基于测量数据不确定性的结构参数识别

基于模糊理论提出了考虑测量数据不确定性的结构物理参数识别方法。首先,对不确定性参数的有限个离散测量数据进行初步筛选,利用数据拟合方法建立隶属度函数;其次,通过截集法对不确定性参数进行区间分析,得到不确定性参数的区间估计;最后,利用矩阵特征值反问题方法识别结构的刚度矩阵。算例分析表明,该方法在考虑测试数据不确定性的基础上能较好地识别结构刚度,并给出结构刚度区间,使得分析结果更符合实际工程情况。     

基于通道压缩的原子范数最小化 DOA 估计算法

针对波达方向(DOA)估计算法的精度以及分辨率受通道数目影响的问题,本文提出了基于通道压缩的原子范数最小化(CC-ANM)无网格DOA估计算法。该算法首先对通道数进行压缩,然后对压缩之后数据的协方差矩阵进行特征值分解,利用分解得到的特征值和特征向量构建新的观测向量,以此来构建单快拍模型下的ANM问题,最后根据半正定规划问题的最优解建立Toeplitz矩阵,通过其Vandermonde分解获得信号DOA参数的估计结果。仿真实验验证了CC-ANM算法在阵元数为20,压缩率为2,信噪比为20 dB,快拍数为200时,估计精度可以达到0.1°以下。对于角度间隔2°以上的信号可以达到100%的测量。对仪器接收入射角度为0°实测数据进行测试,该算法估计精度在0.3°以下,要优于同等条件下的压缩感知类算法。     

基于噪声方差估计的小波阈值降噪研究

信号中包含的噪声不仅降低了信号的质量,而且还严重影响着各种相关处理算法的有效性,因此,高效稳健的噪声方差估计对于各类信号处理非常重要。提出一种噪声方差估计的新方法,该方法首先应用两状态高斯混合模型对高频系数建模,混合模型的各项参数通过EM(Expectation-maximum)算法迭代估算得到。在建立的高斯混合模型中,当参数满足一定条件时,可以将高频系数分为噪声类和边缘类。基于高频子带内系数的相关性,对噪声类所包含的系数再次应用高斯混合模型的方法分类,并在每个类中分别进行噪声的估计,最后对所得噪声信号计算方差作为原始信号的噪声方差估计。基于这种估计方法,将小波阈值法应用到反求工程的降噪中,实际信号的降噪结果在光滑性和特征保持方面均有较好的效果。试验表明,该噪声方差估计方法对噪声大小具有一定适应性,且小波阈值降噪法简单易行,应用广泛。     

基于λ-PDF和一次二阶矩的不确定性反求方法

为了有效评价测量响应中不确定性对结构参量识别结果的影响,提出一种基于λ概率密度函数(Probability distribution function,PDF)和一次二阶矩的不确定性计算反求方法。采用二次衍生λ-PDF对待识不确定性参量的PDF进行建模。内层通过对参量呈λ-PDF的功能函数采用一次二阶矩法进行正问题求解,得到计算响应的概率分布;外层通过最小化测量响应与计算响应之间的概率分布特征量将不确定性反问题转化为确定性的最优化问题,并用隔代映射遗传算法识别未知参量 的参数。本方法不仅有效地实现了结构未知参量PDF的估计,而且与传统基于抽样的统计方法相比,计算效率较高。数值算例和工程应用验证了本方法的可行性和有效性。     

加权方法在基于灵敏度分析的模型修正中的应用

基于灵敏度分析的模型修正在解决工程实际问题时,修正效果并不理想。研究了加权方法在模型修正中的应用。引入加权矩阵Wf,用来设定不同残差所占的权重;在优化目标中加入修正参数变化值,即在优化目标残差最小化的同时,要求修正参数的变化也最小,引入加权矩阵Wp,通过改变Wp的大小来限制修正参数的变化。对铝基复合材料安装架结构进行模型修正,可以看出引入Wf、Wp后模型修正效果更好。     

