基于双层修正无迹卡尔曼的水下节点定位算法

针对水下无线传感网络中运动节点定位精度低的问题,提出了一种新的基于双层修正无迹卡尔曼的水下节点定位算法(DLMUKF)。该算法利用下层无迹卡尔曼滤波算法对节点状态进行预测,根据各信标节点的测距传播时延对预测的节点状态进行修正。运用上层无迹卡尔曼滤波算法对修正后的状态进行新的预测与修正。仿真实验中,DLMUKF算法的平均定位误差约为传统多边定位算法的15%,约为基于无迹卡尔曼滤波(UKF)定位算法的16%,受节点运动时间与速度的影响最小。通过实验证明DLMUKF算法能更充分利用实际距离值,可以有效减小运动节点的定位误差。     

多电平变流器系统可靠性建模与分析* .txt

摘要：多电平变流器因其良好的特性已被广泛应用于各种中、高压大功率的电能变换场合,其采用了比两电平变流器更多的功率开关器件,从理论上讲具有更高的故障率,但多电平变流器自身拥有大量的冗余状态和较高的控制自由度,当开关管存在故障时可通过释放冗余资源使多电平变流器实现容错运行,从而提高多电平变流器系统的可靠性。为了定量分析不同变流器拓扑的可靠性,首先采用故障物理可靠性建模方法建立功率开关管串/并联的可靠性模型,并基于该模型,建立单相三相两电平变流器的可靠性模型;综合考虑多电平变流器拓扑的自身冗余和容错能力对可靠性的影响,建立了三相多电平和新型混合多电平变流器的可靠性模型,并基于所建立的可靠性模型定量分析了不同变流器的可靠性;最后,对三相五电平混合T ANPC变流器进行了实验验证。结果表明,多电平变流器可通过容错运行实现带故障持续工作,从而有效提高系统可靠性。 .txt     

纸基底印刷无芯片RFID湿度传感器* .txt

摘要：提出了一种基于纸基底的喷墨印刷无芯片RFID湿度传感器,通过遗传算法与射频仿真软件HFSS相结合,对常规开口环谐振器结构进行分布式加载,得到目标频率为245 GHz的谐振特性良好的传感器模型;采用DMP3000型材料打印机,在不同纸基底上喷墨印刷银墨水制作传感器,以纸张本身的吸水性实现湿度传感;研究不同纸基底对湿度传感器感湿灵敏度和恢复度的影响。结果表明,柯达相纸传感器的灵敏度最高,高湿灵敏度可达到8 MHz%RH,双铜纸湿度传感器恢复度高且恢复时间短,仅为2 min;两种基底湿度传感器皆有较好的一致性、中长期稳定性,且湿敏特性在20℃～30℃范围内受温度影响较小。对纸基湿度传感器的感湿机理进行了分析,纸主要成分纤维素表面的羟基与吸附的水分子作用形成氢键,改变了基底的介电参数,传感器的湿敏特性与纸的成分和结构有关。 .txt     

基于贝叶斯思想的框架结构损伤检测方法研究* .txt

摘要：基于单自由度体系的统计矩理论,以位移四阶矩和加速度八阶矩为损伤指标,使用贝叶斯思想和Gibbs抽样相结合方法,提出一种框架结构损伤检测新方法。以理论分析为基础选取3种典型损伤指标,在信噪比40及30 dB环境噪音的不同损伤工况下,使用贝叶斯思想和Gibbs抽样相结合方法,对某12层标准框架数值模型的不同损伤指标进行了损伤识别效果的对比研究,并在此基础上与其他相似检测方法进行对比分析,发现使用贝叶斯思想和Gibbs抽样相结合的新方法,提出的损伤指标更适合框架结构损伤检测,与标准结果偏差均在5%以内。进一步分析12层标准框架振动台试验数据,选取3个典型振动工况中所有梁柱单元及前20个振动工况累积下的典型梁柱单元分别进行损伤检测,结果表明,所提方法避免了多次采样进行贝叶斯分析的局限性,且一定程度上能反映各损伤单元随振动台试验工况累积而表现出来的损伤程度变化,有助于推动所提方法在框架结构损伤检测中的实际应用。 .txt     

