基于BP神经网络的测斜仪方位角误差补偿研究

介绍了陕北石油基地常用磁性电子测斜仪的结构和测斜原理,分析了其本身和工作过程中可能存在的误差及其来源。对井眼姿态测量中主要测量参数之一的方位角,利用前馈神经网络算法,建立了以实测井斜角和方位角构成的二维向量为输入、标准方位角构成的一维向量为输出的三层误差反向传播网络(BP)模型,并用测斜仪的测量数据进行了测试。测试结果表明,采用该BP神经网络补偿算法,可将方位角的实际测量精度从±2.1°提高至±1.7°以内,误差补偿效果较好。     

随钻测斜仪研究与实现

随钻测斜仪是现代定向钻井工程中重要的测量设备,它能在不间断钻井过程的条件下准确、可靠、实时地测量井斜、方位、工具面等参数,井斜测量的实时性、准确性是保证自动垂直钻井中控制井斜精度的关键因素之一,但高温、高压等复杂的工作环境导致了传感器输出的非线性,直接影响测斜仪的工作性能。本文提出了一种基于单片机与CAN总线的随钻测斜仪,文章重点阐述了测斜仪的硬件结构及电路原理,并介绍了信号采集及传感器补偿的程序实现,通过井斜测量的实验,证明该系统的井斜测量误差△INC≤±0.1°;方位测量误差△Az≤±1.0°,测量精度满足现场实际的测量要求。     

光纤陀螺随钻测斜仪钻进中井眼轨迹测量方法研究

为提高光纤陀螺随钻测斜仪的井眼轨迹的测量精度,采用卡尔曼滤波组合的测量方法,对井斜、方位和工具面失准角进行估计。由于姿态失准角的估计精度与其可观测性密切相关,为了提高估计精度,文章分别在匀速、匀加速和匀速转动三种钻进运动状态下,采用分段线性定常系统(PWCS)和奇异值分解(SVD)的方法分析了姿态失准角的可观测性,并分析了钻进中井斜角和转动速率对姿态失准角估计精度的影响。由仿真结果可知,匀速钻进时,方位失准角不可观测;匀加速钻进时,方位失准角可观测且在水平井中可观测性最强,随着井斜角度增大,方位角、井斜角的测量精度逐渐提高;绕轴向匀速转动钻进时,方位失准角的可观测性和估计精度均优于匀速、匀加速钻进状态;角速率由0°/s增加到5°/s时,三个姿态失准角的估计精度均增大并逐渐趋于稳定。文中提出的轴向转动钻进运动可有效提高井眼轨迹的测量精度。     

影响连续测斜仪测量精度的因素分析

本文对连续测斜仪的基本情况进行了概述,并阐述了该仪器的测量原理,然后从井斜校验台精度、探管自转、工作环境等角度出发,对影响连续测斜仪测量精度的因素进行分析,最后简述了提高测量精度的建议,希望能为相关工作人员带来参考。     

改进型神经网络在雷达误差补偿中的应用

针对传统误差补偿方法用于防空雷达存在适应性和适用性差的问题,构建了一种基于改进粒子群算法优化的BP神经网络,能够更稳定、更精确地估计雷达误差,并补偿雷达量测值,从而更好地提高雷达的探测精度。首先,引入收敛因子以及动态自适应调节惯性权重,提高粒子群算法的全局寻优能力与收敛速度;其次,将改进的粒子群算法用于优化BP神经网络的初始权值和阈值,提高BP神经网络的估计精度,缩短训练时间。采用某雷达的实测数据进行仿真验证,结果表明,补偿后的距离、方位角、俯仰角的精度和误差起伏性均有大幅改善,与传统方法相比补偿效果更好,工程应用性和推广应用性更强。     

基于PSO-BP算法的压力传感器温度补偿研究

硅压力传感器在工业环境中使用时,尤其是用于测量油井井下压力的时候,环境温度变化范围通常比较大.硅压力传感器由于其自身结构的原因,输出压力值会呈现非线性变化,大大的降低了压力传感器的测量精度.本文是基于PSO-BP神经网络方法对压力传感器在温度变化时产生的误差进行补偿修正,以达到系统精度要求.PSO-BP算法的本意是使用PSO算法用于对BP神经网络的初始权值和阈值进行改进和筛选,然后再使用BP网络对样本进行训练,以提高系统的泛化能力和稳定性.     

