基于地磁序列匹配的大型室内动态定位方法

基于地磁信号的定位技术无需架设信号发送设备,成本低且可覆盖室内定位范围广。针对室内地磁定位方法采集工作繁琐复杂需反复测量才能精准映射二维平面坐标点的现状,提出一种基于移动终端图像可视化映射和自动插入采集数据的方法,快速采集室内地磁指纹,动态建立匹配室内二维地图的指纹数据库。在此基础上,定位阶段使用改进的动态时间规整(DTW)算法进行地磁序列匹配,提高大型数据库的动态定位效率。后续采用粒子滤波算法融合地磁序列定位和行人航位推算(PDR)的结果,在智能移动终端载体上实现快速精准定位。实验结果表明该动态定位方法在大型室内区域的动态实时跟踪定位效率为每步65 ms,平均定位精度为1.4 m以内。     

基于时间序列理论的误差预测补偿技术

分析了机械加工精度控制模型及传统的误差补偿方法的局限性,尝试把时间序列预测理论应用于数控加工系统,构成了一种新型的误差预测补偿方法。基本思想是直接用已加工出的零件型面误差统计数据建立误差预测模型,得到加工下一零件时各轴不同时刻位置补偿量的预测值,达到提高复杂型面数控加工精度的目的。     

卡尔曼滤波及其在时间序列预测中的应用

根据时间序列预测的特点和要求,分析了传统时间序列预测方法的不足,提出了将卡尔曼滤波应用于时间序列预测。推导了基于卡尔曼滤波的ARMA模型参数实时更新算法,并采用功率谱密度分析方法确定预测模型的形式与阶数。最后,通过对光纤陀螺随机漂移建模进行了实证研究。     

表面粗糙度的时间序列模型

本文讨论了时间序列分析方法在表面粗糙度测量分析与处理中的应用,指出了表面粗糙度时间序列模型建立的最佳途径,从理论上和实验上证明了这一方法的合理性、可行性及描述能力。     

基于卡尔曼滤波数据融合的并联机床动态定位方法

针对并联机床动平台上主轴动态定位问题,将惯性传感技术运用于并联机床动平台的位姿测量,提出一种基于卡尔曼滤波(Kalman filtering,KF)数据融合的并联机床动态定位新方法。该方法融合动态惯性测量数据和机床各腿(支架)的编码器信息,通过KF算法补偿动态测量误差和计算误差,从而实现并联机床动平台位姿(位置和方向)的精确定位。详细介绍KF算法中惯性系统模型和外部测量模型的建立过程,以及测量变量与状态变量间的关系矩阵的推导过程。最后,进行一个单方向运动动态测量的简化试验,对并联机床动平台的6自由度位姿测量进行仿真研究,初步证实了该位姿算法的有效性。     

基于时间序列的GPS定位误差分析

在现代海战场的环境监测中,针对全球定位系统(GPS)的缺陷,采用时间序列分析的方法建立定位误差模型。首先将获得的数据进行平稳化处理,通过依据样本数据的自相关函数和偏相关函数的统计特性确定采用自回归滑动平均(ARMA)模型,然后根据参数的最小二乘估计和AIC准则建立ARMA(4,2)模型。通过对模型的残差分析,得出残差符合白噪声要求,与实际模型拟合程度较高,最后采用预报器对模型进一步预测,根据预报结果修正误差,明显提高了定位的精度。仿真结果表明了时间序列方法可以有效提高GPS的定位精度的有效性。     

基于卷积神经网络与扩展卡尔曼滤波的单目视觉惯性里程计

针对单目相机采集室外图像易受环境光照影响、尺度存在不确定性的缺点,以及利用神经网络进行位姿估计不准确的问题,提出一种基于卷积神经网络(CNN)与扩展卡尔曼滤波(EKF)的单目视觉惯性里程计。采用神经网络取代传统里程计中基于几何约束的视觉前端,将单目相机输出的估计值作为测量更新,并通过神经网络优化EKF的误差协方差。利用EKF融合CNN输出的单目相机位姿和惯性测量单元(IMU)数据,优化CNN的位姿估计,补偿相机尺度信息与IMU累计误差,实现无人系统运动位姿的更新和估计。相比于使用单目图像的深度学习算法Depth-VO-Feat,所提算法融合单目图像和IMU数据进行位姿估计,KITTI数据集中09序列的平动、转动误差分别减少45.4%、47.8%,10序列的平动、转动误差分别减少68.1%、43.4%。实验结果表明所提算法能进行更准确的位姿估计,验证了算法的准确性和可行性。     

