基于卡尔曼滤波的空气细颗粒物称重数据处理

针对在细颗粒物采样监测装置中称重部分数据采集易受外部环境的影响,产生测量误差和干扰,导致称重部分的精度达不到要求,进而影响整个监测装置的测量精度和性能.通过经典的卡尔曼滤波算法,对传感器读取的数据进行处理,去除了极端数据,提高了称重部分的检测精度.通过MATLAB编写程序,对称重数据进行处理并图形化显示,满足称重部件精度要求±2 mg的要求,验证了卡尔曼滤波算法在此应用的有效性.该方法可应用于相关领域的数据处理.     

基于 BP 神经网络的无人机IMU 多传感器冗余的补偿算法

针对无人机多传感器数据决策时存在的数据可靠性不足以及资源浪费的问题,提出一种基于 BP 神经网络的无人机惯 性测量单元(IMU)多传感器冗余的补偿算法。 将低精度的 IMU 传感器数据输入到 BP 神经网络,利用 BP 神经网络的非线性拟 合能力,补偿低精度 IMU 数据的误差,然后利用基于置信度的数据仲裁算法对多个较高精度数据进行仲裁,输出经过数据融合 后的传感器数据,此过程还可以进行传感器故障判断和定位。 通过改变同类型传感器安装方式解决奇点问题。 实验结果表明, 经过神经网络误差补偿后,误差比原来减小了 55. 2%,比使用卡尔曼滤波算法进行误差补偿后的误差小 53. 9%。 此算法充分发 挥了冗余传感器设计的优势,提高了传感器系统的可靠性。     

NJG型给煤机称重传感器的在线故障监测

通过对NJG型耐压式计量给煤机称重传感器连接形式的分析，提出并联方式下称重传感器在线故障监测的解决方案。     

基于 BP 神经网络的无人机IMU 多传感器冗余的补偿算法

针对无人机多传感器数据决策时存在的数据可靠性不足以及资源浪费的问题,提出一种基于 BP 神经网络的无人机惯 性测量单元(IMU)多传感器冗余的补偿算法。 将低精度的 IMU 传感器数据输入到 BP 神经网络,利用 BP 神经网络的非线性拟 合能力,补偿低精度 IMU 数据的误差,然后利用基于置信度的数据仲裁算法对多个较高精度数据进行仲裁,输出经过数据融合 后的传感器数据,此过程还可以进行传感器故障判断和定位。 通过改变同类型传感器安装方式解决奇点问题。 实验结果表明, 经过神经网络误差补偿后,误差比原来减小了 55. 2%,比使用卡尔曼滤波算法进行误差补偿后的误差小 53. 9%。 此算法充分发 挥了冗余传感器设计的优势,提高了传感器系统的可靠性。     

基于 Kalman-LSTM 模型的悬浮质含沙量测量

针对电容法测量河流含沙量过程中易受环境因素影响而导致测量结果不准确的问题，提出基于卡尔曼滤波和长短期记忆神经网络(Kalman-LSTM)的融合模型。先采用卡尔曼滤波器进行滤波处理，减小传感器测量的随机误差；再通过LSTM神经网络模型对含沙量信息和环境量信息进行多传感器数据融合，减小环境因素对电容法测量含沙量的影响；最后建立了电容法测量含沙量的Kalman-LSTM融合模型。为了验证Kalman-LSTM融合模型的融合效果，与BP模型、RBF模型和LSTM模型对比，比较各模型的均方根误差、最大绝对误差、平均绝对误差和平均相对误差。实验结果表明，Kalman-LSTM融合模型的平均相对误差为2.54%,均方根误差为2.47 kg/m³,该融合模型能有效降低环境因素对含沙量测量的影响，提高电容法测量含沙量的准确性。     

周期误差自适应分离算法研究

动态测量误差信号通常为多分量的非平稳信号,可能包含非周期性趋势项误差、周期性误差、随机误差等分量,为了更精确的修正误差,需将各误差分量分离出来.主要研究周期性误差的分离,分别使用LMS算法和RLS算法构成神经网络自适应线性元件模型,实现周期性误差成分的分离,通过1个动态测试仿真系统进行验证,得出基于RLS算法的神经网络...     

基于模糊卡尔曼滤波算法的动力电池SOC估计

为了改善传统卡尔曼滤波算法估计SOC时量测噪声的影响,提出了将传统卡尔曼滤波算法与模糊控制相结合的动力电池SOC的自适应估计方法。通过实时监控量测噪声实际方差与理论方差之间的差值,实现对量测噪声协方差矩阵的实时在线调整,提高算法在实际应用中的鲁棒性。通过基于联邦城市行驶工况(FUDS)验证混合算法的有效性。结果表明,基于模糊卡尔曼滤波算法的SOC估计最大误差仅为0.21%,高于传统卡尔曼滤波估计精度最大误差0.53%。仿真结果表明,该方法可以有效解决传统卡尔曼滤波算法估计不准和累计误差的问题。     

改进SHAKF算法消除IMU随机误差的研究

针对 Sage-Husa 自适应卡尔曼滤波(SHAKF)算法在处理惯性测量单元(IMU)时,随机误差容易随着时间的累积而造成 滤波发散的问题,提出一种改进的 Sage-Husa 自适应鲁棒卡尔曼滤波 (MSHARKF)算法。 首先对 IMU 构建了合适的模型,再将 SHAKF 与自适应鲁棒卡尔曼滤波(ARKF)相结合并纳入改进的时变噪声估计器,再引入最优自适应比例因子 αk 对量测方程迭 代更新,最后得出新的预测协方差矩阵代入原方程。 实验结果表明,分别通过 Allan 方差和均方根误差(RMSE),对 MEMS-IMU 滤波前后的静/ 动态数据分析计算得,随机误差噪声分别减小至原数据的 1 / 10 000 和 1 / 100。 与本文其他算法相比,该方法有 效地对算法滤波发散进行了抑制,进而提高了 IMU 的测量精度和长期稳定性。     

一种机动车火花熄灭器的自动检测系统设计

为解决火花熄灭器检测中人工称量活性炭效率低、无法在线称量等问题，基于国家标准GB13365-2005,提出了一种机动车火花熄灭器的自动检测系统设计。系统设计了自动称重装置，可实现检测过程中活性炭重量的自动实时称重。对于称重过程中气流造成的误差，采用软件方式进行实时自动校准，首先利用卡尔曼滤波算法对训练数据进行去噪，然后利用三次样条插值对降噪后数据进行拟合，构造误差补偿模型。实际在线测试结果表明，系统补偿后的称重误差可控制在1 g以内，满足了实际使用场景的需求。     

造纸过程采样数据信息处理与优化

文中分析了造纸过程采样数据信息产生误差的原因及类型,用边界条件对过失误差进行检验和剔除;用复合滤波技术对随机误差予以处理;用PCA算法实现采样数据冗余量压缩与信息优化.