基于图优化的激光惯导紧耦合SLAM研究

现有的激光惯导里程计大多采用滤波的松耦合融合方法，在大场景建图中会存在一定的运动估计漂移，导致定位与建图精度降低。针对这一问题提出了一种基于图优化的激光惯导紧耦合里程计与建图方法。在前端依次进行点云畸变补偿、点云聚类分割、地面与特征提取。在后端采用图优化方法融合IMU预积分、激光里程计和回环检测信息完成地图构建。最后利用Kitti数据集和自采集数据对LOAM、LeGO-LOAM和本文方法在里程计精度和回环检测效果上进行了对比分析。实验结果表明本文方法在定位与建图精度上相比于LOAM和LeGO-LOAM分别提高了45%和35%以上，有着更优的鲁棒性。     

一种基于时变噪声的惯性/陆基无线电导航系统信息融合方法

针对民航RNP导航方式对机载导航系统提出的高精度要求,提出一种基于时变噪声的惯导/陆基组合导航信息融合方法.在分析陆基导航系统定位误差产生机理的基础上,建立陆基时变量测噪声模型;然后给出基于时变噪声的惯导/陆基信息融合模型;最后通过MATLAB仿真,将基于时变噪声与基于固定随机常值加白噪声的融合方法所得的惯导/陆基组合导航精度进行比较,结果表明基于时变噪声的信息融合方法可优化滤波参数,提高组合导航的精度.     

基于卡尔曼滤波的电磁流量计信号处理

针对电磁流量计在强干扰条件下测量精度不高的问题,提出了基于残差的卡尔曼滤波方法提高电磁流量计的精度。 采 用滑动平均滤波器对实验数据进行预处理,降低测量时电磁流量计测量时受到强干扰噪声的影响。 分析电磁流量计在固井过 程中的受干扰情况,提出基于残差的卡尔曼滤波的方法,实现过程噪声协方差 Q 随流量变化快速切换,提高卡尔曼滤波的响应 速度。 实验结果表明,经过上述算法处理后定流量下的不确定度降低了 14. 6% ~ 22. 6%,流量发生变化时的响应时间减少 5 ~ 18 s,同时测量累积排量精度达到 0. 12%,满足固井工程施工要求。 本文所设计的滤波算法有效降低噪声影响,使测量结果更 加稳定可靠。     

导弹平台二维激光测平仪数据处理技术

调平精度是导弹平台惯导系统的重要性能指标,本文介绍了基于激光测平技术的平台二维测平仪。它利用激光对准、PSD检测技术,实现对平台二维调平精度的快速自动测量。为了克服PSD器件的非线性误差,提高测量精度,本文通过平滑处理修正奇异值,并用最小二乘拟合修正测量输出。试验证明,激光测平仪经修正后能显著提高测量精度,经计量检测优于3",具有较好的实用价值。     

高精度电子分析天平参数估计与滤波

电子分析天平的传感器结构和测量电路比较复杂，不能够精确求出系统的传递函数。为了估计出系统的传递函数并提高测量数据的信噪比，先通过拉氏变换的方法估计了系统传递函数的阶数，推导了稳态下系统的状态方程，通过自回归方法估计系统参数并结合卡尔曼滤波的方法对测量结果滤波。试验通过离线数据估计出了方程参数和噪声强度，并验证了测量过程数据的平稳性，显著性水平低至0.001。参数估计加卡尔曼滤波混合方法与普遍采用的滑动窗口滤波法作了比较，新方法的平滑性和稳定性均有显著提高，测量标准差可达原有方法的30%,线性度可达6.7×10^-5,响应时间较原方法低至10%。4个样品的试验数据验证了该方法的可行性和有效性。     

微风速流场数据采集与融合方法研究

在微风速(0～1 m/s)空间流场测量中,对传感器精度要求高,实时在线仪表数据精度不够,数据采集滞后性大;考虑采用多个传感器测量提高精度,但也存在数据融合的问题.针对微风速流场测量,提出基于K均值RBF神经网络的数据采集预处理软测量模型,首先选取中间变量(电流值),运用K均值聚类,用RBF网络训练得到单个传感器数据;提出基于相关性kalman滤波的传感器数据融合算法,剔除无效数据点,并融合得到精确风速预测值.测量实验和数据结果表明该方法处理的数据结果滞后性小,处理速度快,数据精度高.     