改进低秩矩阵逼近算法的非同步测量声源定位

非同步测量声源定位可以提高定位的频率范围和空间分辨率。然而，在低信噪比的环境下现有矩阵补全算法的非同步测量声源定位结果精度较差。提出改进低秩矩阵逼近矩阵补全算法：首先，对不完整的互谱矩阵进行矩阵补全；其次，应用参数化非凸惩罚函数的去噪方法对互谱矩阵进行去噪处理。最终通过常规波束形成算法实现非同步测量声源定位。将改进低秩矩阵逼近算法与核范数最小化补全算法、主成分分析算法在不同频率与低信噪比下进行非同步测量声源定位数值仿真与试验对比。仿真与试验结果表明：(1)不同低信噪比下，改进低秩矩阵逼近算法较核范数最小化补全算法、主成分分析算法的补全误差均要小。(2)相比于核范数最小化补全算法、主成分分析算法的声源定位结果，改进的低秩矩阵逼近算法可以有效缩小主瓣宽度、抑制旁瓣，提高声源定位的分辨率，能够适用于信噪比较低的复杂工业环境。     

望目特性稳健参数设计优化标准的构建

稳健设计是通过降低输入变量的变异效应来提高产品质量的一种成本有效方法,方均误差(Mean square error,MSE)作为望目特性的稳健设计优化标准对不可控因素造成的过程变异和产品质量波动未加以分析.基于此,通过分析MSE标准的合理性及不足并考虑过程方差的重要性,利用响应模型方法给出过程方差的稳健域,构建以MSE为目标函数,以过程方差、均值偏倚为约束的稳健参数设计优化模型.实例比较分析表明,所构建模型的过程能力接近六西格玛水平,而且过程方差在其约束内;最小化MSE虽然得到的过程能力较高,但是过程方差超出过程方差约束,所得到的解不能保证是稳健解,在实际应用中会产生无法预料的变异行为.过程方差约束能够有效地解决偏倚和方差之间的冲突,建立稳健的优化策略.     

基于EMMAP的MEMS陀螺噪声估计与滤波方法研究（英文）

针对MEMS陀螺仪测量精度低、随机噪声具有不确定性和非线性的问题,提出一种基于最大期望算法(Expectation maximum, EM)和极大后验估计(Maximum a posterion, MAP)的无迹卡尔曼滤波(Unscented Kalman filter, UKF)——EMMAP-UKF的陀螺噪声估计与滤波方法。根据极大后验估计原理,构造出一种次优无偏MAP噪声统计估计模型,并在此基础上引入最大期望算法将噪声估计问题转换为数学期望极大化问题,实现对观测噪声方差的动态调整,最终实现陀螺仪随机漂移误差的估计与滤波处理。最后通过Allan方差对陀螺噪声滤波方法的性能进行评估,通过半实物仿真验证了本方法的有效性。     

基于EMMAP的MEMS陀螺噪声估计与滤波方法研究

针对MEMS陀螺仪测量精度低、随机噪声具有不确定性和非线性的问题,提出一种基于最大期望算法(Expectation maximum,EM)和极大后验估计(Maximum a posterion,MAP)的无迹卡尔曼滤波(Unscented Kalman filter,UKF)——EMMAP-UKF的陀螺噪声估计与滤波方法。根据极大后验估计原理,构造出一种次优无偏MAP噪声统计估计模型,并在此基础上引入最大期望算法将噪声估计问题转换为数学期望极大化问题,实现对观测噪声方差的动态调整,最终实现陀螺仪随机漂移误差的估计与滤波处理。最后通过Allan方差对陀螺噪声滤波方法的性能进行评估,通过半实物仿真验证了本方法的有效性。     

基于欠定盲源分离的结构模态参数识别

针对欠定情况下传统盲源分离(blind source separation,简称BSS)算法无法有效识别结构模态参数的问题,研究了一种不受传感器数量限制的BSS算法。算法主要分为振型矩阵估计与单模态信号分离两步。首先,利用各阶模态响应信号在时频域中的聚类特性估计结构的模态振型;然后,在已知振型矩阵的基础上,通过L1范数最小化算法分离出多个单模态信号;最后,利用单模态参数识别方法提取各阶模态的频率与阻尼比。经仿真与实验验证,本研究方法可以准确识别出结构的各阶模态参数,同时对测量噪声不敏感,具有很好的噪声鲁棒性,在工程实践中具有一定的应用价值。     

