用于强激光系统的光栅偏振器

针对强激光系统中常用的1 053nm激光器进行了偏振光栅结构的优化设计。利用严格耦合波理论分析了光栅偏振器的衍射特性及消光比,分析显示偏振光栅周期为600nm,占宽比为0.535~0.55,槽形深度为1 395nm~1 420nm时,可保证其在1 053nm波长下,透射率高于95%,消光比大于1 500。基于分析结果,利用全息光刻技术制作了高质量光刻胶光栅掩模,并采用倾斜转动的离子束刻蚀结合反应离子束刻蚀的方法对该光刻胶光栅掩模进行图形转移,制作了底部占宽比为0.54,槽形深度为1 400nm的光栅偏振器。实验测量显示其透射率为92.9%,消光比达到160。与其他制作光栅偏振器方法相比,采用单光刻胶光栅掩模结合倾斜转动的离子束刻蚀工艺,不但简化了制作工艺,而且具有激光损伤阈值高、成本低的优点。由于该技术可制作大面积光栅,特别利于在强激光系统中应用。     

BP神经网络在导航潜望镜中的应用

将BP神经网络应用于导航潜望镜读数校正．通过训练样本找出天体高度与静态误差的对应关系．从而可应用静态误差对所测高度进行补偿。结果表明该方法有效。     

蓝绿激光在水下航行器导航中的应用展望

针对水下航行器导航的薄弱环节,提出运用蓝绿激光的特殊性质,从远程水下航行器自身出发,对以海底地形匹配导航作为惯性导航的补充的导航方式进行了讨论.     

非异常区TM偏振波宽波段特性在激光器调谐光栅设计中的应用

通过刻划工艺控制光栅槽形零级面宽度,使-1级和0级衍射效率同时达到期望值是激光器调谐光栅研制中的技术难题。基于光栅电磁场理论,利用光栅非异常区入射波长与光栅周期之比λ/d≈1.414附近较宽波段范围内TM偏振波的衍射效率变化梯度小,而且同一波长的衍射效率随闪耀角增大呈单调递增或随槽顶角增大呈单调递减趋势的特性,给出了-1级振荡0级输出激光器调谐光栅的全三角槽形模型及设计方法。该方法用常规三角槽形光栅即可实现任意比值的-1级与0级衍射能量分布,避免了以往通过控制类梯形槽形零级面宽度来制作此类光栅的工艺不确定性,降低了制作难度。应用该模型设计并制作了-1级衍射效率为65%的0级输出激光器调谐光栅,其在10.6μm处的衍射效率误差为0.6%。该方法还适用于-1级振荡-1级输出激光器调谐光栅的设计,实现了两类激光器谐振光栅在设计方法以及制作工艺上的统一。     

蒙特卡洛法在光栅单色器波长校正中的应用

本文以荧光分光光度计中单色器为例,采用蒙特卡洛方法进行波长补偿校正,即利用计算机生成大量的随机数来估算波长准确度补偿曲线的参数值,这些参数满足该补偿曲线上的点到波长校正点有最小的偏差。该方法克服了光机结构的误差所带来的影响,降低了调试成本。实验结果表明:经过波长校正单色器波长准确度误差小于±0.2nm,验证了蒙特卡洛方法在光栅单色器波长正中应用的可行性,为校准单色器波长提供了一种新的方法。     

模糊神经网络数据融合在移动机器人导航中的应用

提出一种基于模糊神经网络的多传感器数据融合方法,并将其用于自主移动机器人的导航避障。采用BP神经网络作为基体,将模糊技术和神经网络有机结合组成模糊神经网络控制系统,实现了模糊规则自动提取及模糊隶属度函数的自动生成。实验表明该方法可实现机器人的安全避障。     

Smith预估器在纳米操作系统中的应用

针对纳米操作系统中存在的滞后性质,提出了带Smith预估器的PID控制方法.从理论上解决了纳米操作系统中由于纯滞后性质而引起的系统超调或振荡.从而保证了纳米操作中观测的精度和准确性.     

