基于全站仪的履带起重机回转角度测量方法

针对传统仪器测量履带起重机回转角度精度不足且易受检测环境影响的问题,提出了一种基于全站仪的履带起重机回转角度测量方法,通过全站仪测量臂架上标记点旋转前后的坐标,围绕转角建立目标函数,再运用改进的粒子群优化方法进行参数优化,提高回转角度测量的准确度.     

基于CPSO-LSSVM的多传感器数据融合

文中提出了一种新的基于混沌算法优化的粒子群(CPSO)算法,该算法在种群初始化时应用混沌算法优化粒子的初始位置,扩大粒子的有效搜索范围,在陷入局部最优时应用混沌算法遍历整个搜索空间,跳出局部最优.仿真实验证明该算法寻优性能优于当前其他PSO算法.利用CPSO对LSSVM的参数进行优化选择,建立多传感器数据融合模型.将该模型应用于压力的检测,实验证明了该方法优于当前其他主要方法.     

改进的DV-Hop无线传感器网络定位算法

针对无线传感器网络节点定位问题中DV-Hop算法的不足,提出利用量子行为粒子群优化算法(Quantum-behaved Particle Swarm Optimization Algorithm,QPSO)对改进DV-Hop得到的估算位置校正.这种方法将定位问题看成一个多维优化问题,并且不需要任何额外硬件设备,也不会增加通信量.最后将仿真试验结果与粒子群优化(Particle Swarm Optimization,PSO)算法校正改进DV-Hop算法进行比较,表明QPSO算法在优化性能上优于PSO算法,有效提高了节点定位精度,证明该方法的有效性.     

两级融合的多传感器数据融合算法研究

针对智慧工厂监测环境中多源数据融合精度问题,提出了一种两级融合的多传感器数据融合方法,旨在提高多源数据融合的准确性和可靠性。该方法分为一级数据融合和二级决策融合,首先采用卡尔曼滤波结合自适应加权平均对同类型传感器进行数据降噪融合处理,其次利用人工兔优化算法(ARO)优化ELM神经网络进行决策融合。实验结果表明,基于ARO优化ELM神经网络的多传感器数据融合算法在融合精度方面优于其他先进算法。经验证,所提出的两级融合多传感器数据融合方法具有更好的融合性能,有效提升感知系统的可靠性和鲁棒性,实现更加准确和可靠的监测和预测。     

基于量子粒子群优化算法的斜齿轮设计

粒子群优化算法是一种基于群智能的优化方法,量子粒子群优化算法是基于PSO进行改进的算法,规则简单、收敛速度快、易于编程实现。对于多约束条件的斜齿轮传动的优化设计,笔者提出了一种基于量子粒子群优化算法优化求解的方法,实践表明能够快速、有效求得优化解,是求解齿轮优化设计问题的一个较好方案。     

基于神经元的多传感器数据级融合研究

在不知道先验知识的条件下,从含有观测噪声的多传感器测量数据中估计出方均误差最小的数据融合值,并作为神经元融合系统训练样本,因而解决了多传感器测量系统数据级融合的标定问题。研究结果表明,融合数据在精度、容错性以及动态响应方面均优于单传感器测量。     

基于QPSO的重载齿轮多目标优化设计

粒子群优化算法(PSO)是一种基于群智能的优化方法,量子粒子群优化算法(QPSO)是基于PSO进行改进的算法,规则简单、收敛速度快、易于编程实现。对于多目标、多约束条件的重载齿轮的优化设计,本文提出了一种基于QPSO优化求解的设计方法;实践表明能够快速、有效求得优化解,是求解重载齿轮优化设计问题的一个较好方案。     

莫尔信号传感器光栅倾斜角度对精密定位准确度的影响

介绍利用激光干涉莫尔信号的精密定位方法,给出激光莫尔信号传感器光栅设定角度误差时的莫尔信号位移特性,以此说明了光栅设定的角度倾斜如何影响精密定位装置的定位准确度。     

基于多传感器数据融合的多目标跟踪算法研究

针对复杂环境下多传感器多目标跟踪问题,提出一种基于改进动态加权数据融合的UKF滤波多目标跟踪算法。该算法基于分布式融合结构,对于每个传感器得到的多个目标的观测信息,首先通过最近邻(Nearest Neighbor,NN)数据关联算法进行航迹关联;然后用无迹卡尔曼滤波(Unscented Kalman Filter,UKF)完成对多目标状态的估计,得到目标最新的运动轨迹;与此同时,综合多个传感器估计的目标轨迹,应用改进的动态加权数据融合算法,得到最终的目标轨迹。仿真结果表明,该算法能有效地发挥多传感器数据融合优势,准确地跟踪多个运动目标。与单传感器目标跟踪相比,多传感器数据融合后的目标跟踪精度提高20%以上。     

基于有偏卡尔曼的多传感器数据融合研究

推导出偏参数为矩阵形式的有偏卡尔曼滤波(BKF)的完整迭代过程,该算法在均方误差条件下优于卡尔曼滤波(KF),可以进一步提高估计的精度.将BKF与多传感器融合算法中的扩维融合和序贯式融合相结合,推导出多传感器扩维有偏卡尔曼滤波和多传感器序贯有偏卡尔曼滤波算法,并从理论上证明了多传感器序贯BKF融合在均方误差条件下优于扩...     

