改进的自适应算法在谐波检测中的应用

由于传统的最小均方(Least mean square LMS)算法收敛速度和稳态误差之间存在着不可调和的矛盾,而基于双曲正切函数的变步长LMS算法虽然有效的提高了收敛速度,但是其稳态误差较大,二者都只适用于高信噪比的环境。因此提出了改进的基于双曲正切函数的归一化最小均方算法。利用双曲正切函数和反馈误差的均值估计建立步长与误差之间的关系,控制权值及步长因子的更新,有效的降低了噪声的干扰,并在权值迭代的过程中引入了归一化算法,以使算法能适应大的动态输入范围,其次加入了动量因子,进一步提高算法的收敛速度。最后,在MATLAB/simulink仿真平台上搭建模型,仿真结果验证了算法在提高了收敛速度的同时,也有效的降低了稳态误差。     

一种新的变步长LMS自适应滤波算法研究及其应用

变步长LMS自适应滤波算法克服了传统自适应滤波算法的不足,通过构造合适的变步长因子,在提高收敛速度的同时保证了较小的稳态误差,在实际中得到了广泛应用。为进一步改善算法性能,首先对传统的和现有改进的变步长LMS算法机理进行了深入分析,在此基础上,提出了一种新的变步长LMS自适应滤波算法。该算法通过建立一个新的步长因子与误差的非线性函数模型,使得算法在不失精度的情况下,具有较快的收敛速度。论文对新算法的机理进行了较为详尽的阐述,对算法中关键参数的选取对滤波性能的影响进行了深入分析,并给出了算法中关键参数的自适应确定方法。仿真实验表明,相对于其他自适应滤波算法,该算法在收敛速度方面有了很大的提高。将新算法应用于对实际龙口水位监测数据的滤波中,取得了良好效果。     

改进变步长自适应分布式滤波算法

为提高传统LMS算法在分布式传感器网络自适应滤波中的收敛速度并保持较小的稳态误差,在扩散LMS算法基础上,提出一种基于Sigmoid函数改进变步长的分布式扩散LMS自适应滤波算法,算法通过Sigmoid函数变换构建步长因子与迭代误差之间非线性模型,并通过设置控制因子合理调整模型的步长曲线波型,使得算法在初期使用较大的步长以加快收敛速度,而在后期则采用平稳变化步长以保持较低的稳态误差,从而在在不失传统算法稳态精度的情况下,实现较快的收敛速度。实验结果表明:相比于已有算法,所提算法的估计性能更优。     

一种改进变步长LMS算法及其在系统辨识中的应用

在分析传统LMS算法及变步长LMS的基础上，本文提出了一种改进的变步长LMS算法并应用于系统辨识。新算法利用瞬时误差的四次方和遗忘因子共同来调整步长，进一步解决了收敛时间和稳态误差的矛盾。将新算法应用到系统辨识中时，与传统LMS算法和变步长LMS算法相比，仿真表明新算法有更快的收敛速率。     

改进CMA-ES算法及其在7自由度仿人臂逆运动学求解中的应用

提出一种改进的CMA-ES算法:将原算法随机生成初始均值点,改为由佳点集中优秀个体加权求和得到;增加越界敏感因子和步长缩放系数,用于新个体存在越界行为时,修正步长更新。以7自由度仿人臂为例,用改进的CMA-ES算法求逆运动学解,结果表明改进的CMA-ES算法可实时、高精度地求解:在点对点运动中,改进的算法单次求解时间约为9.7 ms,适应度函数稳定在10-8级别;在工作空间的连续轨迹中,位置跟踪误差稳定在10-5 mm级别,单次平均求解时间约为14.1 ms。     

改进LMS算法的仿真及其分析

在机械加工中,机械故障诊断的振动诊断技术在机械故障诊断学中占有重要地位.在振动信号处理方面,自适应信号处理是一个非常重要的分支,该方法能够有效的滤除含有背景噪声的信号,提取出有效的特征信号,但自适应算法有收敛速度与稳态误差之间的矛盾关系与步长因子易受噪声干扰等问题.为解决该问题,本文提出一种改进的变步长LMS算法:在算法中加入步长反馈因子,并对权值进行更新,使算法的收敛速度变快的同时保证了系统的稳定性,并加强了系统的跟踪能力.仿真结果表明:与其他算法相比,本文算法计算简单、收敛速度快、系统跟踪能力强,稳定性更好,能够有效的滤除噪声信号.     

