加速传感器在高速列车服役安全监测中的应用

本文介绍了一种对高速列车姿态测定方法。首先分析惯性测量单元输出信号所包含的静、动态误差以及随机误差分量,建立关于惯性测量器件随机漂移数据的时间序列模型,采用自回归滑动模型ARMA拟合随机漂移数据。使用MEMS陀螺仪和加速度传感器组合采集加速和转弯的数据,使用卡尔曼滤波器处理随机漂移数据,有效地抑制随机误差。运用四元数法进行姿态解算,更新列车的姿态角,使用融合滤波进行误差补偿。根据补偿后的姿态角对加速度传感器数据,得到准确的列车行驶速度与走行距离,证明了本列车故障检测系统的适用性。     

基于自适应CKF的姿态数据融合算法

为了提高基于MEMS惯性传感器的捷联惯性导航系统姿态解算的精度,提出了一种自适应容积卡尔曼滤波（CKF）数据融合算法。该数据融合算法将姿态四元数作为系统状态,将加速度计信息和磁力计信息作为系统观测量,对系统过程噪声矩阵和观测噪声矩阵进行实时的自适应估计,解决了因系统噪声突变引起的姿态解算精度急剧下降的问题。实验结果表明,采用自适应CKF数据融合算法比单纯基于陀螺仪的捷联姿态解算精度有明显的提高,在载体动态时测得的横滚角和俯仰角误差在1°以内,航向角误差在2°以内。     

基于直线检测和数字地图匹配的车辆航向角估计

为减少车辆行驶过程中由于卫星信号失锁及惯导累计误差对航向角的影响,结合场景特征的提取、表达和数字地图信息,提出了一种基于直线检测和数字地图匹配的车辆航向角估计方法。首先,根据地图匹配的坐标点计算车道线地图对应点的方位角,计算车辆航向角与车道线方位角的角度差;其次,通过改进的FLD直线检测方法识别并计算道路图像中车道线直线的角度;将双侧车道线直线角度作为BP神经网络的输入,以预测角度差作为网络输出;最后,结合预测角度差和车道线方位角得到实时车辆航向角。经实验验证,所提方法的航向角估计精度与现有估计方法及普通传感器测量结果相比具有一定的优势。     

基于ZigBee无线传感器网络的煤矿监测系统

设计了基于ZigBee无线传感器网络的环境参数检测与人员定位为一体的煤矿井下安全监测系统.系统利用安装于矿井现场的ZigBee节点采集井下多种环境数据(瓦斯、CO、温度、湿度),采用三边定位方法基于测距的无线传感器网络实现三维空间的人员定位,并利用卡尔曼滤波算法修正量测过程中的随机误差,以提高定位精度.检测信息通过工业以太网传送至地面监控主机,主机分析软件实现数据的存储、并为监控人员提供实时的矿井环境信息和人员位置信息.现场测试结果表明本系统运行稳定、功耗低、定位精度高、信息传输可靠.     

电力机器人的自主导航与视觉辅助定位融合方法

为了改进电力作业现场复杂环境下机器人定位精度,提出了一种自主导航与视觉辅助定位融合方法。在激光传感器即时定位与地图构建的基础上,基于视觉图像处理,对机器人位置进行校准,使其能够准确停靠在任务位置。应用结果表明,所提方法能够有效提高机器人定位精度,定位误差小于1 cm。     

基于RBF网络的数控直线电机进给定位精度研究

文章研究了数控直线电机工作台的误差测量、建模及补偿技术。分析了定位平台的误差来源,采用激光干涉仪测量工作台的定位误差,用RBF算法建立神经网络误差模型,根据误差校正值进行误差实时补偿实验。仿真和实验结果表明:经过样本训练的神经网络模型对工作台的误差具有良好的学习能力和泛化能力,工作台定位精度显著提高,并且较好地解决了随机误差对系统的影响。     

基于RBF神经网络的电子罗盘误差补偿研究

介绍了三轴磁阻电子罗盘的测量原理。基于磁阻传感器HMC1052/1051Z和MEMS加速度计MXD2020ML研制了一款带倾斜补偿功能的三轴磁阻电子罗盘,分析了电子罗盘工作过程中可能存在的误差及其来源。针对无姿态角度的情况,基于径向基函数(RBF)神经网络补偿算法,建立了以测量航向角为输入、期望的航向角为输出的3层RBF神经网络模型,并用样机的采样数据进行仿真验证。实验数据表明,采用该RBF神经网络补偿算法,可将航向角的精度从±35.52°提高至±0.6°以内。     

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 MIMU/ 磁传感器 / 双天线 RTK 的姿态测量方法研究

现今，惯性传感器加双天线RTK的组合测姿方法被广泛的应用于车载测姿领域，该方法集中了惯性传感器的快速更新速率特点和双天线RTK的高精确度的优点。针对当遇到高楼或者树林阻挡时卫星信号会丢失，导致双天线RTK(real time kinematic)无法提供可用的航向角，而惯性传感器又无法长时间保持航向角精度问题。本文尝试采用了一种基于微惯性测量单元(miniature inertial measurement unit, MIMU)与磁传感器与双天线RTK的信息融合方法。开展了实际跑车实验分析。得出了在卫星信号丢失的条件下本方法通过引入磁传感器提供航向信息，能够保证高精度车辆姿态数据的稳定输出。     

磁性目标定位误差分析及修正

磁性目标定位方法在很多领域都有重要的应用价值,如航空磁性探测,地下矿产检测等。当磁传感器与磁性目标的距离足够远时,磁性目标可以等效成磁偶极子,通过磁传感器测量磁场值和磁场梯度值,依据算法得出定位结果,并对定位误差进行了分析,主要是系统误差和随机误差的分析。通过对传感器间距(即基线距离)引起的误差进行分析,提出使用迭代校正方法对误差进行修正,对于磁矩强度为2 Am~2的磁偶极子,在70 cm范围内不同基线距离的梯度传感器通过迭代校正方法可以将误差由10%以上降低到5%以下;通过对磁性目标磁矩方向引起的误差进行分析,提出使用广义逆矩阵法来消除磁矩方向变化引起的盲区问题,由此可以实现无盲区的探测。