微机电陀螺随机漂移建模与卡尔曼滤波

微机电系统(MEMS)陀螺精度较低,严重影响制导火箭弹惯导系统的精度.为了减小MEMS陀螺的随机漂移,提高其精度使其满足简易制导火箭弹的精度要求,需要对陀螺信号进行滤波,MEMS陀螺随机漂移建模与补偿是其中的难点.针对上述问题,提出采用自回归移动平均(ARMA)分析的方法建立MEMS陀螺随机漂移模型,然后基于此模型对随机漂移信号进行卡尔曼(Kalman)滤波.对某MEMS陀螺在静止条件下的观测信号的滤波效果表明,ARMA模型拟合度高,能准确描述MEMS陀螺随机漂移特性;Kalman滤波方法能有效减小随机漂移误差,提高MEMS陀螺的精度,对提高简易制导火箭弹的精度具有一定的参考价值.     

光纤陀螺随机漂移测试与建模

文中介绍了光纤陀螺(FOG)随机漂移的测试方法和实验设备,探讨了一种利用AIC准则和长自回归法建立随机漂移ARMA模型的新途径.利用实验平台对光纤陀螺输出信号进行了采集,对原始数据进行了平稳化处理,然后进行了光纤陀螺随机漂移ARMA建模实验,并通过白噪声检验验证了用新方法建立的ARMA模型具有很好的适用性.     

MEMS陀螺随机漂移的状态空间模型分析及应用

利用Kalman滤波器对MEMS陀螺随机漂移进行估计和补偿,需要将随机漂移的自回归滑动平均(ARMA)模型转化为相应的状态空间模型,从而有必要对模型之间的转换问题进行深入研究。针对国内外有关文献提出的三种转化形式,从数学角度进行了证明,并结合MEMS陀螺的试验数据,分别采用这三种状态空间模型进行了随机漂移和角速率估计试...     

基于灰色模型的微机械陀螺温度漂移建模研究

在微机械陀螺温度试验数据的基础上,通过灰色模型对温度漂移进行建模研究.分析传统的GM(1,1)模型的本质,给出提高模型精度的数学处理方法.采用改进的GM(1,1)模型进行建模,与传统的GM(1,1)模型建模相比,提高了光滑度,改善了模型精度.进一步通过残差检验、后验差检验、关联度检验评估模型精度,结果验证了所建模型的准确性和实用性.     

一种光纤陀螺随机漂移的非平稳时序建模法

为减小光纤陀螺的随机漂移,针对其弱非平稳的特点,采用时间序列分析法建立其模型.提出一种全局最优的模型阶次搜索算法,把二维搜索化为一维搜索,得到了模型阶次的一致性估计.提出了一种改进的参数估计算法,它将非线性参数估计过程转化为线性过程,使用正置与逆置漂移时序共同估计参数,以前向和后向模型的滤波误差平方和最小为参数估计的指标,在(p+1)维空间中求极小值.对实测漂移进行了趋势项、周期项、自相关和偏自相关等分析,采用3种方式分别建立其非平稳模型,验证了上述算法的有效性.建模结果同时表明:直接辨识漂移模型的方式优于工程中常用的将非平稳漂移中的确定性模型和平稳随机模型分别辨识的方式.     

基于ARMA模型的联机时间序列数据分割算法

自回归移动平均(ARMA)模型近年来被广泛用于时间序列数据的预测、聚类以及相似性查找等.由于现实中的时间序列数据其底层生成机制与结构经常动态发生变化,因而对跨越较长时期的数据建立一个单一静态的ARMA模型并不合适.本文提出一种联机分割算法,首先对数据建立动态的ARMA模型,然后根据模型的预测信息与历史数据的特征信息,判断是否适合继续使用该模型描述后续数据,或者需要对数据进行分割,从而逐段建立ARMA模型.算法能够处理持续数据流,对仿真数据与实际数据的试验结果表明,本文所提出的算法是实用有效的.     