一种倾角及温度同时测量的光纤传感器

叙述了一种用于倾斜角及温度同时测量的传感器。该传感器由光纤锥和光纤布拉格光栅构成,当传感器倾角发生改变时引起光纤锥的通光损耗改变,通过测量通光损耗的变化而测量倾角,通过测量光纤光栅的反射波长的变化而实现温度测量,此外光纤布拉格光栅还有提高倾角测量灵敏度的作用。     

基于粒子群参数优化的 O-VMD 数据处理方法研究

针对电磁超声测厚换能器保护提离距过大导致回波信号微弱且信噪比低,难以在时域内直接准确提取渡越时间得到精 确厚度值的问题,提出频域内粒子群(PSO)优化变分模态分解(VMD)参数的 O-VMD 渡越时间提取方法。 分别对分解层数和 惩罚因子选取固定参数,及基于峭度与功率谱熵联合适应度函数的 PSO 算法获取 VMD 遍历优化参数,进行双次 VMD 处理,滤 除高频及低频噪声;选取能量最大模态进行信号重构,并应用希尔伯特变换获取回波信号时差。 在不同提离条件下,对不同厚 度铝板检测数据采用 O-VMD、经验模态分解(EMD)等方法进行信号对比处理,结果表明,提离距在 0 ~ 2. 1 mm,O-VMD 方法最 大误差为 0. 67% ,且误差与提离距成正比,为精确获取高提离距测厚数据提供依据。     

磁传感器偏航角诊断滤波方法研究

在磁干扰环境中,磁传感器解算的飞行器偏航角会出现偏差。针对磁干扰导致的估计误差问题,面向模型不确定性飞行器系统,提出了基于非线性扩张状态观测器的磁传感器偏航角诊断滤波方法。该方法首先设计了一种双参数型非线性扩张状态观测器,降低了参数复杂性;然后基于该观测器设计改进型观测器残差法,对磁干扰数据进行诊断过滤;最后,设计了基于误差预测的改进型互补滤波器,通过融合滤波进一步抑制磁干扰。静态仿真实验结果表明,本文所设计的诊断过滤方法数据匹配率超过94%,融合滤波结果相位超前且更为平滑;动态飞行实验结果表明,该诊断滤波方法有效抑制了磁干扰对四旋翼飞行器偏航角估计的影响,增强了飞行器的稳定性和抗磁扰能力。     

基于量子粒子群优化Volterra时域核辨识的隐Markov模型识别方法

将量子粒子群优化算法引入Voherra级数模型的非线性辨识中,并结合隐Markov模型(hidden Markov model,HMM),提出了一种基于量子粒子群优化的Voherra时域核特征提取的HMM识别方法,在提出的方法中,利用量子粒子群优化算法辨识得到的前三阶Volterra时域核作为故障特征,输入到各种状态的HMM中,其中,输出概率最大的HMM对应的状态即为设备的当前运行状态.提出的方法克服了传统的基于Volterra模型系统的机械故障诊断要求目标函数连续可导、容易陷入局部最小以及抗干扰能力差等缺陷.最后,将提出的方法应用到旋转机械故障诊断中.实验结果验证了该方法的有效性.     

按传动角优化曲柄滑块机构的约束粒子群算法

建立了偏置曲柄滑块机构工作行程最小传动角最大化问题的约束优化设计模型,提出了处理该模型中约束条件的自适应罚函数法.由于粒子群算法具有简单、高效的特点,因而应用该算法求解机构约束优化问题的全局最优解.给出了数值实例,并通过与已有结果的比较来表明新方法的有效性和稳健性.     

基于粒子群优化的数字多频陷波滤波器设计

数字多频陷波滤波器用于同时滤除或抑制数字信号中的多个频率分量,粒子群优化是模拟鸟群迁徙行为的元启发式搜索方法.以改进的粒子群优化算法为基础,提出了数字多频陷波滤波器的设计方法,它通过优化配置陷波系统的极点位置,实现了具有稳定特性的陷波系统的优化设计.所提设计方法的有效性和实用性,得到了一系列仿真实验的具体验证.     

基于电机电流分析的万能式断路器机械故障诊断

电机电流信号常用于分析电动机本身的故障问题,但对其应用于与电机相连机构的故障分析的研究较少。提出一种基于储能电机电流分析的万能式断路器操作机构故障诊断方法。首先采用Hilbert幅值解调法和改进的小波包阈值法相结合获取交流电流信号的包络线,以解决随机噪声干扰造成的所提取包络线粗糙的问题;然后通过包络线提取电流信号的时间量、电流量以及峭度作为不同故障状态电流波形的特征参数;最后融合模糊聚类和量子粒子群优化的相关向量机实现对断路器正常状态、传动齿轮卡涩、储能弹簧卡涩以及脱落的4种状态的辨识。构建了基于电流分析的万能式断路器故障诊断系统,在不同工况下进行了验证,结果表明该方法能有效提取操作机构储能相关部件的故障特征,实现了对操作机构储能相关部件的故障诊断。