一种改进的变步长LMS算法及其DSP实现

固定步长LMS(least mean square)算法自适应滤波器在收敛速度、时变跟踪能力与稳态误差上对步长因子的要求存在矛盾.变步长LMS算法的步长因子是变化的,能够有效地避免此矛盾.在分析了2种变步长LMS算法的基础上,提出了全新的变步长算法,并在MATLAB环境中进行仿真,之后应用SZ-EPP5402评估板对其进行了DSP实现.仿真结果与DSP实现都表明:变步长LMS算法在一定程度上改善了收敛速度与稳态误差间矛盾,具有更快收敛速度与更小稳态误差.     

超声波流量计的自适应时延估计法研究及应用

在利用流量计进行流量测量时,顺逆流时间差的测量精度直接影响流量计测量精度。传统流量计多采用相关法进行时间差计算,该方法容易受到采样率和相关噪声的影响。基于此,提出了一种改进的LMS自适应时延估计,在传统的最小均方差时延估计的基础上,使用粒子群进行改进,直接利用粒子群对延迟时间进行搜索,改善了传统LMS时延估计中步长因子选择和计算量大的问题。自定义输入信号,分别在不同采样率和信号加相关噪声的情况下,对比相关法和改进的最小均方误差时延估计,结果表明,该方法不受采样率和相关噪声的影响。最后,将该方法应用在超声波流量计平台上,在不同的流速下进行测量,计算精度高,计算量小,误差不超过±1%。     

主动磁悬浮轴承-储能飞轮转子系统振动主动控制

针对主动磁悬浮轴承-储能飞轮转子系统的不平衡振动控制,提出一种基于最小均方误差(LMS)的自适应变步长算法实现全工作转速范围内的振动控制方法.在标准LMS算法的基础上采用一种新的步长因子迭代公式,基于该步长因子下的LMS算法实时识别转子位移信号中与转速同频的振动分量,在位移信号进入控制器之前,通过反馈对这一分量进行不平...     

一种新的LMS算法及其在明渠流量计中的应用

针对变步长LMS(least mean square)自适应滤波算法存在收敛速度慢和稳态误差比较大的问题,根据变步长滤波算法步长调整原理,提出了一种新的基于多项式的非线性变步长LMS算法,通过MATLAB仿真分析研究新算法中各参数对收敛速度和稳态误差的影响,并和已有的变步长LMS算法进行对比,结果表明该算法比已有的算法...     

应用离散粒子群算法的大距离超声信号LMS自适应时延估计

针对塔机安全预警系统中远距离障碍物检测对精度和实时性的需求,以超声回波时延估计为研究对象,提出了一种基于离散粒子群算法(DPSO)的最小均方误差自适应时延估计(LMSTDE)方法。该方法引入DPSO进行LMSTDE的寻优规划,解决了LMSTDE计算量庞大的问题;通过引入步长可变的LMSTDE算法和加速因子可变的DPSO,解决了算法过早收敛易陷入局部最优的问题。实验对比表明:改进后的算法保留了原有算法的高精度及抗噪性强等优点,且运算速度提升了25倍左右,可以实现中远距离障碍物的实时检测,且可靠性较高。     

长电缆传输中的变步长自适应噪声对消算法

数字信号在长电缆中传输时,电缆芯线之间会存在串扰,电缆上会存在回波以及噪声干扰,严重的时候传输信号能量和噪声能量在一个数量级上,导致信号传输时的误码率增加。为了降低传输误码率,文中提出了一种新的变步长自适应噪声对消算法,算法迭代的过程中采用误差信号的瞬时能量和输入信号能量的比率作为自适应噪声对消算法的自适应反馈量,并通过比率的加权均值来控制步长的更新,从而消除噪声和回波对算法迭代过程的累积影响。仿真和实验结果表明,在低信噪比的传输环境中,改进算法仍然具有较快的收敛速度和较小的稳态误差,使得数据通信能够保持较高的通信速率。     

新型萤火虫算法及在刮板输送机伸缩机尾PID控制中的应用

为了提高刮板输送机伸缩机尾控制系统的工作性能,提出了一种新型萤火虫算法应用于机尾PID控制器的控制策略。在标准萤火虫算法的动态决策域半径更新公式中,为克服优化初期寻优速度慢和增强算法的全局探测能力,对其中决策域更新系数进行改进;同时利用步长单调递减对位置更新公式中移动步长进行改进,以增强算法后期的深度搜索能力。研究结果表明:新型萤火虫算法的精度及稳定性均优于原算法。建立刮板输送机伸缩机尾电液控制系统数学模型,利用新型萤火虫算法进行PID参数整定优化,并引入能量指标和超调量指标改进适应度函数,优化后的刮板输送机伸缩机尾控制系统具有良好控制品质和鲁棒性。     