神经网络辅助卡尔曼滤波在组合导航中的应用

为使基于微机电系统的捷联惯性导航/全球定位(MEMS-SINS/GPS)组合导航系统在GPS接收机无法正常工作时,仍能提供满足精度要求的导航信息,提出了径向基函数神经网络(RBFNN)辅助自适应卡尔曼滤波(AKF)的信息融合方法。首先,基于该方法设计了由神经网络训练与预测两种模式构成的组合导航系统。在GPS可用时,对RBFNN进行在线训练;在GPS失锁时,由RBFNN预测AKF更新过程的量测输入。然后,建立了RBFNN与AKF的数学模型,并设计了RBFNN的训练策略与AKF的自适应算法。最后,通过跑车实验验证了该信息融合方法的有效性。实验结果表明,在GPS断开时间为40s和100s时,系统的位置精度分别优于15m和90m。该信息融合方法能在GPS失锁时对导航误差发散进行有效阻尼,是适用于小型无人机、制导炸弹与车辆的一种低成本、高鲁棒性、中等精度的导航方案。     

改进的BP算法在多目标识别中的应用

为了实现对多目标的识别,提出了一种改进的BP算法。采用在步长函数中加入变动量因子,即当连续两次迭代其梯度方向相同时,步长加倍;当连续两次迭代其梯度方向相反时,步长减半。由于步长在迭代过程中自适应进行调整,使误差函数E在超曲面上的不同方向按照步长向极小点逼近,实现了对目标函数的优化。给出了在目标函数最优时的BP网络对三种飞机测试集的识别结果,其收敛速度比传统BP算法快4倍以上,表明该方法能够有效地用于多目标的识别。     

BP神经网络在多位置捷联寻北系统中的应用

为了精确拟合多位置捷联寻北系统采集的数据的曲线,计算陀螺初始位置和真北方向的夹角,简要介绍了多位置捷联寻北系统的工作原理,推导了寻北测量的数学模型,并分析了影响测量精度的因素,分别采用了最小二乘法和BP神经网络法,对两种方法的拟合精度和最终计算得到的寻北结果进行了比较。实验结果表明：与最小二乘法相比,BP神经网络拟合精度较高,拟合残差和较小,达到0.06位,残差的均方差达到34.45位,在计算相位角时,多次寻北结果的均值基本一致,但均方差明显由于最小二乘法,达到8″。满足寻北系统对数据拟合精度的要求。     

偏振导航传感器测角误差分析与补偿

借鉴沙漠蚂蚁等昆虫利用天空偏振模式进行导航的方法,设计了偏振传感器来获取导航系统的航向角。为提高偏振传感器的测角精度,研究了影响偏振传感器测角精度的误差因素与补偿方法。讨论了如何利用偏振传感器从天空偏振模式中提取偏振方位角信息的方法,分析了影响偏振测角精度的主要误差因素,建立了偏振传感器的测角误差模型。根据测角误差模型,推导了偏振方位角的解算方法,并利用最小二乘算法,通过估算模型的误差参数值间接补偿测角误差。最后,采用提出的误差补偿算法在晴朗天气下进行了实验测试。测试结果表明：误差补偿后测角精度得到明显提高,约为0.17°（3σ）。实验结果验证了提出的误差补偿算法可以实现对角度误差的有效补偿。     

基于BP网络的肌电信号的特征提取及在机械手中的应用

采用了AR模型理论及数据方差的计算方法对肌电信号进行了特征提取,并利用BP神经网络对三种不同的肌电信号进行了分析与特征识别,结果显示,本方法能精确地识别出对这三种不同动作指令的响应,这对进一步研究智能型机械手指运动提供了可能。     

BP神经网络在复杂曲线曲面反求中的应用研究

介绍BP神经网络的结构与学习算法,建立用于复杂曲线、曲面反求的BP神经网络模型,论述模型建立的步骤与原则方法,阐述利用所建立的模型对曲线、曲面进行反求的实施过程.实验研究表明,该方法能够较好地实现复杂曲线、曲面的反求,并具有一定的容错能力.最后简要介绍该方法的不足之处.     

