基于Mahony-EKF的无人机姿态解算算法

针对微惯性测量单元精度低和传统姿态解算方法误差较大,提出一种Mahony和扩展卡尔曼滤波(EKF)融合的姿态解算算法。首先通过Mahony滤波器融合陀螺仪、加速度计和磁力计数据,解算得到初步姿态四元数。再以Mahony滤波器的姿态四元数作为EKF的量测值,根据非重力加速度的大小,自适应正相关调节量测噪声协方差矩阵;根据陀螺仪测量的角速度信息建立EKF状态方程。最终经过EKF滤波后,获取无人机姿态的估计。经过仿真实验验证,融合算法解算静态姿态角误差小于0.1°,解算动态姿态角误差小于1°,均优于互补滤波算法和改进EKF算法。融合算法能有效抑制陀螺仪漂移误差,滤除加速度计测量值混有的高频噪声和抑制非重力加速度的干扰,提高姿态解算精度。     

EWT 算法在姿态解算中的应用

针对陀螺仪存在低频噪声和漂移误差导致姿态测量精度下降的问题,提出采用经验小波变换( empirical wavelet transform,EWT)算法融合陀螺仪、加速度计解算姿态角。 首先运用 EWT 算法对陀螺仪采集的数据进行频谱分割,得到信号的 模态分量;其次采用小波自适应软阈值去噪的方法对信号进行降噪处理并重构信号,得到处理后的陀螺仪数据;然后根据 PID 互补滤波方法,利用加速度计的数据实现对陀螺仪数据的修正;最后利用校正后的陀螺仪数据,结合龙格库塔法解算四元数,从 而通过四元数获得精确的姿态角。 实验结果表明,EWT 算法融合陀螺仪和加速度计,能够将姿态解算精度提高 50%,且降噪效 果良好,满足姿态解算准确性的要求。     

基于 SRCKFw-检测的多传感器融合的姿态解算算法

针对惯性导航系统受模型误差和测量异常值误差的影响,姿态解算结果易出现精度差甚至发散的问题,提出了一种基于平方根容积卡尔曼滤波(square-root cubature Kalman filter, SRCKF)w-检测的多传感器姿态融合算法。利用协方差匹配法对SRCKF的新息序列进行自适应调整,经过调整后的新息在迭代过程中会补偿量测噪声方差阵,减小模型误差影响;再利用调整后的新息进行误差探测,提高w-检测的探测精度,并构造观测值替换准则进行误差观测值替换,解决测量异常值误差带来的影响;最后利用SRCKF进行姿态融合,陀螺仪的姿态作为状态方程,经检测替换后的加速度计和磁力计姿态作为量测方程。实验表明,所提算法可以准确估计系统姿态,与传统算法相比解算精度平均可提升62.43%,在不同条件下,算法整体性能均可得到大幅提升,并能快速进行姿态解算,保证解算精度。     

微型姿态解算系统的抗磁干扰算法研究

基于MARG传感器的EKF算法可以有效地抑制MEMS陀螺精度低及陀螺漂移较大等缺陷,为MEMS陀螺的广泛应用提供了有效途径.然而MARG传感器中的磁强计容易受到外界磁场干扰,从而对融合结果产生不利影响.基于MARG传感器组成的微型姿态解算系统,提出了一种消除外界磁场干扰的抗磁干扰算法,有效地对存在磁场干扰时的姿态解算融...     

基于Huber鲁棒估计的改进互补滤波姿态解算算法

针对站球机器人在坡面运动过程中,由于系统振荡倾向性导致的姿态估计不准确以及在估计中存在噪声等问题,设计了一种基于Huber鲁棒估计的改进互补滤波姿态解算算法。首先,对站球机器人在斜坡上进行了动力学分析和运动性能分析。其次,利用Huber鲁棒估计抑制站球机器人在坡面运动过程中由于机身振荡所引入的干扰噪声,并改进互补滤波进行姿态解算。最后,为了减少磁力计输出不稳定对姿态解算的干扰,设计了一种数据平滑切换方法。实物实验结果表明,设计的基于Huber鲁棒估计的改进互补滤波姿态解算算法相比于互补滤波算法,对俯仰角、横滚角和偏航角的估计精度分别平均提高19.21%、25.48%和36.04%,该算法可以有效地抑制站球机器人在坡面运动过程中由于机身振荡引入的噪声,能够保证姿态解算的准确性和实时性。     

基于Elman神经网络的负荷预测研究

电力系统负荷预测是电力生产部门的重要工作之一,其负荷变化具有明显的周期性,文章采用Elman神经网络与BP神经网络建立模型,提出了一种基于神经网络的负荷预测方法.对某电网实际历史数据进行仿真预测,经研究发现,Elman模型具有收敛速度快、预测精度高的特点,同时表明利用Elman回归神经网络建模对莱电网负荷进行预测是完全可行的,在负荷预测领域有着较好的应用前景.     