UWB与IMU融合的室内动态定位算法

针对超宽带(UWB)定位易受多种噪声和非视距(NLOS)的影响产生定位误差的问题,提出了一种基于UWB与惯性测量单元(IMU)融合的室内动态定位算法。该算法首先采用扩展卡尔曼滤波算法对基于到达角度(AOA)定位方法的位置信息进行滤波,并与IMU数据进行时间同步,通过相邻时刻UWB位置信息变化速度与IMU所测量标签运动速度对比,实现对NLOS数据的识别及补偿,从而降低NLOS对定位精度的影响;然后基于改进粒子滤波算法对融合后的数据进行最优估计,以抑制噪声的干扰,最终实现对标签的准确定位。实验结果表明,所提算法采用基于AOA的定位方法可以在保证定位精度的前提下节约硬件成本;与单一使用UWB传感器的定位方案相比,所提算法可根据IMU提供的先验信息有效降低UWB的定位误差,在非视距环境下具备较高可靠性;与基于扩展卡尔曼滤波和无迹卡尔曼滤波的融合算法相比,定位精度分别提高了65.6%和56.0%;与标准粒子滤波算法相比,所提算法基于改进的粒子滤波算法运行时间缩短了42.3%。     

基于矩形窗时域滤波算法的热导检测系统设计与应用

变压器油中溶解气体在线监测的关键是气体检测的传感器技术,如何准确测量、分析油中二氧化碳气体的含量是这一技术的难点。为解决这一难题,设计了一种基于矩形窗时域滤波算法的热导检测系统。该系统采用新型热导传感器TCS208F,针对其输出信号小,采集分析难度大的问题,采用模拟滤波和数字滤波相结合的方法,完成热导检测系统的软硬件优化设计,实现二氧化碳气体微弱信号的采集与分析。该方法有效地抑制了各种类型的噪声干扰,提高了系统测量的精度与灵敏度,实现了微量气体浓度的准确测量,克服了传统气体热导检测的缺点。     

一种基于排序统计理论的快速图像中值滤波法

中值滤波抑制干扰脉冲和点状噪声的同时,对图像边缘能较好的保持,在很多图像处理领域都起到了重要作用。运动目标识别技术对图像预处理实时性要求越来越高,为了提高预处理速度,以中值滤波原理为基础,对滤波排序算法和实现方案进行了研究,提出了一种基于排序统计理论的快速图像中值滤波方法,实现实时滤波。研究结果表明：该方法在硬件系统上对传统中值滤波排序算法进行的改进,使得3×3窗口中二维的9个像素取中值简化为一维的5个像素取中值,单窗口查找中值的比较次数由传统排序法的36次降到了16次,再结合FPGA的并行处理能力和流水线结构,滤波速度提高为原来的近4倍,可以满足图像预处理对实时性的要求。     

改进Sage-Husa 算法结合小波模糊阈值算法的MEMS陀螺去噪

为解决微机电系统（MEMS）中陀螺仪输出噪声大、精度低的问题,基于自适应滤波算法与小波阈值算法的基础上,将小波阈值算法与模糊理论结合,提出了Sage-Husa自适应滤波算法联合小波模糊阈值去噪算法应用在MEMS陀螺去噪中。首先使用改进的Sage-Husa自适应滤波算法进行预处理,通过修正状态的预测值抑制干扰数据对滤波的影响,然后使用小波模糊阈值去噪算法对信号进行后处理,实现抑制随机噪声的效果。实验结果表明：在静态实验中,该算法去噪效果优于Sage-Husa自适应滤波算法和小波阈值算法,其与Sage-Husa自适应滤波算法、小波模糊阈值算法相比,噪声方差分别降低78.7%和14.6%,信噪比分别提高43.7%和16.3%。;在动态实验中,该算法能够自适应地减少异常值的不利影响,保持原始信号的波形,其与Sage-Husa自适应滤波算法、小波模糊阈值算法相比,噪声方差分别降低62.7%和31.6%,信噪比分别提高47.8%和10.0%。     