零参考模型用于工业机器人定位精度提升研究* .txt

摘要：几何参数建模是机器人标定的基础,直接影响机器人定位精度。为解决常用几何参数模型当机器人相邻两轴线垂直及接近垂直时存在奇异性,建立了基于方向矢量和连接矢量的零参考模型(ZRM),该模型不仅满足完备性与连续性要求,而且使用该模型计算机器人末端位置和姿态简单直观;建立了几何参数标定误差模型,通过使用LeicaAT960激光跟踪仪对Staubli TX60和ER10L C10两种工业机器人末端大量位姿实测,经正交三角分解去除冗余参数,采用LM算法对几何参数误差辨识,并与基于MDH模型的标定结果比较,实验结果证实,采用零参考模型标定后机器人末端平均绝对定位精度提升75%~90%,明显高于采用MDH模型标定结果,该模型适于在有高精度定位精度要求工业机器人中推广。 .txt     

基于PSO_GRNN网络的肺内静态压力值预测方法* .txt

摘要：为了实现机械通气辅助医疗中依据病人个体差异控制呼吸机通气参量,分析了基于广义回归神经网络（GRNN）的呼吸系统力学模型,通过结合PSO_GRNN网络、数值积分和递推最小二乘法等实现呼吸系统模型的参数辨识。采用直接计算法实现单周期呼吸样本的肺静态压力值计算,并利用二阶多项式拟合体积值误差,计算10个吸气周期静态数据点的平均绝对值误差为0169 3 mL,计算10个呼气周期静态数据点的平均绝对值误差为0372 8 mL。采用PSO_GRNN网络实现多周期呼吸样本集的肺静态压力值预测,10个呼吸周期样本集的训练集平均误差为0000 9 kPa,测试集平均误差为0040 7 kPa。仿真实验结果表明PSO_GRNN网络在收敛速度、平均误差、运算速度等方面均优于PSO_BP网络。所用方法在机械通气辅助治疗时可以为医生设置呼吸机通气参量提供有效的参考依据。 .txt     

无线传感网络节点定位算法综述

节点定位技术是无线传感器网络的关键技术之一。文章介绍了无线传感器节点定位的原理、节点定位算法的评估标准,讨论了现有的节点定位算法的分类．对无线传感器网络距离相关和距离无关两大类的算法进行了分析对比,并对未来节点定位算法的发展进行了展望。     

一种下肢运动意图识别算法性能实时测评系统* .txt

摘要：对腿部运动意图识别算法的实时性能进行综合可靠的评价是实现下肢假肢灵活稳定控制的前提。提出一种逐层分级的基于下肢运动意图识别算法的实时测评方法,对算法的可靠性、稳定性以及运动意图识别速度进行综合评价。利用开发的运动意图识别算法评测系统,对基于肌电信号源和机械信号源的两种运动意图识别算法进行了实时性能测试,发现肌电信号源的算法识别时间大于机械信号源算法,但是其算法稳定性优于机械信号源算法。进一步地,还利用该评测系统有效地区分出正常识别策略与异常识别策略,发现正常策略的动作识别稳定系数比异常策略高25%左右。因此,所提的基于下肢运动意图识别算法的实时测评方法,能够对不同信号源算法以及不同识别策略的实时性能进行有效评价,为智能下肢假肢控制系统开发提供可供参考的测试平台。 .txt     

