IIoT和云计算在智能制造业中的应用

在过去的数十年里，物联网（internet of things,IoT）已经成为一个全新的发展范式，在无线通信和微电子技术等领域都获得了极大成就，并受到了社会重视。与传统物联网不同，工业产生的大数据随时代的发展呈指数级增长，需要实时智能处理。为提高工业物联网（industrial internet of things,IIo T）系统的实时性与能源效率，引入云计算技术来分担IIoT中过重的计算任务。本文分析了IIoT及云计算对智能制造业发展产生的影响，阐述了智能传感器、设备和应用程序在提高生产力、简化业务操作中的应用，还概述了实现智能制造的安全控制和实践，为物联网和云计算在智能制造领域的发展模式提供思路。     

基于变换无迹卡尔曼滤波的随钻测量误差在线辨识

针对随钻测量(MWD)工作环境复杂多变,随钻器件测量的精度降低的问题,设计了基于变换无迹卡尔曼滤波(TUKF)法对测量误差进行在线辨识和补偿.首先,建立加速度计和陀螺仪的输出误差模型,选取导航误差参数以及传感器误差参数作为系统状态变量;然后,以钻杆钻进时实时解算出的姿态角与钻机每次停机时的钻具姿态角作差作为系统观测量,设计状态方程和量测方程对惯性器件误差进行在线辨识;最后,通过误差补偿方程对惯性器件进行补偿.运用此方法分别设计了振动台实验、模拟钻进实验和钻进实验,实验结果表明,设计的在线辨识方案通过标定补偿后,随钻测量中钻具的工具面角输出误差减小到0.8°,倾斜角输出误差减小到1°,比无迹卡尔曼滤波方法精度提高了50％,所提方法克服了随钻测量时钻具振动带来的影响,为实际钻井进一步提高数据可信度提供理论依据.     

基于混沌动力学模型的群体目标检测与分类

传统目标跟踪检测方法对多目标情况处理已较为困难,对群体目标监测和跟踪更是难以解决的问题。因此考虑在拉格朗日混沌动力学基础上实现对视频群体流的分割以及相关检测。把群体运动系统作为混沌动力学系统处理,而群体目标则作为流动的粒子群处理,粒子的流动以流图(flow map, FM)进行跟踪。在此基础上可以获得有限时间李亚普诺夫指数(finite time Lyapunov exponent, FTLE)场,形态学处理后,对群体流动区域进行提取并对结果分类。实验结果验证了该方法的有效性。     

基于突触可塑性的SNN随钻陀螺仪漂移处理

针对随钻振动引起MEMS陀螺仪的数据漂移问题,文中提出了一种脉冲神经网络算法.首先根据陀螺仪漂移误差的时间特性,利用脉冲网络的脉冲时间编码陀螺仪的信息强度.然后利用Izhikevich神经元模型的突触可塑性,调节激发性突触电导并抑制性突触电导,增强网络的鲁棒性,从而提高陀螺仪信号对噪声的抗干扰能力.在不同振动频率下,分...     

基于变换无迹卡尔曼滤波的随钻测量误差在线辨识

针对随钻测量(MWD)工作环境复杂多变,随钻器件测量的精度降低的问题,设计了基于变换无迹卡尔曼滤波(TUKF)法对测量误差进行在线辨识和补偿.首先,建立加速度计和陀螺仪的输出误差模型,选取导航误差参数以及传感器误差参数作为系统状态变量;然后,以钻杆钻进时实时解算出的姿态角与钻机每次停机时的钻具姿态角作差作为系统观测量,设计状态方程和量测方程对惯性器件误差进行在线辨识;最后,通过误差补偿方程对惯性器件进行补偿.运用此方法分别设计了振动台实验、模拟钻进实验和钻进实验,实验结果表明,设计的在线辨识方案通过标定补偿后,随钻测量中钻具的工具面角输出误差减小到0.8°,倾斜角输出误差减小到1°,比无迹卡尔曼滤波方法精度提高了50％,所提方法克服了随钻测量时钻具振动带来的影响,为实际钻井进一步提高数据可信度提供理论依据.