基于卡尔曼滤波器的零速修正技术在导弹发射车中的应用研究

现代战争中,为了提高导弹武器系统的生存能力,采用机动发射是一项重要措施,而机动发射带来的问题是如何快速、精确地实现随机发射点的定位。该文提出了将零速修正（ZUPT）技术应用在导弹发射车车载捷联惯导系统中,并采用卡尔曼滤波对惯导误差进行实时计算并补偿,通过仿真验证,基于卡尔曼滤波器的零速修正技术能在很大程度上提高惯导的定位精度,并且途中不需任何外部信息,对于现代战争环境具有明显优势。通过对停车间隔时间不同对惯导性能影响的比较,为工程实用中合理选择停车间隔提供了重要的参考。     

基于支持向量机的多传感器地面目标识别的融合研究

针对地面目标识别的复杂№将支持向量机引入地面目标多传感器融合识别中。本文深入研究了支持向量机的基础理论知识;建立了基于支持向量机的地面目标识别的融合模型;通过仿真实验验证了模型的有效性。结果表明：核函数的选取对结果有所影响,但在核函数选择合适的情况下能很好地解决地面目标识别的融合问题。     

基于支持向量机的多传感器锅炉烟气成分测量系统设计

对多传感器同时探测到的数据进行智能化处理,可有效抑制过拟合问题并改善泛化性能,并且估计值对噪声和坏点敏感度低,可提高预测的效率和精度。基于支持向量机方法并考虑传感器的交叉灵敏问题,提出了多传感器烟气成分测量系统的设计实现方法。     

基于SVM的多传感器信息融合故障诊断

本文简述了一种基于支持向量机的多传感器信息融合的方法,并构造了其数学模型。利用轴流柱塞泵的常见故障预测,对数学模型进行验证,实验数据显示基于SVM的多传感器信息融合故障诊断方法,要比单一传感器故障诊断有更高的准确性。     

直流无刷电机无位置传感器控制中反电动势过零检测算法及其相位修正

针对具有梯形反电动势波形的直流无刷电机无位置传感器的控制,文章提出了一种软件实现的方法,给出了算法,并通过实验验证了这种方法的正确性和可行性。     

基于自确认传感器理论的无线锅炉烟气成分测量系统设计

自确认传感器是一种不仅能输出测量值,同时能够对自身状态进行实时评估的新型传感器,它可用于传感器故障的自诊断与自恢复,有助于提高测控系统的整体测量可靠性。同时,利用支持向量机方法对测量数据进行智能化处理,可提高数据处理的精度,并实现故障数据的分类与恢复。提出了一种基于自确认传感器理论的多传感器烟气成分测量系统的设计实现方法。     

多传感器组合导航系统的联邦UKF算法研究

多传感器组合导航系统是一种典型的非线性系统,为了提高其滤波精度,本文提出了多传感器组合导航系统联邦 UKF 算法。 首先,在建立多传感器组合导航系统的非线性状态方程及线性量测方程的基础上,对标准 UKF 进行了简化;然后,以简 化 UKF 为基础提出了多传感器组合导航系统的联邦 UKF 算法,并设计了姿态融合算法及其故障检测函数以验证该算法的容 错性能;最后,以 GNSS / CNS / SINS 多传感器组合导航系统为例进行了仿真验证。 仿真结果表明,相对于联邦线性卡尔曼滤波 器,联邦 UKF 算法可提高位置及姿态精度约 25. 8%、22. 2%,同时继承了联邦线性卡尔曼滤波器的容错性能。     

基于多阶段交叉信息融合的多光谱行人检测

针对多光谱行人检测中双模态特征融合不充分、特征融合质量低的问题,提出一种基于多阶段交叉信息融合的多光谱行人检测算法。算法首先通过双流骨干网络分别对可见光图像和红外图像进行特征提取;设计交叉信息融合模块并多阶段嵌入双流骨干网络中引导双模态特征融合,实现双模态特征信息的充分融合;引入条件卷积对融合后的特征信息进行动态处理,改善融合信息的质量,最终提升算法的检测性能。实验结果表明,算法的漏检率仅为1041%,较原算法降低了10%,显著提升了算法的检测性能。     

基于HPSO-SVM的多传感器手语识别方法研究

为了提高手语识别准确率,提出一种基于混合粒子群优化的支持向量机(HPSO-SVM)的多传感器手语识别方法.在原始数据采集阶段,利用ZTEMG-2000肌电传感器采集人体手臂表肌电信号、MPU6050传感器采集右手加速度和角速度信号;在数据处理阶段,增加一个自适应容错长度,提高了短时能量法提取活动段的精度;在分类方法阶段...     