基于神经网络的传感器非线性误差校正方法

为对传感器进行非线性校正以进一步提高其测量精度,提出了基于神经网络的校正办法。理论分析了传感器非线性误差的复杂性,并以位移传感器标定为例,详细介绍了传感器非线性校正的过程和方法。采用了最小二乘拟合、BP神经网络以及RBF网络三种方法进行校正,设计并实现了RBF网络的校正模型。实验结果证明,RBF网络的校正方法比BP网络校正方法精度提高了约44%,其补偿效果更优,且其在传感器种类变化或环境影响较大的情况下比最小二乘拟合更具非线性补偿优势。     

基于灰色神经网络的压力传感器温度补偿模型

压力传感器的输出随温度呈非线性变化,同时含有较大的随机噪声。针对BP神经网络对压力传感器温度补偿建模时误差较大的问题,提出了基于灰色模型和BP神经网络的压力传感器温度补偿模型。首先,用灰色模型对数据进行预处理,以减小原始数据的噪声;然后,用降噪后的样本数据作为BP神经网络的输入进行训练。在相同的训练次数下训练误差可减小一个数量级。结果表明,采用该模型补偿后的压力传感器补偿精度明显优于BP网络模型。     

基于多台北斗接收机的测姿精度对目标定位精度影响分析

飞机姿态测量是无人机系统目标定位的重要环节。该文拟采用多台北斗天线测姿,分析了北斗接收天线测姿精度对机载光电平台目标定位精度的影响。为此,本文建立机载光电平台目标定位系统模型,用蒙特卡洛法分析目标定位误差,并对飞机姿态测量误差在0.05°~1°范围内以及飞行高度在1 000~8 000 m时的垂直下视和斜视目标定位误差进行比较。实验结果表明,在姿态测量误差及飞行高度范围内,垂直下视目标定位高程误差在20 m左右,平面定位误差为23~65 m;斜视定位（-60°斜视,俯仰轴以水平向前为0°）大地高误差为20~30 m,平面定位误差为24~71 m。同时分析了天线摆放及基线长度对测姿精度的影响。目标定位误差主要与飞机姿态角测量误差、北斗系统误差、光电平台方位角和高低角测量误差有关,还与目标与飞机之间的斜距有关。飞行高度越大,光电平台高低角越小,斜距越大,则目标定位误差越大。基线越长,测姿精度越高,当基线垂直时,横滚角误差最小。     

PM2.5测量系统中改进神经网络控制算法优化补偿

针对现阶段PM2.5测量系统的测量精度较低的问题,提出了改进的BP神经网络PID控制算法对其进行优化补偿。通过对粒子群优化算法的速度公式进行了改进,采用优化的粒子群算法优化了BP神经网络,将其用于PID的在线参数调节,以PM2.5测量系统作为研究对象,将改进的BP神经网络PID控制算法与传统PID分别作了仿真研究。研究结果表明,基于改进的粒子群优化算法改进的BP神经网络PID控制算法与传统的PID控制相比,提高了测量精度,在一定程度上减少了误差。     

基于线阵的多波束比幅法圆锥误差分析

在一维线阵条件下,利用多波束比幅法测量方位角时,随着入射信号仰角变大,方位角测量误差会变大。分析了不同仰角下的波束偏离,提出了利用“修正角度”减小圆锥误差的方法,并比较修正前后测量误差统计值,说明达到了提高方位角测量精度的效果。     

Cloud security situation prediction method based on grey wolfoptimization and BP neural network

