微型电子测压器准动态校准的合理性

准动态校准已应用于微型电子测压器的校准中,为了证明其合理性,从膛压发生器模拟实测火炮膛压的可行性、标准系统的动态响应特性、前沿抽样的合理性、测压器输入输出为线性关系的合理性4方面内容进行了论证。另外,实测试验结果表明,准动态校准后的微型电子测压器的可靠性和测试精度均能满足测试要求,从而进一步验证了准动态校准的可行性和合理性。     

微型电子测压器校准系统的合理性论证

为确保微型电子测压器在高温、高压、高;中击的实测环境中的测试精度,微型电子测压器应用于实际测试前,都要在模拟应用环境下被校准,为了证明微型电子测压器校准系统的合理性,介绍了标准测试系统的时域静态校准,标准测试系统的动态响应特性,标准测试系统的误差要求3方面的内容。分析结果表明,使用该校准系统能保证被校准后的微型电子测压器的可靠性和测试精度,满足测试要求。     

基于贝叶斯估计的放入式电子测压器准静态校准数据处理方法

为解决贝叶斯估计法无法用于直接处理准静态校准数据的问题,提出了一种先对数据进行预处理,随后进行正态性分析获得正态性参数,最后依据正态性参数进行贝叶斯估计的多传感器动态测试数据融合的处理方法。经过计算分析,放入式电子测压器准静态校准数据具有较好的正态性,使用贝叶斯估计法处理充分考虑了测试数据的统计规律特性,减轻了多传感器测试系统中单传感器对测量整体结果的影响;经实验验证,其同时明显提高了数据相关性,能进一步提高测试可靠性。对于火炮膛压的精确测量有显著意义。     

基于加权数据融合和相关性的微型电子测压器改进的动态校准方法

为确保微型电子测压器在高温、高压、高冲击的实测环境中的测试精度,缩短校准周期,设计了模拟火炮膛内压力环境下的微型电子测压器动态校准系统,并从"虚拟"标准测试系统的建立和测压器动态灵敏度的计算两方面介绍了原始和改进的动态校准方法.对比分析其结果可知,改进的动态校准方法不仅能提高微型电子测压器的测试精度,而且能有效缩短校准周期,从而验证了改进的动态校准方法的可行性和合理性.     

放入式电子测压器的校准技术研究

电子测压器是理想的火炮膛压测试仪器,用经过静态标定的测压器测得的火炮膛压峰值与铜柱测压器测得的峰值相比散布很大.究其原因可能是选用的压力传感器的带宽无法完全覆盖膛压信号的带宽,也可能是火炮发射时的恶劣环境改变了传感器的动态特性.针对上述问题,通过准δ函数校准法得出压力传感器的频响特性完全满足测量膛压的要求.设计了模拟膛压校准装置,能模拟火炮膛内高温高压环境,产生幅值在80 MPa~800 MPa,脉宽在10 ms~20 ms的压力信号.实弹测试数据表明,经过模拟应用环境校准后的测压器所测压力峰值分布稳定性好、置信度高.     

基于模拟油井的井下测试仪温度修正校准方法

针对石油井下射孔压力测试中,在射孔完井过程中会释放大量的热量,压阻式压力传感器的温度效应成为影响测试精度的主要因素。为准确测取井下压力,用现有模拟油井试验装置模拟井内高温高压环境建立了校准系统。在多个温度环境下进行校准试验,通过与溯源性校准的标准测试系统的对比计算,利用最小二乘法得出压阻传感器在不同温度条件下的灵敏度,根据测试仪采集的实时温度数据值修正了压力数据,计算表明压力曲线峰值比修正前小1.4 MPa,为压力峰值的2.08%,表明该压阻传感器温度效应产生的影响不可忽略,基于模拟油井的温度修正校准方法能有效减小温度效应的影响,提高了测试精度。     

靶场末区多传感器数据配准研究

从工程应用观点出发,研究靶场末区多传感器数据融合系统设计,通过分析各传感器的特点,给出了一种具有全天候和可靠测量的靶场末区融合系统结构,主要研究了融合系统中光电经纬仪时间和空间的数据配准方法,并给出靶场末区多传感器数据融合处理的主要步骤。试验结果证明:该融合系统能够提高落点测量的可靠性和精度。     

电容式测压器壳体电容可行性的验证

针对放入式电子测压器所遇到的问题设计了一种基于电容式传感器的压力测试系统,采用壳体本身作为压力敏感元件,实现压力传感器与壳体一体化,通过测量壳体本身的应变就可以实现压力的测试,既减小体积又降低成本;文中详细介绍了该测试系统的工作原理,而且考虑到机械加工及安装精度的影响,主要对壳体电容的结构进行计算分析,对测压器进行了动态校准,验证了该设计方案是可行的。     

准静态冲击波压力测量系统校准技术研究

冲击波压力测量常采用的压电式ICP传感器及高阻输出型冲击波压力传感器低频特性较差,不适宜采用静态校准,针对该问题提出了基于“比对式”的准静态校准方法。介绍了准静态“比对式”校准原理,分析了压力脉宽的选取依据,组建了标准压力监测系统,提出了精度要求,探讨了基于“比对式”准静态校准的冲击波压力测量系统的量传途径。利用落锤液压标定装置,对典型冲击波压力传感器进行准静态校准实验,获得了该传感系统的灵敏度、线性度及重复性。     

提高测量可靠性的多传感器数据融合有偏估计方法

为了提高测量数据可靠性,多传感器数据融合在过程控制领域得到了广泛应用. 本文基于有偏估计能够减小最小二乘无偏估计方差的思想,提出采用多传感器有偏估计数据融合改善测量数据可靠性的方法. 首先,基于岭估计提出了有偏测量过程,并给出了测量数据可靠性定量表示方法,同时证明了有偏测量可靠度优于无偏测量可靠度. 其次,提出了多传感器有偏估计数据融合方法,证明了现有集中式与分布式无偏估计数据融合之间的等价性. 最后,证明了多传感器有偏估计数据融合收敛于无偏估计数据融合. 实例应用验证了方法的有效性.     