一种过山车运行参数测量系统的设计

高速运转的过山车给人留下刺激和惊险的印象,但过山车的运行参数与设计参数是否一致,能否满足当初的设计要求,一直以来都是生产企业急需解决的问题。根据过山车安全生产的要求,设计了一套过山车运行参数测量系统,通过微处理器STM32F103ZET6采集惯性单元AD IS16365的数据,利用四元数法实现过山车运行姿态的解算,上位机应用M atlab软件编写程序,实现加速度、姿态角等运行参数的图形化显示。     

基于时间序列法的风电场风速预测研究

文章采用Box．Jenkins时间序列分析方法,通过Matlab软件,利用达坂城风电场30m处,每10min采集一次得到的风速数据,建立ARMA模型,实现提前1h的风速预测,为更长时间（半天、一天或两天）的风速预测提供理论基础。     

基于MSCKF的IMU与激光雷达紧耦合定位方法

针对传统移动机器人定位方法对计算资源要求较高,而其所采用的嵌入式处理器通常计算力不足的问题,提出了一种低计算复杂度的移动机器人定位方法.该定位方法使用多状态约束下的卡尔曼滤波器对激光雷达和IMU数据进行融合,同时采用近似近邻搜索方法取代传统的KD树近邻搜索方法来进行激光点云法向量的提取,在符合平面特征提取精度要求的前提...     

自适应滤波算法在导弹动力系统故障诊断中的应用

基于时间序列的AR模型方法在用于液体导弹动力系统稳态工作段故障检测时遇到了两难题。其一,由于系统差异,在以试车时的动力系统状态的均值作为实际运行时动力系统状态均值时,得到的时间序列必定不再是零均值;其二,导弹动力系统工作环境不同时刻不尽相同,表现在AR模型中其观测噪声是时变的。在实践中,我们采用了基于扩展Kalm an滤波的自适应算法以及带有时变噪声统计的自适应滤波算法很好地解决了相关问题。     

过山车虚拟样机的建模与动态仿真分析

研究基于虚拟样机技术的过山车动力学仿真分析。解决了虚拟样机建模的关键技术问题,例如,过山车轨道和车辆建模、车辆与轨道间的约束,施加摩擦力、根据测控信号自动施加车辆制动力等,建立了过山车系统虚拟样机。利用ADAMS软件对过山车虚拟样机进行动力学仿真分析,研究了运行过程中车辆位置、速度、加速度和受力的变化情况,获得了过山车的各种动态性能,为过山车设计和性能评价提供了一种新手段。     

IMU 姿态误差均衡校正模型与验证

惯性姿态测量单元(IMU)中存在各种系统误差,需要进行校正以提高姿态解算精度,而校正矩阵是由本身包含各种系统误差的特殊位置测量值及其理论值决定的。对校正矩阵产生的校正误差进行理论推导,研究其对解算姿态参数误差的影响特征,并用测试数据进行验证。根据均衡校正点的设计,详细研究均衡校正及其结构拓扑对姿态精度的影响模型和特征,并对测试数据进行均衡校正验证,典型姿态解算结果及对比表明,均衡校正普遍降低了姿态的绝对误差,均衡平均校正最少可降低解算姿态绝对误差的平均值和峰峰值至30.8%,且在小倾斜角区域也达到大中倾斜角区域常规校正的姿态解算精度。     

具有实时误差综合修正功能的动态测角仪

介绍了一种可对系统误差和随机误差进行实时综合修正的动态测角仪的结构原理和电气原理,阐述了动态测量实时误差修正技术在该仪器中的具体应用。     

时栅传感器动态测量误差补偿

针对动态测量误差特点,提出了对系统误差和随机误差分别进行建模和组合补偿的思想来提高时栅传感器的动态测量精度。对具有周期性变化特征的系统误差采用傅里叶级数逼近的方法进行建模,运用最小二乘求解超定方程组的方法计算出系统误差的补偿参数。对于系统误差补偿后残留的随机误差采用灰色预测GM(1,1)模型进行预测,通过模型残差检验和修正提高预测的准确度。实验结果表明,利用傅里叶级数逼近模型有效地补偿了系统误差,误差由±35\"降至±7.8\",通过最小二乘参数寻优得到的补偿参数与传感器实际的误差成分相吻合;灰色预测模型则很好地预测补偿了残留的随机误差,误差由±7.8\"降至±3\"。得到的结果表明,利用这种对误差分别建模和补偿的方法大幅度地降低了动态测量误差,有效地提高了传感器的测量精度。     

时栅传感器动态自动测试与标定系统

时栅传感器误差曲线的动态自动标定工作,在保证精度的同时,大幅度减少了标定所需的时间。同时,利用软件实现卡尔曼滤波方法,进一步提高了动态标定精度。文中主要介绍了系统工作原理及动态标定的方法,使用结果表明:动态自动测试效率和标定精度达到了预定的指标。