基于磁力计在线校准的行人导航算法

航向角误差是行人导航中的主要误差之一,常见解决方案是将MIMU与磁力计组合使用,但磁力计误差较大,因此使用前需要进行校准。针对这一问题,提出了一种基于磁力计在线校准的行人导航算法,在行走前通过空间旋转的方式进行椭球拟合完成初步校准,之后在行进过程中使用UKF对时变误差进行实时估计并进行校准,以校准后的磁力计输出对行人航向进行修正。数据显示,基于磁力计在线校准的行人导航算法,与磁力计未校准和仅进行初始校准磁力计的行人导航算法相比,闭环误差分别下降了6.17%和2.8%。结果表明,所提出的算法有效地校准了磁力计,并抑制了行人导航中的航向角发散,提升了导航精度。     

基于最小二乘支持向量机的传感器动态系统辨识方法

在介绍和比较标准支持向量机(SVM)和最小二乘支持向量机(LS-SVM)原理的基础上,提出了一种利用LS-SVM模型进行传感器动态系统辨识的方法,并给出了相应的过程和算法.与标准SVM模型比较,该方法优点是明显的:(1)用等式约束代替标准SVM算法中的不等式约束;(2)将求解二次规划问题转化为直接求解线性矩阵方程,使得在相同条件下,系统辨识速度提高1～2个数量级,辨识误差降低50%.因此,LS-SVM模型速度快,抗噪声干扰能力强,更适合传感器动态系统建模.     

基于联合卡尔曼滤波的多传感器信息融合算法及其应用

针对常见卡尔曼滤波器在处理多传感器组合系统的数据时,存在计算量大和故障数据相互污染的问题,提出了一种应用联合卡尔曼滤波技术进行多传感器信息融合,以求得参数最优估计的方法。文中首先对联合卡尔曼滤波的基本原理和4种主要结构方式进行了论述和分析,然后给出了融合算法的实现,最后以多传感器组合导航系统为例,对其进行计算机仿真。结果表明,该方法可有效提高计算的精度和可靠性,具有较好的容错性和环境适应性,有效高的工程实用价值。     

基于过零择多检测器的无传感器无刷直流电动机控制

为在低成本单片机上实现高性能的无位置传感器控制技术,通过对过零检测电路能按照不同换相序列进行同步切换以选择不同的比较器输入,并对比较器的输出进行监控。同时比较器输出使用择多检测器进行滤波,该滤波器由换相序列表中的事件进行驱动,且在高电平到低电平跳变时进行触发。一旦检测到跳变事件,即进行换相,是理想的控制系统方案。     

基于过零择多检测器的无传感器无刷直流电动机控制

描述如何在低成本单片机上实现高性能的无位置传感器控制技术。过零检测电路能按照不同换相序列进行同步切换以选择不同的比较器输入,并对比较器的输出进行监控。比较器输出使用择多检测器进行滤波,该滤波器由换相序列表中的事件进行驱动,且在高电平到低电平跳变时进行触发。一旦检测到跳变事件,即进行换相。     

多节点超短期负荷预测方法

对多节点有功和无功负荷变化规律的动态自适应超短期预测进行了深入的研究和分析,提出将负荷数据分层分区的处理方法,建立它们之间相互牵制和联系的表达,在由递推最小二乘支持向量机(RLS-SVM)算法实现顶层预测的基础上,建立输电系统多节点负荷动态行为特征的描述模型,构建了自适应动态模型的超短期负荷预测总体构架.以山东电网为例的现场测试效果验证了所述方法的可行性和有效性.     

