(LSTM)网络的水分天平零点误差补偿方法,分析了水分天平零点误差机理,使用历史零点误差数据建立基于双层LSTM长短期记忆网络的零点误差预测模型,采用空载与加载载荷时两种情况分别进行补偿。利用该模型对200 g/1 mg的水分天平进行现场补偿验证,结果表明,补偿后的水分天平在空载和加载载荷时,最大示值误差约为6 mg,远小于补偿前的示值误差,证实了这种方法的有效性。