基于时间序列模型的激光陀螺随机漂移数据处理

采用时间序列分析方法建立激光陀螺随机误差模型,应用递推最小二乘(RLS)法估计模型的参数,在此基础上对激光陀螺的漂移数据进行了卡尔曼滤波,结果表明:该方法能有效地抑制激光陀螺的随机误差,提高了激光陀螺的精度。     

光纤陀螺随机漂移辨识方法研究

陀螺随机漂移是影响惯性导航和组合导航精度的重要因素.为了有效辨识出光纤陀螺随机漂移噪声的参数,采用了自相关函数、功率谱密度和Allan方差对实测陀螺数据进行分析.实验结果表明:自相关函数、功率谱密度和Allan方差都能有效辨识出陀螺输出信号中的角度随机游走噪声,只有Allan方差能辨识出其中的角速率随机游走噪声.功率谱...     

基于ARMA模型的船舶海水冷却系统参数预测

船舶海水冷却系统与船外海水直接接触,工作环境较为恶劣,而基于小波理论、灰色理论等参数预测方法受环境影响较大,为了实现对船舶海水冷却系统状态参数的准确预测,提出了根据平稳时间序列建立自回归移动平均模型(ARMA)的方法;介绍了ARMA模型原理及建模过程;选取“育鲲轮”海水冷却系统6天的状态参数作为训练样本,输入到ARMA预测模型中进行训练;在MATLAB环境下,获得预测数据;运用平均绝对百分比误差对预测模型的准确性进行验证并对误差进行分析,结果表明所建立的船舶海水冷却系统状态参数预测模型具有良好的预测能力,能有效地反应未来一段时间海水冷却系统的工作状态的变化,提示系统是否存在异常,为早期故障诊断提供有效手段,进而为船舶的稳定运营提供了条件。     

改进狼群算法用于多约束稀布线阵综合

结合量子理论提出了一种改进狼群算法,并将其用于优化多约束稀布直线阵列综合问题。新算法通过量子位特殊编码方式、停滞检测与选择性变异极大地提高了全局优化能力。给出了改进狼群算法流程,并在给定阵列孔径和阵元数的条件下,实现了任意最小阵元间距约束下,抑制天线峰值旁瓣电平（PSLL）的稀布线阵综合仿真。通过解空间变换,有效避免了算法进行阵列综合时,狼群位置更新过程中出现不可行解问题,减少了判断步骤,提高了优化效率。通过典型实例的仿真对比,证实了该方法的有效性和稳健性,而且能获得比现有方法更低的PSLL和更高的优化效率。     

多选择背包问题离散狼群算法研究

狼群算法是一种通过模拟狼群的捕食行为和猎物分配方式提出的群体智能算法,为求解复杂组合优化问题提供了一种新的思路。目前狼群算法不能解决离散问题,以NP难中的经典问题——多选择背包问题的求解为研究对象,设计了基于离散空间的狼群算法。对于离散空间的狼群算法,通过将人工狼编码,重新设计了狼群的游走、奔袭和围捕过程,并设计了三个过程中的步长。把学习机制引入离散狼群算法,实现了人工狼之间的交流,且确立了自适应步长公式。结果表明：离散狼群算法成功实现了对离散问题的求解,为组合优化问题的求解提供了新方法。     

基于改进狼群算法的模糊时间序列预测模型

当使用模糊时间序列预测模型进行预测时,模糊区间的不同划分对最后的预测精度有着十分重要的影响.针对如何更有效的划分模糊区间、进一步提高模糊时间序列的预测精度问题,本文提出了一种基于改进狼群算法的模糊时间序列预测模型.为此首先简要介绍了模糊时间序列,然后阐述了狼群算法并在其游走行为中引入趋向行为和死亡概率对其进行了改进,最后利用改进狼群算法来划分模糊区间,建立了一种新的模糊时间序列预测模型.将Alabama大学入学人数作为实验数据进行实例分析和验证.通过与现有的一些模型进行对比分析,本文所提模型具有更高的预测精度,为模糊时间序列预测提供了新思路.     