基于卡尔曼滤波的汽包水位多传感器信息融合方法研究

汽包水位是锅炉安全运行的重要参数,列举了影响汽包水位变化的各种因素并且建立了锅炉汽包系统各输入、输出变量间的影响模型。分析了卡尔曼滤波在多传感器信息融合处理中的特点,在DRZ/T01-2004规定的基础上,提出了一个以卡尔曼滤波为底层传感信号融合方法为基础,结合其他聚类融合方法,引入多种类、多数量传感器信号和控制决策预测信号的汽包水位多传感器数据融合控制系统。基于此,设计了卡尔曼滤波在多传感器数据融合处理中的具体实现方法,并借助Matlab仿真,分别测试了卡尔曼滤波在单通道传感信号滤波以及多传感器信息融合中使用的效果。仿真结果证明了所设计的系统能够准确、快速的融合处理底层传感器信号,并作出有效的控制决策。     

基于惯性传感的人员行进动作识别方法

人员行进动作的识别对于行人航位推算(PDR)的计算精度有至关重要的影响。将连续的行进过程依据零速率修正点(ZUPT)划分为单步动作后,准确的动作识别是PDR系统的难题之一。将惯性测量单元IMU固连在胫骨中间外侧位置,采集了大量人员行进过程胫骨运动的加速度和角速度,建立了用于行进动作识别的惯性传感数据库。通过对人员的平地行走、上楼梯和下楼梯的惯性传感数据的分析,建议了一种结合运动特性寻找行进过程中零速率修正ZUPT点的方法。在完成单步步态划分的基础上,提出了一种基于支持向量机(SVM)理论,并采用惯性传感数据作为特征的SVM行进动作分类器。经大量人员行进实验验证,所建议的动作识别方法对于区分行走、上楼梯和行走、下楼梯,精度分别达到96%和85%。     

基于多特征匹配的轻量化行人跟踪算法研究

行人跟踪是深度学习研究中的热点内容。目前的跟踪算法存在无法满足实时性和因跟踪目标相似度太高、目标间的遮挡、运动不规律造成ID频繁转换的问题。为了提高运行速度,在目标检测阶段使用CNN和transformer相结合的轻量化网络,采用联合检测的方式,共享特征权重,并行计算检测、重识别、人体姿态估计分支,同时调整各个分支卷积通道数。跟踪部分则利用卡尔曼滤波预测的目标运动信息,目标重识别信息,和目标姿态的各个关键点位置信息共同完成目标身份匹配,减少了同一ID的频繁转换。实验部分采用MOT16数据集训练和测试。本算法的多目标跟踪准确度(MOTA)为48.5%,多目标跟踪精确度(MOTP)为78.17%,FPS为20,模型大小为18.4M。实验表明,提出的跟踪算法提高了整体的跟踪性能,实时性和准确性达到了预期要求。     

深度学习在多光谱行人检测中的研究现状与应用前景

行人检测是计算机视觉领域重要的研究方向之一。随着深度学习的快速发展,基于可见光图像的行人检测技术的性能有了明显的提升,但在夜间或恶劣天气条件下检测性能急剧下降。基于可见光和热红外图像融合的行人检测可以有效解决全时段行人检测的问题,而多光谱行人检测的性能取决于可见光和热红外两种模态融合的机制。本文以基于深度学习的多光谱行人检测技术为研究对象,首先介绍了多光谱行人检测的基本深度学习模型,其次从特征级融合、决策级融合和模态迁移融合三个方面具体分析了深度学习在多光谱行人检测中的研究现状,最后分析了深度学习在多光谱行人检测中的应用前景。     

基于磁饱和凸极效应的面贴式PMSM零速下无传感器技术

为了实现面贴式隐极永磁同步电机零速下转子初始位置的检测,从电机的高频数学模型出发,引入适合脉振高频注入法实现无传感器运行所需的定子槽磁桥特殊结构,分析了定子槽形和定子槽磁桥尺寸对电机饱和凸极效应的影响,并通过有限元分析予以验证,获得了高频阻抗随转子位置的变化规律,提出零速下无转子位置／速度传感器的控制策略。仿真结果表明这种基于饱和凸极转子位置检测原理的无速度传感器控制对面贴式永磁同步电机零速下定位及运行控制的正确性和可行性。