排序方式: 共有37条查询结果,搜索用时 13 毫秒
21.
互补滤波和卡尔曼滤波的融合姿态解算方法 总被引:1,自引:0,他引:1
针对捷联惯性测量单元(IMU)噪声大、精度低的缺点和常规的姿态解算算法精度不高等问题,提出了一种互补滤波和卡尔曼滤波相结合的融合算法.该算法基于姿态角微分方程建立系统的状态方程模型,利用互补滤波后的姿态角作为系统的观测量,再应用扩展卡尔曼滤波(EKF)算法融合了陀螺仪、加速度计和电子罗盘的测量数据.为验证该算法有效性,用带有传感器的开发板依次进行静态和动态测试,实验结果表明:结合了互补滤波和卡尔曼滤波的融合算法,在静态时能够抑制姿态角漂移和滤出噪声,在动态时能够快速跟踪姿态的变化,提高了姿态角的解算精度. 相似文献
23.
Lua是一种高效、灵活和轻量型的嵌入式可扩展动态脚本语言,具有很强的算法描述能力.文章针对目前火电机组实时性能分析与计算的现状,基于Lua动态脚本语言,设计了一种火电机组运行参数、经济性指标、运行方式和故障诊断的实时性能分析与计算的通用计算引擎. 相似文献
24.
基于主成分分析法与贝叶斯网络的汽轮机故障诊断方法 总被引:1,自引:0,他引:1
在利用贝叶斯网络进行汽轮机故障诊断时,汽轮机故障诊断模型的建立直接影响着诊断过程的复杂程度,因此建立贝叶斯网络模型是首先要解决的问题,反映故障状态的特征参数提取是建立模型的重要环节.通过对主成分分析方法提取故障特征的讨论,提出了基于主成分分析方法和贝叶斯网络的汽轮机故障诊断模型建立方法,并与传统的频率特征建模方法进行了比较.结果表明,应用主成分分析法和贝叶斯网络建立的汽轮机故障诊断模型简洁,易于椎理,提高了汽轮机故障诊断的效率. 相似文献
25.
26.
27.
28.
29.
30.
应用无人机对风力发电机进行自主巡检时,需对其桨叶叶尖进行精准定位,同时因机载计算板的计算能力有限,常规目标检测算法检测效率低下。为此提出了一种基于轻量型YOLOv5的风机桨叶检测与空间定位方法,首先对YOLOv5目标检测算法进行轻量化改进,将ShuffleNetv2作为特征提取主干网络;然后利用该算法对风机全景图像中的风机轮毂和桨叶进行检测,以得到轮毂和桨叶叶尖的像素坐标;最后利用无人机位姿信息和空间平面的几何关系,对风机桨叶进行精准定位。实验表明,所改进的目标检测算法以1.536×106的参数量在大疆MANIFOLD2-C上的检测速度提升47%,可达29.4 f/s,所设计的定位方法可对风机桨叶叶尖进行精准定位,水平和高度定位误差均为±5 cm,三维整体定位误差为±10 cm。 相似文献