Celercare M1 分析仪与 Beckman DXC800 分析仪检测结果的比对及偏倚评估

为了探讨Celercare M1分析仪与Beckman DXC800分析仪常规生化检测结果的可比性,为临床实验室认可与不同实验室检验结果的互认提供依据,文章通过参考美国临床和实验室标准协会(CLSI)EP9-A2文件,以Beckman DXC800检测系统为参比方法,以Celercare M1检测系统为待评方法,使用以上两种方法对患者新鲜血清进行常规生化检测,最后计算两个系统间各项目在医学决定水平处的系统误差,并以美国临床实验室修正法案(CLIA’88)允许总误差的1/2为标准来判断检验结果的可比性。实验结果显示,Celercare M1检测系统与Beckman DXC800检测系统测定结果相关性良好(R 0.975,P<0.01),各项目在医学决定水平处的偏倚均低于1/2 CLIA’88标准,表明两个检测系统的测定结果间具有良好的可比性。     

多目标环境下分布未知的系统误差估计方法研究

针对多传感器多目标跟踪过程中分布未知的系统误差估计问题,对于系统误差在均匀分布和非均匀分布之间保持不确定假设下的估计方法进行了研究,提出了两种不同的误差估计方法,推导出相应误差估计方法的误差计算公式.针对两种方法在不同的系统误差分布假设下所表现出的估计性能和特点,提出了一种将两种方法结合起来的系统误差估计算法:通过合理选择阈值门限η,能够在多传感器多目标且系统误差分布未知的复杂环境下对两种误差估计方法自适应的进行切换,从而充分发挥两种方法各自的优点.同时可以对算法中估计方法模块进行扩充,以适应更复杂的误差分布情形下的多传感器系统误差自适应估计.     

移动机器人里程计系统误差及激光雷达安装误差在线标定

为了降低传感器系统误差所带来的影响,首先建立了差速移动机器人里程计系统误差及激光雷达安装误差数学模型.然后,基于拓展卡尔曼滤波算法,提出了一种里程计系统误差及激光雷达安装误差迭代标定方法,该方法能够在定位的同时对2组误差进行实时标定.通过仿真对该方法进行验证,误差估计有效地收敛到误差真值.实物实验中,误差估计能有效收敛,标定后的航迹推算误差大幅度降低.     

轮式移动机器人里程计系统误差校核*

里程计使用编码器为轮式移动机器人提供基本的位姿估计,在运行过程中里程计存在严重的误差累计,通过校核系统参数可以减小系统误差,UMBmark方法是轮式移动机器人广泛使用的系统误差校核方法。针对UMBmark方法存在的不足,提出一种改进的系统误差校核新方法：综合考虑三种主要系统误差来源产生的误差对移动机器人直线运动和定点旋转运动造成的影响,同时采用正方形回路终点的方向误差代替传统UMBmark方法中的位置误差来校核系统参数。实验结果表明提出的方法能够有效校核系统参数,提高移动机器人的定位精度。     

温度补偿在工序间检测器具中的应用

提出了温度变化给工序间检测器具的测量结果产生误差的两种类型,介绍了温度补偿的原理和实际做法,即对由温度变化引起的那部分系统误差进行修正的方法,并以示例作了说明。     

搭载POS数据的无人机影像提高定位精度的方法

针对无人机航测依赖原始POS数据成像地理目标定位的精度较低问题,提出了一种建立误差模型纠正POS数据用于无人机成像的方法。鉴于原始POS数据存在系统误差,通过分析其误差来源,并根据奇、偶行带间影像外方位线元素误差具有相反性,建立POS数据纠正模型;利用误差改正数对原始机载POS数据进行纠正,并用改正后POS数据进行影像坐标定位精度对比。实验结果表明,纠正后的POS数据减小了系统误差,可以快速、有效地提高无人机影像地理坐标定位精度。     

一种八位置数字磁强计系统误差标定方法

由于数字磁强计本身制作和生产安装的精度差异,产生了数字磁强计的系统误差.通过对数字磁强计的系统误差进行详细分析和理论计算,建立了误差方程,并提出了一种简单有效的系统误差补偿方法--八位置标定方法,并对此方法进行了实验验证.实验结果表明:该方法可以较好地补偿数字磁强计的系统误差,提高航向测量精度.     

姿态测量系统中的误差标定技术

捷联惯导系统能够满足载体在高电磁干扰,高动态下的导航定位需求,是卫星导航定位系统的有效补充.惯性器件具有器件误差大,误差随时间积累的特点,实际使用中需要对惯性器件进行误差标定和补偿.本文对误差进行了分类,介绍了基于阿伦方差的误差辨识及随机噪声的抑制技术,建立了系统误差模型,设计了系统误差的标定方法,设计了算法的验证试验,结果证实了算法的有效性.     

非参数不确定系统状态受限误差跟踪学习控制方法

针对一类非参数不确定系统,提出误差跟踪学习控制方法,同时解决学习控制系统的初值问题和状态约束问题.利用障碍Lyapunov函数设计控制器,采用鲁棒方法与学习方法相结合的策略处理非参数不确定性,将滤波误差约束于预设的界内,并由此实现对系统状态在各次迭代运行过程中的约束.文中构造了一种期望误差轨迹,经过足够多次迭代后,所提控制方法使得系统误差在整个作业区间以预设精度跟踪期望误差轨迹,系统状态在部分作业区间精确跟踪参考信号.仿真结果表明了该控制方案的有效性.     