基于光流定位的四旋翼飞行器技术研究

以四旋翼为研究对象,提出一种改进LK光流定位算法。通过自主设计的四旋翼平台在室内飞行对算法进行验证,四旋翼无人机基于此改进算法在光流估计过程中,利用前后向误差对异常特征点进行剔除,并对可靠特征点的估计偏移量进行更新,以提高无人机的定位精度和飞行稳定性。结果表明,改进LK光流法定位精度高,在室内能够稳定悬停飞行,其定点悬停精度大约为半径40 cm的圆形。     

伪目标迭代生成的机器人误差补偿算法

针对机器人误差模型建立后的误差补偿问题,提出一种改进的伪目标迭代算法。该算法用每次迭代中生成新的伪目标来修正关节角,从而不断减小机器人实际误差。完善了伪目标迭代算法流程,提出了5种新的不同的伪目标生成方法,分析了各种方法的特点和适用场景。结合多种伪目标生成方法提出了一种集成算法,进一步提高误差补偿精度。使用HSR-JR612机器人进行仿真实验,仿真结果表明,算法耗时在毫秒级别,补偿效果好,集成算法能进一步提高位姿补偿效果。最后使用UR10机器人与激光跟踪仪进行实验,实验结果表明,补偿后机器人末端位置误差可以减小到0.06 mm以内,姿态误差可以减小到0.025°以内。     

煤矿钢芯输送带缺陷信号非平稳强噪声滤波研究

煤矿钢芯输送带缺陷电磁检测信号易受到煤矿工况中非平稳强噪声影响,因此,提出一种改进阈值小波的变步长LMS自适应滤波算法对缺陷信号非平稳强噪声进行滤波。该方法首先运用改进阈值小波多尺度分解后的高频信号作为自适应滤波的参考噪声信号,然后运用变步长LMS自适应滤波方法对缺陷信号进行滤波。该方法克服了小波软、硬阈值的缺陷和固定步长LMS自适应滤波中收敛速度和稳态误差对步长因子要求不一致的矛盾。并与改进阈值小波滤波方法进行了对比,结果表明:该方法具有更好的滤波效果,能有效地滤除缺陷信号中的非平稳强噪声。     

改进的BP算法在多目标识别中的应用

为了实现对多目标的识别,提出了一种改进的BP算法。采用在步长函数中加入变动量因子,即当连续两次迭代其梯度方向相同时,步长加倍;当连续两次迭代其梯度方向相反时,步长减半。由于步长在迭代过程中自适应进行调整,使误差函数E在超曲面上的不同方向按照步长向极小点逼近,实现了对目标函数的优化。给出了在目标函数最优时的BP网络对三种飞机测试集的识别结果,其收敛速度比传统BP算法快4倍以上,表明该方法能够有效地用于多目标的识别。     

相关变步长自适应算法在TDLAS系统中的应用

可调谐二极管激光吸收光谱(TDLAS)技术用于痕量气体浓度检测时,会受到系统噪声的影响,导致所需测量的二次谐波信号线型畸变,影响系统检测精度。为了提升信噪比采用新的变步长自适应滤波算法滤除噪声,算法以输入信号与误差信号相关系数作为步长更新的自变量,并通过sinc函数的变换式控制步长更新。结果表明算法在保证稳态精度的同时具备更快的收敛性,并能够有效抑制噪声对二次谐波信号的影响,从而提升输出信号信噪比。     

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。     

改进扰动观测优化轮毂电机无位置控制

为提高车体内置式轮毂永磁同步电机驱动系统的控制可靠性,针对传统扰动观测造成的噪声放大问题,提出基于改进扰动观测器的反电动势电机无位置传感器控制算法,算法将电流反电动势作为观测干扰量进行建模,以实现扰动准确估计,进而通过反正切估计转子的精确位置,同时基于转子速度进行位置误差补偿,实现无位置传感器电机的鲁棒控制,仿真实验表明,改进算法在在电机不同工况和负载下能准确估计转子位置,具有较好的适应能力和位置跟踪补偿能力,验证了算法的有效性。