应用序贯相似检测的基本矩阵快速鲁棒估计

提出了一种基于序贯相似检测( SSDA)的快速鲁棒基本矩阵估计算法来估计基本矩阵.在最大后验一致性(MAPSAC)算法中引入SSDA搜索最优模型参数,通过及时剔除错误模型减少计算成本函数的累加次数,不仅保持了MAPSAC的良好鲁棒性,而且有效减少了算法的计算量.用M估计算法对改进的MAPSAC算法获得的初始内点集进行优...     

基于时间序列变分贝叶斯理论的信号盲源分离

研究信号盲源分离中源信号和混合矩阵估计问题.独立分量分析盲源分离的不足之处在于不能估计混合矩阵和源信号的能量及顺序;变分独立因子分析盲源分离的不足之处在于依赖参数初值.将一般变分贝叶斯理论用于时间序列,推导出时间序列的变分贝叶斯期望极大算法.将此算法用于信号盲源分离,同时将传感器噪声逆方差的分布取为Wishart分布,得到了理论上更合理的后验分布参数更新规则.仿真数据和实际语音信号盲源分离结果表明这种方法可以比较准确地估计混合矩阵和源信号,在一定程度上弥补了独立分量分析和变分独立因子分析盲源分离的不足.     

考虑结构参数不确定性的随机模型修正方法

提出了一种随机模型修正方法以确定结构不确定性参数的概率统计特性,使得模型修正的应用更符合工程实际。将随机模型修正过程分解为一组确定性修正过程,利用蒙特卡罗仿真得到的响应样本并结合响应面模型的快速运算特性,构造优化反演过程来求得各个样本所对应的一组参数值,进而基于大量样本统计得到参数的均值和方差。所提出方法经过一组试验钢板的验证,准确求得了钢板厚度和材料参数的均值和方差,说明了方法的可行性和可靠性。     

基于3D视觉点云配准的高精度手眼标定方法

针对二维视觉测量方式缺乏Z轴深度信息导致手眼标定结果精度不高的问题,提出一种基于3D视觉点云配准的高精度手眼标定方法,搭建了一套单目结构光手眼标定系统,以传统的手眼标定模型为基础,采用最小化点云配准误差算法解算手眼标定矩阵。采用基于矩阵直积参数化方法初步求解手眼标定矩阵并作为初值,构建点云配准误差优化模型,以最小化点云配准误差为代价函数,同时,为保证手眼矩阵中旋转矩阵的正交特性,把代价函数从李群空间变换到李代数空间下,并对李代数空间下的代价函数进行最小二乘法迭代求解,获得最优的手眼标定矩阵。实验结果表明,所提方法具有较好的稳定性和精确性,手眼标定结果满足基于机械臂3D视觉测量的点云配准精度要求。     

基于随机场理论的结构不确定性表征与量化

考虑结构参数的随机不确定性和空间关联性,提出一种基于随机场理论的超参数模型来表征结构参数的不确定性。采用高斯随机场描述结构参数的不确定性,通过Karhunen-Loeve展开将高斯随机场模型离散化为结构参数的随机变量,以此为有限元模型的输入参数,在MATLAB中计算结构的固有频率作为输出响应,应用核密度估计方法分析结构的固有频率的概率分布密度函数,并利用最大似然估计量化模型参数,验证方法的有效性和模型的适用性。     

视觉测量系统的相机校准

提出了一种利用虚拟立体校准模板的有效相机校准技术.通过红外发光二极管按照预定路径在三坐标测量机上移动,构成精确的虚拟立体校准模板.校准过程中考虑了径向畸变和切向畸变.采用二次高斯曲面拟合,精确地提取像点的质心坐标.校准过程包括线性参数估计和基于最大似然估计的非线性校正.首先采用线性方法对部分参数进行初始估计,然后再通过基于最大似然估计的非线性最小化获得所有的参数值.该方法可精确获取图像点坐标和空间点坐标,能够实现快速、有效收敛.实验结果表明,该校准技术能够满足视觉测量系统的要求,也可以满足视觉测量系统对相机参数的特殊要求.     