基于差分进化的改进狼群算法研究

针对传统狼群算法（WPA）存在易陷入局部最优解、计算资源耗费大、鲁棒性低等问题,提出一种基于差分进化的改进狼群算法（DWPA）。首先,通过引入探狼搜索因子、猛狼最大奔袭次数、自适应围攻步长、差分进化策略等对传统狼群算法进行了改进,降低算法计算耗费的同时提高了算法的全局搜索能力;然后,运用马尔可夫链理论证明了DWPA的收敛性;最后,对13个测试函数进行寻优测试并与WPA等4种算法进行对比分析。测试结果表明,DWPA具有良好的鲁棒性和全局搜索能力,在求解多峰、高维、不可分函数方面的寻优能力尤为突出。     

狼群优化的神经网络频谱感知算法

提出了一种基于狼群优化的人工神经网络频谱感知方法,实现了具有神经网络最优结构的神经网络频谱感知算法。该算法在包含自组织神经网络的频谱感知算法的基础上,具体阐述了训练样本的生成,神经网络的训练以及对神经网络训练阶段结束后所得到的权值矩阵运用狼群优化方法进行进一步的优化处理的过程。实验结果表明,狼群优化的自组织神经网络频谱感知算法与自组织神经网络的频谱感知算法相比,具有更好的频谱感知性能。     

狼群优化的二维Otsu快速图像分割算法

传统二维Otsu算法的阈值选取大都采用穷尽搜索方式,造成算法分割时间较长、实时性差等缺点,影响图像分割效果。为提高算法的运行效率,采用狼群算法来搜索最优阈值,每匹人工狼代表一个可行的二维阈值向量,狼群通过游走、召唤、围攻这三种智能行为的不断迭代以及狼群间的信息交互来获取最佳阈值。仿真结果表明,与标准粒子群优化二维Otsu算法和传统二维Otsu算法相比,狼群优化算法降低了分割时间并提高了图像分割精度。     

基于六加速度计的陀螺仪漂移补偿算法的研究

为满足机动无人机姿态测量的需求,尝试了一种新的陀螺仪漂移补偿方案：对6只加速度计按回转轴对称布局,从而解算出角速度;并利用Kalman滤波对该解算角速度与陀螺仪的输出进行融合,通过反馈校正来实现对陀螺仪漂移的补偿。仿真结果证明：该方案能有效补偿陀螺仪漂移,具有一定工程应用价值。     

自适应狼群算法优化ELM的模拟电路故障诊断

为了能够更加高效地检测和诊断模拟电路中的故障元件,提出了自适应狼群算法优化极限学习机的方法。该方法采用自适应遗传算法对特征参数进行选择,从而生成最优特征子集,然后利用最优特征子集构造样本输入极限学习机ELM网络对故障进行分类。针对极限学习机的输入层和隐含层之间的连接权值、隐含层的偏差都将会使其学习速度和分类正确率受到影响的问题,采用本文方法对它们进行优化并选择相应的最优值,提高了极限学习机网络训练的稳定性与故障诊断的成功率。通过2个典型模拟电路的诊断实例,给出了这些方法的具体实现过程,故障诊断率均在99%以上。仿真结果表明使用该方法进行模拟电路故障诊断时具有良好的正确率和稳定性。     

基于随机漂移粒子群算法的WSNs节点定位

提出了随机漂移粒子群优化（RDPSO）算法,并将该算法应用于接收信号强度指示（RSSI）定位算法中,以降低由RSSI测距产生的定位误差.在仿真实验中,分别比较了基于RDPSO和PSO的RSSI定位算法.实验结果表明：RDPSO算法是在优化性能上优于PSO算法,有效提高了节点定位精度,证明该方法收敛速度快,稳定性能好,精度高,适用于WSNs节点定位问题.     

基于狼群算法的RBF神经网络模拟电路故障诊断

提出了一种新的方法来进行模拟电路故障诊断。该方法包括Haar的小波分解,对数据的归一化处理,以及用狼群算法优化RBF神经网络。用Haar小波对所得的电路原始故障数据集进行变换,然后对变换后的数据进行归一化处理,最终得出RBF神经网络训练所需的输入数据。针对RBF神经网络中隐层节点中心、基函数宽度及权值选取困难问题,使用狼群算法来优化训练RBF神经网络,以提高网络训练稳定性与诊断成功率。通过两个电路的诊断实例,来论述这些方法的具体实现过程,验证用该方法进行模拟电路故障诊断的可行性。