基于Elman神经网络的传感器故障诊断研究

针对传统的传感器故障诊断技术的不足,提出一种基于Elman神经网络的故障诊断方法,建立了Elman网络故障诊断模型,利用小波包分解方法获取用于训练神经网络的特征能量谱,对所建立的模型进行训练。为了检验模型的实际诊断能力,以某动力系统管路流量传感器的4种典型故障诊断为例进行仿真实验,并和标准BP神经网络的诊断结果进行对比。仿真结果表明:基于Elman神经网络的故障诊断速度更快、准确率更高、泛化能力更强,验证了所提出方法的实用性和有效性。     

基于纵横交叉算法与Elman神经网络的短期负荷预测研究

提出一种基于纵横交叉算法与Elman神经网络的负荷预测模型。考虑到电力系统负荷受气象、节假日因素、冲击负荷等影响,首先对原始负荷数据进行处理,再用纵横交叉优化后的Elman神经网络对处理后的数据进行训练,得到预测值。本文以广东省某地区电网负荷为实例,结合电网实际影响因素,建立负荷预测模型。仿真结果表明,本文预测模型具有较高预测准确性和稳定性。     

基于Elman神经网络的电网故障诊断

为提高电网故障诊断的准确性和应对电网故障诊断过程中的时变情况,提出了基于Elman神经网络的电网故障诊断方法。首先对Elman神经网络结构进行分析,然后以Elman神经网络为核心提出了故障诊断策略,最后对提出的基于Elman神经网络的电网故障诊断方法进行仿真分析。仿真结果表明,方法不仅能够实现电网故障诊断,而且能有效提高电网故障诊断的精确度,为基于人工神经网络的电网故障诊断方法的相关研究提供了重要参考意见。     

船用捷联惯导系统姿态解算的研究

以船舶为对象,研究了摇摆运动的捷联惯导姿态解算问题,分析了不可交换性误差产生的原因,提出了消除该误差的等效旋转矢量方法,仿真结果表明,等效旋转矢量方法提高了导航精度。     

基于Mahony与改进Kalman融合的姿态解算方法

获得精确的载体姿态信息是提高载体导航定位的关键。 针对加速运动会产生非重力加速度干扰,而传统滤波算法无法 解决其导致的精度下降的问题,提出一种基于 Mahony 和改进 Kalman 融合的姿态解算方法。 首先采用惯性测量传感器所得数 据进行 Mahony 解算,将其结果作为改进 Kalman 的量测信息;其次通过陀螺仪解算,将其结果作为改进 Kalman 的状态信息实现 姿态解算。 实验结果表明,本文所提出的方法相较于传统方法,解算精度提高一个数量级以上,能有效地抑制漂移误差高频噪 声,大幅提升了载体姿态角解算精度,且具有良好的收敛性。     

基于改进Elman神经网络和模糊控制的智能灌溉算法设计

针对以往智能灌溉系统多采用一级模糊控制且专家经验难以结合多种环境因素,导致适用范围小,不能精准灌溉等问题,设计了一种基于改进Elman神经网络和模糊控制的智能灌溉系统.根据作物的种类和种植时间,通过一级模糊控制器得到最佳土壤湿度;根据土壤湿度差值和蒸发蒸腾量,通过二级模糊控制器得到灌溉决策结果,从而达到精准灌溉的目的 ...     

基于粒子群优化算法的Elman神经网络凝汽器真空模型

将一种动态递归网络——Elman神经网络应用到凝汽器真空预测。通过实例计算,表明该方法能够较准确地预测凝汽器真空,并具有训练速度快、结构简单、精度高的特点,是一种行之有效的预测方法。同时,对反向传播(BP)神经网络算法会出现局部极小值,提出了利用粒子群优化算法的全局寻优能力优化Elman神经网络连接权值系数的方法。仿真结果表明,利用粒子群优化算法的Elman神经网络可以建立精度更高的凝汽器真空预测模型。     

基于Elman神经网络的风力发电机组齿轮箱故障诊断研究

风力发电机组齿轮箱是用于改变转速和传递动力的部件,易于发生故障的一个装置,且其运行状态对风力发电机的工作性能有很大的影响,故对风力发电机组齿轮箱故障进行诊断有实际意义。Elman神经网络可以降低网络对参数调整的敏感性,有效抑制局部极小值的出现,仿真结果显示,Elman神经网络能识别出风力发电机组齿轮箱故障类型,该诊断方法效果较好。     