模糊免疫算法及其在溶剂脱水塔软测量建模中的应用

本文针对基本免疫算法收敛速度慢、计算精度低等缺点,提出了模糊免疫算法.该算法引入模糊技术,对关键参数(交叉概率和变异概率)实现了模糊自适应调整.通过标准测试函数实验结果的对比,其可行性和有效性得到证明,不仅减轻了原始算法中参数确定存在的困难,而且提高了算法的计算速度和精度.其次,本文将模糊免疫算法用于径向基神经网络的训练,并将该神经网络应用于溶剂脱水塔软测量模型.仿真实验证明,模糊免疫算法优化的径向基函数神经网络具有良好的泛化性能.     

矢功率谱与蚁群神经网络结合在机械故障诊断中的应用研究

针对传统功率谱信号源不足以及BP神经网络收敛速度慢且容易陷入局部极小等问题,提出矢功率谱和蚁群神经网络相结合的故障诊断方法,该方法是:提取矢功率谱的8个频段能量特征,并输入到蚁群神经网络分类器进行故障识别,通过实际训练结果和实验结果对比可知,蚁群神经网络能有效地提高收敛速度,网络迭代次数明显改善,故障识别率提高,将蚁群神经网络应用于机械故障诊断是有效的.     

神经网络逆软测量方法的拓展及在生物浸出过程中的应用

在前期工作中,提出了基于内含传感器的逆软测量方法,其中逆软仪表的构造仅仅是基于直接可测的状态来实现的。对该方法进行了拓展,首先将用于构造逆软仪表的直接可测量由直接可测的状态拓展为函数变量,然后对逆软仪表的建模算法进行了改进。这种拓展和改进不仅增加了逆软仪表构造成功的可能性,而且可以降低构造逆软仪表所需的直接可测量的导数的阶数,便于工程实现和应用。另外,采用神经网络来逼近理论上存在的逆软仪表,并得到了神经网络逆软仪表,从而解决了解析逆软仪表难以实现的工程应用瓶颈。最后将神经网络逆软仪表应用于生物浸出过程,实现了其不直接可测状态的在线软测量。仿真结果表明神经网络逆软仪表的软测量值与真实值非常接近,从而验证了该方法的有效性。     

Estimability measures and their application to GPS/INS

In this paper, estimability measures and their properties are introduced for a discrete linear system. The degrees of estimability of both a system and its subspaces can be examined with these measures for multi-input/multi-output time-varying systems. The relations among estimability, error covariance, and information matrix are presented. The effects of the initial error covariance, system model perturbation, and the transformation of state variable on the measures are also given. The estimability measures are applied to GPS/INS to confirm the estimability analysis results.     

基于神经网络与遗传算法的关节轴承挤压模具优化

针对实际生产中关节轴承内外圈间隙分布不均问题,以GEW12关节轴承为例,应用ABAQUS软件对关节轴承挤压装配过程进行了数值模拟。采用BP神经网络建立了挤压模具形状与内外圈最大间隙与最小间隙之差的映射关系。以关节轴承内外圈间隙均匀分布为目标,结合遗传算法,提出了一种集数值仿真、人工神经网络和遗传算法为一体的关节轴承挤压模具型腔优化设计方法。实验结果表明,模具型腔经过优化后,轴承内外圈间隙均匀性得到了很大的改善,轴承金属流动速度更加均匀。     

Constrained independent component analysis and its application to machine fault diagnosis

For machine fault diagnosis the signals from working machine are always numerous, even uncountable, but there contains only a little useful information. Hence how to find out the useful signal from numerous signals, including noises, that is, how to only extract the desired fault signal is very attractive. This paper shows that the constrained independent component analysis (cICA) can solely extract desired faulty signal using some prior mechanical information. The methods of creating reference of cICA for machine diagnostics are discussed, and the effectiveness of the method is successfully verified by simulations and experiments.     

含噪声模糊图像的点扩展函数参数辨识

针对运动模糊和散焦模糊,提出了一种基于双谱的对含有噪声的模糊图像点扩展函数参数辨识的方法。首先计算出一幅标准测试图像经模糊后的双谱,之后通过曲线拟合出双谱中的统计特性与模糊尺度之间的函数关系,由此训练出的BP神经网络可以完成对其它含有噪声的模糊图像的点扩展函数的参数辨识。实验结果表明,本方法适用于含有噪声的一定模糊参数范围内的散焦模糊和运动模糊图像,在信噪比为25dB的情况下,辨别出模糊尺度的偏差不超过0.5个像素。