基于个体协同触发强化学习的多机器人行为决策方法* .txt

摘要：为了提高多机器人行为最优决策控制中强化学习的效率和收敛速度,研究了多机器人的分布式马尔科夫建模与控制策略。根据机器人有限感知能力设计了个体 协同感知触发函数,机器人个体从环境观测结果计算个体 协同触发响应概率,定义一次触发过程后开始计算联合策略,减少机器人间通讯量和计算资源。引入双学习率改进Q学习算法,并将该算法应用于机器人行为决策。仿真实验结果表明,当机器人群组数量在20左右时,本文算法的协同效率较高,单位时步比为1085 0。同时距离调节参数η对机器人协同搜索效率有影响,当η=0008时,所需的移动时步比和平均移动距离都能达到最小值。通过双学习率的引入,该算法较基于环境模型的强化学习算法具有更高的学习效率和适用性,平均性能提升35%,对于提高多机器人自主协同能力具有较高的理论意义及应用价值。 .txt     

基于深度网络迁移学习的致痫区脑电识别* .txt

摘要：致痫区脑电识别能够为癫痫外科手术提供重要的参考价值。提出了一种基于深度网络迁移学习的致痫区脑电识别算法。首先利用连续小波变换（CWT）对脑电信号进行时频分析,获得脑电信号时频图;然后迁移学习AlexNet网络模型,调整网络结构使之适应于致痫区脑电识别,将模型第7层全连接层输出作为脑电信号时频图的特征表示,最后利用支持向量机（SVM）、BP神经网络、长短期记忆网络（LSTM）、基于稀疏表达分类算法（SRC）、线性判别分析（LDA）等分类算法进行特征分类。基于开源脑电数据集采用十折交叉验证的方法对算法进行了验证,比较6种分类器的效果,得到SVM算法的平均特异性为8881%,灵敏度为8807%,准确率为8844%,证明了该方法识别致痫区脑电信号的有效性。 .txt     

基于视线测量的航天器相对导航滤波方法研究

基于视线测量的航天器相对导航精度会受到相对轨迹形状和滤波算法设计等因素的共同影响。以低轨卫星近距离编队飞行为任务背景,设计了环航飞行、共面漂移和共线保持3种不同轨迹的相对运动模式。对3种模式建立了基于星间非线性相对运动模型的系统状态方程,并引入了J2项地球非球形摄动力的影响;建立了基于视线测量的观测方程,观测量包括星间相对距离、相对俯仰角和相对航向角。结合系统模型和观测模型均为高斯分布的非平稳随机过程的特点,分别在上述3种模式下设计了基于扩展卡尔曼滤波(extended Kalman filter,EKF)和无迹卡尔曼滤波(unscented Kalman filter,UKF)的相对导航滤波算法,对各自的相对运动轨迹进行了数值仿真,并在半物理硬件环境下进行了验证,分析了不同模式下EKF和UKF对于高斯非平稳随机过程的估计精度和稳定性,并结合EKF和UKF的运算复杂度,提出了3种相对运动模式下的滤波器优选方案,对工程设计提供了理论参考。     

Nonlinear system identification based on Takagi-Sugeno fuzzy modeling and unscented Kalman filter

This paper proposes two novel Kalman-based learning algorithms for an online Takagi-Sugeno (TS) fuzzy model identification. The proposed approaches are designed based on the unscented Kalman filter (UKF) and the concept of dual estimation. Contrary to the extended Kalman filter (EKF) which utilizes derivatives of nonlinear functions, the UKF employs the unscented transformation. Consequently, non-differentiable membership functions can be considered in the structure of the TS models. This makes the proposed algorithms to be applicable for the online parameter calculation of wider classes of TS models compared to the recently published papers concerning the same issue. Furthermore, because of the great capability of the UKF in handling severe nonlinear dynamics, the proposed approaches can effectively approximate the nonlinear systems. Finally, numerical and practical examples are provided to show the advantages of the proposed approaches. Simulation results reveal the effectiveness of the proposed methods and performance improvement based on the root mean square (RMS) of the estimation error compared to the existing results.     