基于WOA优化Elman神经网络的线损计算研究

为准确方便地计算配电网的线损,基于配电网的实际运行数据,提出了基于鲸鱼算法优化Elman神经网络的方法来计算配电网中的线损。首先,分析影响低压台区线损的影响因素作为线损计算模型的输入;然后,建立Elman神经网络模型来完成配电网线损的计算;最后,运用鲸鱼算法来优化建立神经网络模型,从而建立WOA-Elman模型来计算配电网的线损。对所提出模型进行仿真分析,分析结果表明,采用鲸鱼算法优化的神经网络模型进行线损率计算比直接采用经验分析建立的Elman神经网络模型线损计算的性能更好,具有更好的非线性拟合能力和更高的计算精度,在进行配电网线损计算时准确率更高。     

基于改进直线检测的箱体跌落姿态角解算方法

弹药跌落环境模拟系统主要用于对各种弹药(箱装或裸弹)、引信、仪器设备等进行跌落试验。针对野外复杂背景下高速相机采集的目标跌落图像噪声大、边缘复杂不易提取且图像数据量大等问题,设计了融合高斯核函数和边窗思想的滤波算法、基于感兴趣区域(region of interest, ROI)的改进Hough直线检测算法以及基于序列图像ROI动态更新的边缘直线自动提取算法,解决了去噪过程中目标边缘扩散和序列图像姿态角解算耗时长的问题。实验表明,所提出的改进算法保护了高噪声图像的边缘特征,直线检测耗时低于标准Hough变换耗时的1/10,实现了多帧图像运动目标姿态角的快速自动提取,姿态角解算平均绝对误差为0.36%。     

基于改进Elman神经网络的风速预测

指出风速预测对并网风力发电系统的运行有重要意义。为提高风速预测精度,提出了一种基于改进的Elman神经网络风速预测方法,利用误差反向传播的方法来确定反馈增益γ值。分别采用改进Elman神经网络与BP神经网络建立模型,对实际历史风速数据进行仿真预测。利用风电厂实际数据验证,并阐述了仿真结果。     

基于MEMS/GPS/地磁组合的弹体姿态解算

MEMS惯性器件由于具有自主性、连续性和隐蔽性等优点被广泛运用于载体的姿态解算中,但由于MEMS惯性器件的制作精度和误差积累等问题使得解算出的姿态信息并不准确.同时由于地磁传感器可以实现高精度的姿态测量,但不能独立解算出姿态信息.因此为了提高惯导姿态解算的精度,所以采用GPS、地磁辅助惯导进行姿态解算.设计的方案是在传统惯导姿态解算误差状态方程的基础上,将地磁和GPS解算的滚转、偏航和俯仰角与惯导解算出来的相应角的差值添加到传统惯导姿态解算误差状态方程中,以速度误差和滚转、偏航和俯仰角误差为量测值,估计出组合系统的姿态误差,并与惯导解算出的姿态误差进行对比,从而验证所提出的方法的可行性.     

基于四元数改进型互补滤波的MEMS姿态解算

针对四旋翼飞行器的姿态解算问题,设计了由STM32、陀螺仪、加速度计等组成的姿态测量单元,采用四元数法对姿态角进行描述,详细分析了姿态解算的过程,建立了系统及传感器模型,并在互补滤波算法的基础上,构造了一种改进型互补滤波器来完成姿态解算。实验测试表明,与传统的卡尔曼滤波算法和互补滤波算法比较,改进型互补滤波算法的数据平滑能力更强,收敛速度更快,有效地实现了飞行器姿态数据的融合,提高飞行器的姿态估计精度,满足了小型四旋翼飞行器姿态控制的要求,增强了系统的鲁棒性与稳定性。同时通过实际飞行实验,验证了算法的可行性。     

基于BP和Elman神经网络的智能变电站录波启动判据算法

针对传统故障录波启动判据算法的局限性,提出一种基于BP神经网络和Elman神经网络的算法。以A、B两相电流越限为例进行了算法的研究,通过选取启动判据样本来训练BP和Elman神经网络,将启动判据信息输入到训练好的两种模型中,由输出结果就可以判断是否需要启动录波。Matlab输出表明:基于BP神经网络的故障录波启动判据算法能有效地完成录波启动,误差较小,但是速度相对较慢;而基于Elman神经网络的故障录波启动判据算法也可以完成录波启动,但是误差稍大,由于带有反馈环节,所以速度较平稳,易于工程实现。较之两种算法,可针对故障录波数据量的大小进行择优选择。