基于 SRCKFw-检测的多传感器融合的姿态解算算法

针对惯性导航系统受模型误差和测量异常值误差的影响,姿态解算结果易出现精度差甚至发散的问题,提出了一种基于平方根容积卡尔曼滤波(square-root cubature Kalman filter, SRCKF)w-检测的多传感器姿态融合算法。利用协方差匹配法对SRCKF的新息序列进行自适应调整,经过调整后的新息在迭代过程中会补偿量测噪声方差阵,减小模型误差影响;再利用调整后的新息进行误差探测,提高w-检测的探测精度,并构造观测值替换准则进行误差观测值替换,解决测量异常值误差带来的影响;最后利用SRCKF进行姿态融合,陀螺仪的姿态作为状态方程,经检测替换后的加速度计和磁力计姿态作为量测方程。实验表明,所提算法可以准确估计系统姿态,与传统算法相比解算精度平均可提升62.43%,在不同条件下,算法整体性能均可得到大幅提升,并能快速进行姿态解算,保证解算精度。     

高精度管线测量机器人多传感器集成方法

针对现有地下管道探测方法适用性差、易受环境干扰、测量精度低等问题,提出了一种基于管道测量小车,多传感器数据融合的高精度管线测量机器人集成方案。系统以管道测量小车为平台,FPGA为控制核心,挂载惯性测量单元、里程测算单元,通过实时测量管道小车的姿态信息,同时融合里程数据及起止位置坐标推算地下管道的埋深、走向等信息。测试结果表明,本系统的适用性好、抗干扰性强,实现了对地下管道三维航迹参数的实时测量,以及测量数据的同步传输和存储;数据解算达到了95 m横向重复性±40 mm,高程重复性优于±20 mm的高精度曲线测量指标。     

变维数滤波器在捷联惯导系统级标定中的应用

系统级标定技术具有不依赖转台精度、对减振器形变不敏感等优点,现已广泛应用于中、高精度捷联惯导系统的自标定当中。系统级标定一般以导航模式下的速度误差或速度误差的微分作为量测量,结合卡尔曼滤波技术能够实现系统误差参数计算的自动化。基于速度量测的系统级标定算法,其陀螺仪零位的估计精度受限于标定过程中加速度计零位的稳定性。提出一种角速度量测的变维数卡尔曼滤波器实现方法,仅通过改变滤波参数的设置就能够实现对陀螺仪零位的准确估计,无需额外的陀螺仪零位测试试验。最后,多组重复标定试验标定,改进的标定方案其陀螺零位的估计精度要高于传统方法。跑车试验也证明了算法的有效性。     

基于 Mahony 与改进 Kalman 融合的姿态解算方法

获得精确的载体姿态信息是提高载体导航定位的关键。 针对加速运动会产生非重力加速度干扰,而传统滤波算法无法 解决其导致的精度下降的问题,提出一种基于 Mahony 和改进 Kalman 融合的姿态解算方法。 首先采用惯性测量传感器所得数 据进行 Mahony 解算,将其结果作为改进 Kalman 的量测信息;其次通过陀螺仪解算,将其结果作为改进 Kalman 的状态信息实现 姿态解算。 实验结果表明,本文所提出的方法相较于传统方法,解算精度提高一个数量级以上,能有效地抑制漂移误差高频噪 声,大幅提升了载体姿态角解算精度,且具有良好的收敛性。     

基于BD/GPS方位系统的机载测向标校系统设计

随着BD/GPS系统定位精度的提高和姿态方位测量系统的普及,利用BD/GPS和姿态方位系统对机载测向系统进行实时标校提供了一种新的手段。为了提高机载测向系统标校的准确性,克服以往系统标校方法中遇到的问题,给出了基于BD/GPS方位系统的机载测向标校系统的基本原理和系统组成,实现了基于BD/GPS方位系统的机载标校系统的软、硬件设计方案,重点分析了详细的标校过程中方位参考数据的获取和处理方法,以及标校中需要注意的若干问题。该标校系统设计简单,不需要对测向设备进行改造,适应性强,可以为军事和民用机载测向系统标校提供一种有效手段。     