一类非线性系统的误差轨迹跟踪鲁棒学习控制算法

针对一类含非参数不确定性的非线性系统,提出一种鲁棒迭代学习控制算法,该算法放宽了常规迭代学习控制方法的初始定位条件,迭代初值可任意取值.基于类Lyapunov方法设计误差轨迹跟踪控制器,通过鲁棒限幅学习机制对不确定性进行估计和补偿,能够在整个作业区间上实现误差对给定期望误差轨迹的精确跟踪,期望误差轨迹根据迭代起始时刻的误差值设置.利用期望误差轨迹的衰减性状,可使系统误差在预设的时间点后收敛于原点的邻域内,邻域半径的大小可根据需要任意设置.理论分析和仿真结果表明了控制方法的有效性.     

机器人手部运动误差分析

本文首先引入三阶影响系数,进而系统地导出了串联机器人及并联机器人手部位姿误差、位姿速度误差、位姿加速度误差分析的显表达式,推导过程简明、形式简单,便于编程.最后给出了计算示例.     

机器人机构误差建模的摄动法

误差建模的摄动法,即直接对机构中各种原始误差的小位移矢量进行合成,建立机器人手部位姿误差模型.它摈弃了其他误差建模方法均需要的微分运算,并能分析多种原始误差产生的机器人手部位姿误差.用该法建立的误差模型简单且物理意义清楚.作为例题,文中建立了 PUMA560型机器人的误差模型.     

时域投影模型降阶方法的小样本误差估计

投影方法作为一类重要的模型降阶方法,其计算过程稳定,易于实现,但在理论上鲜有良好的时域误差估计结果．本文提出一种基于小样本估计过程的时域投影模型降阶误差估计方法．该方法首先将降阶过程中产生的误差分解为两部分,然后对各部分利用小样本估计方法进行估计．文中分别对线性和非线性输入输出系统进行小样本误差估计分析．此外,该方法能对线性系统的扰动问题进行分析,进一步的数值算例验证了该方法的有效性．     

圆柱体轴线直线度误差的评定及其可视化研究

基于圆柱体的圆周轮廓最小二乘圆的圆心坐标,建立圆柱体轴线直线度误差的最小二乘法评定模型,提出用于圆柱体轴线直线度误差评定中实际轴线包容面的理想轴线与包容面的可视化方法。基于该模型,编制轴线直线度误差评定及其可视化程序。利用所编制的程序对孔的轴线直线度误差进行评定和图形显示。该可视化方法也可用于最小区域法的轴线直线度误差和圆柱度误差评定结果的可视化。     

基于MATLAB和VB的平面度、圆度、球度形状误差评定的软件设计

形状误差是实际形状相对其理想形状的偏差,关系着工件的质量,针对平面度、圆度、球度等不同的形状误差,先后出现了许多新的算法.采用计算简便、运算速度快、广泛应用于各种形状误差的评定的最小二乘法;运用MATLAB语言编写误差的计算程序,在Visual Basic环境下开发了软件系统的用户界面程序,同时编写VB与MATLAB之间的接口程序,完成这两种软件之间的调用.通过与现有最小区域法的计算结果相比较验证程序的正确性,便于在工程实际中推广应用.     

变长检错码

本文提出变长错误模型和变长错误检错码的概念，具体给出两类变长检错码，分析了其检测变长错误的能力，并介绍了其在计算机病毒防治中的实际应用．     

AutoCAD实体造型误差分析与补偿方法

本文对ＡＭＥ造型过程的由二维带维度的构造三维实体所产生的误差进行了分析，并且尝试性地采用最小二乘法任意次方程拟合出误差曲线，在大量作图的基础上求解了圆，椭圆，圆弧拟合曲线构造实体过程中最小二乘四次误差方程，绘制了误差曲线，采用误差补偿法，使误差减小３－１０倍，基本上能满足实体造型的需要。     

机器人的位姿标定及其误差补偿

本文用建立机器人目标空间转换矩阵的方法,通过对机器人几点位姿的标定,从而补偿这几点及以这几点为中心的小区域的误差.这种方法简便实用,仅用标定和增加一些软件的方法可使工业机器人位姿精度大大提高.     

ACCENT生成的语法分析器中多个语法错误检查的实现

ACCENT产生的语法分析器一次只能发现源程序中的一个错误,很不利于实际应用.针对有明确语句结束标记的程序设计语言,提出了一种能查找多个语法错误的实现方法,并在ATLAS语法分析中得到了实际应用和验证,效果良好.     

Predictive use error analysis – Development of AEA,SHERPA and PHEA to better predict,identify and present use errors

In health care, the use of technical equipment plays an integral part. To achieve a high level of patient safety, it is important to avoid use errors when handling equipment. Use errors can be mitigated by performing analyses of potential use errors during the design process. One proactive analytical method for use error analysis is Predictive Use Error Analysis (PUEA), which is a further development of the methods Action Error Analysis (AEA), Systematic Human Error Reduction and Prediction Approach (SHERPA) and Predictive Human Error Analysis (PHEA). PUEA employs a detailed process for breaking down the user's tasks into steps and then identifying and investigating potential errors of use for each step. Compared with other methods, it is significant in its use of two question levels, greater inclusion of human cognition theory and that the results of the analysis are presented in matrixes.