Aiming at the accuracy and error correction of cloud security situation prediction, a cloud security situation prediction method based on grey wolf optimization (GWO) and back propagation (BP) neural network is proposed.Firstly, the adaptive disturbance convergence factor is used to improve the GWO algorithm, so as to improve theconvergence speed and accuracy of the algorithm. The Chebyshev chaotic mapping is introduced into the positionupdate formula of GWO algorithm, which is used to select the features of the cloud security situation prediction dataand optimize the parameters of the BP neural network prediction model to minimize the prediction output error.Then, the initial weights and thresholds of BP neural network are modified by the improved GWO algorithm toincrease the learning efficiency and accuracy of BP neural network. Finally, the real data sets of Tencent cloudplatform are predicted. The simulation results show that the proposed method has lower mean square error (MSE)and mean absolute error (MAE) compared with BP neural network, BP neural network based on genetic algorithm(GA-BP), BP neural network based on particle swarm optimization (PSO-BP) and BP neural network based onGWO algorithm (GWO-BP). The proposed method has better stability, robustness and prediction accuracy.     

自适应神经网络的光电跟踪成像消旋控制系统

为解决机载光电跟踪系统在跟踪过程中由于工作平台框架的转动导致成像画面的旋转问题,提出了一种基于自适应神经网络的消旋控制方法。系统以消旋指令角作为给定位置信息,以光电编码器实测角度值前后两拍之差作为实测速度值,组成速度反馈内环;以陀螺仪测得的角度值作为位置反馈值,构成位置外环;校正算法采用二阶超前-滞后校正并加入了自适应神经网络算法对其控制参数进行自适应调整。实验结果表明,在消旋拍摄过程中,消旋速度满足设计要求,拍摄图片清晰,消旋精度(均方值)达到1.4’,比传统校正方法输出误差减少了46%。     

TM65 m天线基础和轨道沉降及对天线指向的影响

天马望远镜（简称TM65 m）所建地区属于软土层,为保证望远镜高指向精度,需要坚实的基础支撑高精度的方位轨道平面。2012年7月~2015年7月,基于精密水准测量系统,采用闭合法对基础沉降及轨道面精度共进行了11次测量。测量数据表明基础沉降逐渐趋于均匀沉降,轨道面均方根误差为0.47 mm。测量结果显示天线的基础沉降和轨道面高程随方位角的变化具有相关性,说明基础沉降直接影响了轨道面的精度。采用实验、仿真和理论相结合的方法分析轨道面不平度引起的天线方位轴在东西和南北方向的误差。首先,线性插值测量的轨道不平度数据,提取某方位角对应的天线方位滚轮6支点的高程,然后将高程差作为约束边界条件施加到有限元模型上,最终仿真分析获得不同方位角下方位轴的倾斜量。同时,利用安装在天线座架上的电子倾斜仪对轨道面不平度进行测量,建立了倾斜仪x和y向输出数据与方位轴倾斜及对应方位角的关系模型,经拟合计算得到方位轴的倾斜量随方位角的变化关系曲线。仿真和理论分析结果具有很好的一致性,轨道面不平度对指向精度的影响在4内,分析结果为天线指向模型修正提供了依据。     

基于光电扫描的工作空间测量定位系统误差分析

为研究工作空间测量定位系统的误差传递特性,建立了单发射站方位角/俯仰角测量模型及双发射站单元坐标测量模型。提出了以扫描角测量误差为基础的精度评价方法,通过分析扫描角与方位角/俯仰角之间的测量误差传递关系优化了激光发射站的几何结构。推导了双发射站单元坐标测量误差传递函数,并通过对坐标测量误差空间分布规律的分析求出了双发射站单元的最佳测量位置。使用两台发射站测量了某大型夹具顶端平台的位移,并通过与激光跟踪仪进行数据对比验证了所得结构。实验结果表明,当扫描角测量误差控制在5″以内时,双发射站系统可在5m×5m×3m的空间内实现优于0.25mm的精度。     

基于WiFi-BP的室内定位算法

针对设备差异性造成信号偏差从而影响定位精度的问题,提出了一种结合BP神经网络和加权质心定位算法的室内定位算法。文中通过离群点检测算法对不同手机的RSSI数据进行清洗,并以清洗后的数据作为BP神经网络的数据源进行模型训练,得到了一种稳定的非线性的BP模型。在此基础上,结合改进的室内定位算法进行室内定位。实验结果表明,文中所提定位算法的均值误差、最小误差和最大误差分别为为0.58 m、0.24 m和1.06 m,定位精度明显高于现有的同类算法。