影像测量仪快速标定方法

为满足汽车生产线上大量使用的光滑规的定期检测需求,需要找到一种提高影像测量仪现场测量精度的快速标定方法。通过对影像测量仪标定方法进行分析,提出了影像测量仪标定要利于消除光滑规表面质量和仪器误差对测量结果影响的观点。在此基础上,提出了基于光栅的影像测量仪快速标定方法。该方法直接利用待测光滑规作为标定物,克服了光滑规表面质量对测量结果影响的缺点。在介绍这种方法的标定原理基础上,归纳了该方法的优点,并对其进行了误差分析,误差分析结果说明这种标定方法可以达到使用要求。按这种标定方法对两种不同精度的影像测量仪进行标定,并分别对?6~?40mm之间4种光滑规实测,经过对各组测量数据的方差对比表明,采用光栅和待测光滑规进行标定能获得更稳定的测量结果。     

基于加速度信号增强的无色卡尔曼滤波方法在水面移动机器人中的应用

水面移动机器人系统的高性能航迹跟踪控制要求能够获取高精度的运动状态和不确定性信息(包括内部不确定参数和外部干扰),而直接高精度测量手段的匮乏,以及数学模型的强非线性、耦合性使得如何得到这些信息存在着种种困难。针对此问题,提出利用一种结合基于奇异值分解无色卡尔曼滤波(Singular value decomposition unscented Kalman filter,SVDUKF)算法和加速度测量的新估计算法。SVDUKF方法是无色卡尔曼滤波(Unscented Kalman filter,UKF)的一种改进方法,具有更宽松的使用条件。此外,该方法的最大优点在于将UKF算法处理系统强非线性和加速度信号富含扰动信息并可简化系统估计模型等特点结合起来,从而获得了一种精度更高、计算复杂度更低的在线估计算法。从推导水面移动机器人系统非线性模型开始,简要介绍加速度信号对模型的简化原理以及SVDUKF算法的基本步骤,并通过仿真验证了算法在估计精度和计算效率方面的优越性。     

应用摄像机位姿估计的点云初始配准

基于摄像机位姿估计的数学模型,提出了一种检测摄像机位移前后目标图像特征点的方法,通过求解摄像机发生位移前后的相对位姿矩阵来解决应用视觉图像获得点云的初始配准问题。首先,介绍了摄像机位姿估计模型,包括本质矩阵、旋转矩阵以及平移矩阵;然后,介绍了SURF算子的特征点检测、描述和匹配的方法,在此基础上面向双目视觉和单目结构光系统,分别提出了摄像机位移前后目标图像SURF特征点匹配和深度估计模型;最后,分别进行双目视觉和单目结构光系统点云的获取、位移前后目标图像特征点检测匹配和深度估计实验,应用摄像机位姿估计模型求解旋转矩阵和位移矩阵,并对位移矩阵进行统计分析剔除粗差。实验中采用基于点云空间特征点和基于图像的方法进行对比,点云对应特征点均方误差缩小至12.46mm。实验结果验证了方法的可行性,表明本文的点云初始配准方法能较好地获得点云精确配准初值。     

基于互信息和IGSA优化ELM的重整芳烃收率软测量

芳烃收率是催化重整生产过程中一个重要的产品质量指标。针对芳烃收率难以在线测量的问题,提出一种基于互信息(MI)和改进引力搜索算法(IGSA)优化极限学习机(ELM)的芳烃收率软测量建模方法。首先利用MI技术对输入变量进行特征提取及降维处理,确定软测量模型的辅助变量;其次通过引入序列二次规划法(SQP)和混沌变异策略,构建一种具有良好全局寻优性能的改进引力搜索算法,并利用该算法优化极限学习机的隐层阈值及输入权值参数,优化目标同时兼顾模型输出均方根误差和输出矩阵条件数的最小化,建立起基于IGSA优化ELM的芳烃收率软测量模型;最后应用该模型对某炼化企业催化重整装置的芳烃收率进行预报研究,结果表明,该软测量模型具有较高的预测精度和可靠性能。