基于改进数字滤波算法的电子式互感器稳态校验方法

传统电子式互感器校验方法一般采用电磁式互感器作为标准源,该校验方法不仅存在电磁互感器的铁磁谐振及铁磁饱和缺陷、增容困难、二次接线繁琐以及二次开路高压危险等客观困难,而且面临模拟信号和数字信号直接对比的问题,易导致电子式互感器稳态校验的效果差和准确性低,为此,提出了一种采用改进数字滤波算法的电子式互感器稳态校验方法。首先,简述了电子式互感器的校验流程,分析了传统电子式互感器稳态校验的不足;其次,详细阐述了改进的数字滤波算法,并提出了改进的数字滤波算法电子式互感器稳态校验方法;最后,通过算例对所提稳态校验方法进行了验证,以期为电子式互感器的大规模推广应用提供借鉴。     

基于流聚类的PMU异常数据辨识算法

为保证同步相量测量装置(phasor measurement unit,PMU)采集数据的准确应用,须排除其量测值中的异常数据。现有PMU异常数据辨识算法存在算法复杂度高、难以在线更新、多源数据难以校准、依赖多源数据应用难度大等不足。为此,文中从PMU事件数据和异常数据模型及PMU异常数据判别信息熵定义出发,提出基于该信息熵的异常数据辨识框架。在此框架基础上,基于利用层次方法的平衡迭代规约和聚类(balanced iterative reducing and clustering using hierarchies,BIRCH)算法提出PMU异常数据辨识算法;然后,对所提出的算法进行原型实现,并针对某变电站的PMU采集数据集进行算法实验验证。实验结果表明,与一类支持向量机(one-class support vector machine,OCSVM)算法与间隙统计算法相比,文中算法的准确度及实时性均具有较强的优势。     

考虑数据时延的电力系统两阶段动态状态估计方法

由于电力系统中SCADA数据和PMU数据采样频率不同,使得这两种数据存在时延。首先提出基于变点重复检测的PMU最佳缓冲长度计算方法,将SCADA数据和PMU数据统一到同一时间尺度下,然后将无迹变换与指数权函数抗差估计算法相结合,针对历史多数据断面进一步提出了两阶段无迹卡尔曼滤波鲁棒动态状态估计方法。该方法在每一断面内,首先用无迹变换和两参数指数平滑预测后的预测值与SCADA数据结合进行第一阶段滤波,然后再将滤波所得估计值与PMU数据结合进行第二阶段滤波。通过两阶段滤波,能够显著增大滤波过程中的量测冗余度,并且有效降低在混合数据滤波过程中量测精度较低的SCADA量测对精度较高的PMU量测的影响。基于IEEE-39节点标准系统对本文所提方法进行仿真,仿真结果表明,本文所提方法能够有效结合PMU数据和SCADA数据对电力系统进行动态状态估计计算,且估计精度高,鲁棒性好。     

基于变结构ESKF的航姿参考系统噪声处理方法

针对航姿参考系统（AHRS）易受到环境与传感器自身噪声干扰,导致姿态估计精度下降的问题,提出了一种基于变结构误差状态卡尔曼滤波（VS-ESKF）的噪声数据处理方法。首先,通过分析AHRS传感器观测数据与新息序列统计特征,设计了基于加速度范数与遗忘序贯概率比检验（F-SPRT）的方法,分别检测加速度计与陀螺仪的噪声数据。其次,基于噪声检测结果,将平滑变结构滤波(SVSF）策略引入到误差状态卡尔曼滤波（ESKF）,以提高ESKF对噪声模型不确定性的处理能力。然后,结合磁场强度与磁倾角参数特征,利用马氏距离法评估磁干扰并实时调整磁力计补偿权重,获取准确的AHRS修正数据。最后,基于自主搭建独轮机器人平台进行实验验证,结果表明所设计的VS-ESKF算法可以及时、准确地检测AHRS噪声数据,并有效地抑制噪声干扰,相比于ESKF算法,对横滚角、俯仰角和偏航角的估计精度分别提升了31.05%、32.32%和40.07%,提高了姿态估计的准确性和稳定性。