基于GPS的弹道修正弹落点预测算法误差分析

利用GPS进行弹道测量进而预测落点偏差是弹道修正弹采用的一种常用方法,GPS测量误差对基于GPS的落点预测算法精度有直接影响,该文以摄动落点偏差预测算法为例分析了GPS误差对弹道修正弹落点预测算法误差的影响,确定了GPS误差引起的落点预测算法误差标准差与极限误差求解方法,这可为合理利用基于GPS的落点预测算法提供参考。最后进行的仿真实验表明,GPS误差是落点预测算法误差的主要来源,落点预测算法随机误差分布在GPS误差引起的落点预测算法预测误差极限误差内。     

三坐标测量机高速测量过程动态误差分析与补偿

三坐标测量机测量过程的动态误差制约着工业现场测量效率的提高,为此,提出一种三坐标测量机高速测量过程动态误差补偿方法以改善测量精度。为使研究具备典型性与代表性,以市场上较为广泛使用的移动桥式三坐标测量机为研究对象,通过建立误差分离平台分析测量机高速测量过程动态特性,确定了能够表征测量过程动态误差的四项参数,即最大定位误差(MPE)、残余定位误差(RPE)、最大逼近误差(MAE)、残余逼近误差(RAE)。采用正交实验方法分析了动态误差参数的共性影响因子(定位速度、定位距离、逼近速度、逼近距离)对动态参数的影响程度,并利用三坐标测量机测量标准球得到训练样本和测试样本,分别使用训练样本和测试样本对测量机测量过程动态误差进行建模和补偿。结果表明,经模糊神经网络模型补偿后动态过程误差分别减小了88.8%、80.2%、90.8%、71.3%,证明了模糊神经网络模型能够有效提高测量机的动态测量精度。     

基于RBF网络的数控直线电机进给定位精度研究

文章研究了数控直线电机工作台的误差测量、建模及补偿技术。分析了定位平台的误差来源,采用激光干涉仪测量工作台的定位误差,用RBF算法建立神经网络误差模型,根据误差校正值进行误差实时补偿实验。仿真和实验结果表明:经过样本训练的神经网络模型对工作台的误差具有良好的学习能力和泛化能力,工作台定位精度显著提高,并且较好地解决了随机误差对系统的影响。     

基于LS-SVM和GM的球磨机料位动态软测量

提出了一种基于最小二乘支持向量机(LS-SVM)和灰色模型(GM)的钢球磨煤机料位动态软测量方法,分析了料位的影响因素,确定了软测量模型的辅助变量;基于LS-SVM建立料位软测量静态模型,将静态模型测量结果与实际值比较,获得测量误差时间序列,并采用GM对其建模和预测;将预测的误差结果与静态模型输出进行叠加,实现对测量结果的动态校正。实际应用结果表明,该方法能够有效地反映料位的变化趋势和动态特性,比单纯LS-SVM模型测量具有更高的精度和适用性。     

基于LSGSVM和GM的球磨机料位动态软测量

提出了一种基于最小二乘支持向量机(LS-SVM)和灰色模型(GM)的钢球磨煤机料位动态软测量方法,分析了料位的影响因素,确定了软测量模型的辅助变量;基于 LS-SVM建立料位软测量静态模型,将静态模型测量结果与实际值比较,获得测量误差时间序列,并采用GM对其建模和预测;将预测的误差结果与静态模型输出进行叠加,实现对测量结果的动态校正。实际应用结果表明,该方法能够有效地反映料位的变化趋势和动态特性,比单纯 LS-SVM模型测量具有更高的精度和适用性。     

基于LIBSVM的铅酸蓄电池荷电状态估计

研究准确预测蓄电池荷电状态(SOC)的方法对于快速、准确调节充电装置的动态充电过程具有重要意义。从基于测量蓄电池端电压和内阻实现预测其SOC出发,研究了基于卡尔曼滤波提高蓄电池端电压、内阻和充放电电流测量准确性的方法,在此基础上,进一步提出利用LIBSVM支持向量机基于蓄电池端电压、内阻和SOC的训练样本数据,建立反映其非线性映射的回归预测模型建模方法。最后通过实验数据验证了所提SOC预测模型建模方法的可行性。与利用BP神经网络预测SOC的结果对比表明,基于相同训练样本,所提方法建立的预测模型具有SOC估计预测误差小,对蓄电池宽运行范围的SOC评估具有良好适用性等特点。     

电度表系统误差更正方法

一、引言凡实验结果或多或少都有一定的误差,误差自始自终存在于一切科学实验的过程中.由于随机误差时大时小,时正时负,随着测量次数的增加,随机误差平均值就趋于零。系统误差是在同一条件下,多次测量同一量时,误差的绝对值和符号保持恒定或条件改变时,按某一确定的规律变化的误差。     

新型逆变器有限集模型预测控制误差补偿策略

传统三相逆变电路有限集模型预测控制(FCS-MPC)算法中未考虑计算时间和建模误差对电路的影响,导致在开关序列选择后状态变量真实值偏离期望值,失去了最优性。针对该问题,在新型逆变电路混合逻辑动态模型的基础上分析了忽略计算延迟对电路的影响,并在具有延时补偿的预测控制策略的基础上提出了一种新的建模误差的补偿策略和参考变量预测方法。通过前一时刻的状态对当前时刻的建模误差进行预测,同时在当前时刻进行补偿,从而提高了系统的稳定性,降低了总谐波畸变率。最后通过实验验证了所提方法的可行性。     

电参量微机测量中随机误差的分析及抑制

随机误差是影响电参数微机测量精度的主要因素之一，电参量策微机测量的环节诸多，产生随机误差的原因也多种多样，分析了电参量测量中随机误差的产生原因；针对其中原因明确的多种随机误差，如：交流采样同步误差、A/D量化误差、有限字长误差、前置输入通道增益随机偏差等，分别提出了频率跟踪及软件同步改进、适当增加A/D芯片位数及采样点数、数字调零及增益自动校准、采用浮点数或较长定点数等等相应的抑制措施；对其它原因不明、或数量从多难以一一处理的随机误差，提出了剔除不良值、数字滤波等数值处理方法，这些措施和方法可显著减小随机误差，提高测量精密度，且一般用软件即可实现，不增加装置成本，它们大多巳应用于电力智能测控仪器的设计中，并在实践中取得了满意的效果。     

基于WAMS／SCADA混合量测的电力系统强跟踪滤波动态状态估计

针对当前电力系统动态状态估计主要采用的扩展卡尔曼滤波(EKF)法存在鲁棒性差、建模具有不确定性等缺点,提出一种强跟踪滤波动态状态估计算法.该算法在扩展卡尔曼滤波器中引入时变次优渐消因子,在线调整状态预报误差协方差矩阵和相应的增益矩阵,使状态估计残差方差最小.同时,引入广域测量系统(WAMS)/-数据采集与监视控制(SCADA)系统的混合量测数据,增加了系统的冗余量测,进一步提高了动态状态估计的性能.仿真结果表明,所提方法在正常情况以及负荷突变、存在坏数据、网络拓扑错误各种情况下具有较好的预测和滤波效果.