基于动态生成树和改进不敏卡尔曼滤波的传感器网络目标跟踪算法研究

针对在传感器网络目标跟踪的实际应用中,节点感知的数据与目标真实状态之间通常呈现非线性的特点,提出了一种基于改进不敏卡尔曼滤波的传感器网络目标跟踪算法。通过引入粒子群技术对不敏卡尔曼滤波中δ采样点的分布和收敛速度进行优化,使得δ采样点的分布更加接近目标的真实状态,以提高目标跟踪精度。同时,构建了一个随目标移动而动态生成的树形结构作为算法的执行平台。仿真结果表明,采用动态生成树作为算法执行平台提高了节点资源的利用率,降低了网络能耗,采用粒子群优化后的不敏卡尔曼滤波提高了目标跟踪精度,减少了算法运行时间。     

基于无线传感器网络的室内定位系统

为解决已有室内定位系统精度低、成本高的问题,将无线传感器网络( WSN)技术应用到室内定位中.开展了对已有定位系统包括RADAR、Active Badge和Cricket等的分析,设计了一套基于无线传感器网络的室内定位系统.该系统使用GAINSJ无线传感器网络节点组网,整个系统由汇聚节点、参考节点和目标节点构成.汇聚节...     

基于 Mask R CNN 的铸件X射线DR图像缺陷检测研究* .txt

摘要：针对传统的铸件缺陷检测不能对缺陷进行分类分级等问题,提出了一种基于Mask R CNN的铸件X射线DR图像缺陷检测算法。首先对原始图像进行预处理,采用引导滤波进行图像平滑,平滑图像与原图像进行差分得到差分图像,将差分图像与平滑图像相加运算使图像增强,再利用Labelme进行图像标注,形成训练数据集。送入Mask R CNN深度学习网络,通过特征提取网络生成建议区域,分类、回归网络生成边界框和掩码,经多次参数调节后得到训练网络模型,最后测试数据集。实验数据结果表明,气泡1～5级的检测率分别为：667%,714%,774%,889%,875%;疏松1～5级检测率为：625%,722%,771%,833%,811%。检测结果证明应用Mask R CNN结合引导滤波增强方法的缺陷检测方法可以较好的实现对铸件X射线DR图像的缺陷检测的分级分类,为工业铸件缺陷检测提供了应用深度学习方法的解决方案。 .txt     

基于限制自适应卡尔曼滤波器的连续旋转寻北算法研究

寻北仪作为方位测量装置,被广泛应用在军事和民用定向和控制领域。针对传统寻北仪方法存在的缺陷,提出了基于测量地球自转角速度分量的连续旋转调制动态寻北方案。通过动态误差建模、优化过程约束和动态噪声估计,设计了延时补偿和硬件修正方案及限制自适应卡尔曼滤波算法。经仿真及试验验证,该算法鲁棒性好,抗噪声能力强,寻北精确度高。     

基于最小二乘支持向量回归机的无线传感器网络目标定位法

针对RSSI测距误差直接影响无线传感器网络(WSN)目标定位准确度的问题,从目标位置与目标到传感器节点测距矢量的双射关系入手,建立最小二乘支持向量回归机(LSSVR)目标定位的数学模型,提出了一种基于LSSVR的WSN目标定位方法TL-LSSVR.根据虚拟目标坐标和虚拟目标到传感器节点距离矢量构造出训练样本,通过确定学习区域及网格化采样获得训练样本集,采用LSSVR训练得到定位模型,将测量得到的距离矢量输入定位模型实现目标定位.对不同传感器节点数量以及不同节点分布情况下的WSN目标进行了定位实验.结果显示,对于节点随机分布的情况,TL-LSSVR方法的定位误差比最小二乘法减小21.0%～43.1%;对于节点均匀分布的情况,TL-LSSVR方法的定位误差则减小26.5%～48.7%,表明TL-LSSVR方法能有效减小测距误差对定位结果的影响,提高目标定位准确度.