基于BP神经网络数据融合的瓦斯监测系统

井下瓦斯监测系统为多传感器监测系统,它通过不同功能、不同精度、不同位置的传感器,对所需要的被测量进行多方位、多角度的测量。但是,目前对于多传感器所测的数据还没有一种通用的、行之有效的处理方法,井下瓦斯浓度的监测很难作到实时、精确。因此,文章提出了一种基于BP神经网络数据融合的瓦斯监测系统的设计方案,该方案采用改进的BP神经网络算法对多传感器数据进行融合,并采用两级融合的方式对数据进行处理,以得到井下环境特征。仿真结果表明,基于BP神经网络数据融合的瓦斯监测系统具有较高的测量精度,极大地提高了数据采集的可靠性、全面性和有效性。     

一种同质的多传感数据融合新算法

提出一种同质的多传感数据融合新算法,充分利用了所得信息,克服了融合过程中必须依赖于多传感数据之间关系阀值的人为经验设置问题。并把新算法应用于测控装置中,计算结果表明:新算法能对多传感数据进行有效融合,提高了抗扰动性,保证融合结果有较好的精度和高可靠性。     

多传感器数据采集系统中的数据融合研究

针对多传感器数据采集系统的准确性与可靠性的要求,提出了单传感器分批估计融合与模糊理论中的相关性函数与加权自适应算法相结合的数据融合方法。首先,对每一只传感器进行分批估计融合,得到了较为可靠的局部决策值。然后,利用模糊理论中的相关性函数,计算出每只传感器与其它传感器的相关程度,并剔除掉那些相关程度较低的传感器的局部决策值。最后,在权的最优分配原则下,利用加权自适应算法对剩下的局部决策值进行数据融合。该方法能在数据先验知识未知的情况下,客观地反映各个传感器的可靠程度。数据分析结果表明:与同类融合方法相比,该方法具有更高的精度。     

基于最小二乘法的冗余信息数据融合算法实现

为了有效融合多传感器冗余系统量测信息,使状态的估计值更接近于状态的真实值,实现高精度和高可靠性的状态估计,采取了基于最优加权的最小二乘算法、有限窗加权的最小二乘算法和自学习加权最小二乘算法,分别对多传感器实测数据进行融合处理,融合后数据的方差大幅度降低,估计精度显著提高。并与传统的最小二乘算法进行了仿真对比,结果表明,这3种方法较最小二乘算法融合精度更高,其中,自学习加权的最小二乘融合算法既考虑了历史数据的作用,又考虑了环境噪声和新的采样值的影响,增强了对噪声检测的敏感性,估计效果较好。     

一种雷达和摄像机的空间标定方法

多传感器融合技术已经广泛应用在智能汽车环境感知领域中;雷达和摄像机的空间标定是伴随信息实时融合的道路检测技术的基础;结合智能汽车的实际应用,提出了针对激光雷达和摄像机的空间标定方法;通过特制的标定板来获得雷达数据和图像数据,选取激光雷达坐标系作为世界坐标系,通过参数拟合的方法来求取图像坐标系与雷达坐标系的变换关系,进而实现两种传感器的空间配准;该方法只需要标定板就能够完成激光雷达和摄像机的空间标定,标定精度高,实现了多个传感器世界坐标系的统一,避免了后续处理中数据解释的二义性;实验结果表明这种方法简单准确,满足系统要求。     

基于QDPSO-BP网络的多传感器融合算法

多传感器数据融合的理论和方法已经被应用到许多领域。但目前对于多传感器所测的数据还没有一种通用的行之有效的处理方法。基于量子空间的粒子群(QDPSO)算法训练的BP神经网络具有较好的稳定性和收敛性,将其运用于多传感器的数据融合,在仿真中取得了比常规算法更高的精度,控制策略制定准确、可靠,是一种较有潜力的多传感器数据融合方法。     

基于自适应分批估计的瓦斯监测多传感器数据融合研究

针对瓦斯监测中多传感器监测数据的融合问题,提出了一种多源数据自适应分批估计算法。利用各组传感器局部融合值与最终融合值的方差自适应地调节各组的权重,通过多步融合逐渐弱化误差较大传感器组对最终融合值的影响。仿真实验表明:相对于平均值法与分批估计算法,该算法能有效地提高数据融合精度,能够满足瓦斯监测对实时性和精确性的要求。     

无线传感器网络簇内自适应融合算法研究*

无线传感器网络中采集的数据存在着较大的冗余与误差,且影响数据的可靠性。针对这个问题,分析了簇内数据误差成因,提出了一种改进后的自适应数据融合算法。该算法从节点测量数据自身着手,通过迭代得到各个节点测量数据的无偏估计值,以各个节点与估计值的欧氏距离作为各节点可信度的描述。实验证明,该融合算法提高了数据的精度和可信度。同时,通过与分批估计融合方法和传统的自适应加权融合方法的比较分析,表明该方法融合效果更好。