基于时域特征的光纤安防系统信号识别算法

在分布式光纤周界安防系统中,为实时有效分辨出系统所受的入侵事件和干扰事件,提出了一种基于时域特征的振动信号模式识别算法.对原始振动信号进行降噪处理,然后提取降噪后信号的短时能量和短时过阈值率两类特征值,将提取的特征值作为特征向量输入到支持向量机(SVM)中进行训练和测试,建立分类模型,将分类模型应用于安防系统,实时识别出入侵和干扰事件.实验结果可知:模式识别算法的分类效率高,误差小,具有有效性和可行性.     

振动信号预处理方法研究及其MATLAB实现

通过振动测试设备采集到的信号因外界干扰往往呈现出非线性、非平稳性和非光滑性等特点,并常常会偏离其真实值,给后续分析带来了误差甚至错误。因此振动信号的预处理在信号分析中非常重要。信号预处理是对采样信号提取特征量的首要步骤,它直接决定着后续诊断技术的使用效果及精度。讨论了振动信号预处理的两种方法——消除多项式趋势项和数据平滑处理,并基于MATLAB软件平台进行算法实现。以两著名的地震波为例,对上述算法进行验证。结果表明,处理后的信号质量有明显的改善。     

基于随机减量的船舶主机振动测试

对某油轮结构进行了振动特性测试并获得了信号数据.通过对测试信号的插值和随机减量算法设计,编程计算并辨识了结构的振动特征信息,同时分析了信号插值和样本选取对计算结果的影响.与测试仪器系统内部算法相比,随机减量算法所得的结果更为精确,可为船舶结构可靠性设计和故障诊断提供借鉴.     

空气弹簧隔振台特性试验及信号处理算法研究

超精密测量对环境振动要求非常严格,其仪器设备中多安装隔振装置。为评估某重点实验室圆度仪中使用的仪用小型空气弹簧隔振台的隔振性能,利用压电式加速度传感器设计振动测试试验。根据振动测试中信号的实际情况,设计信号处理算法,对采集到的加速度信号进行预处理、积分运算、频谱分析,消除信号中低频趋势项和干扰噪声,还原实际振动状况,准确获取隔振系统振动位移曲线及其固有频率。试验表明,该空气弹簧隔振系统各项指标满足隔振要求。信号处理算法对振动测试中的加速度信号处理具有一定指导意义,也可作为故障诊断中加速度信号处理的参考。     

晃动基座下捷联惯导的抗干扰自对准算法

针对捷联惯导(SINS) 晃动基座下, SINS 难以快速实现自对准的问题, 提出SINS 的抗干扰自对准算法. 该算法通过将初始对准问题转化为Wahba 求解问题来消除角运动干扰的影响; 利用惯性坐标系重力矢量和晃动干扰加速度的频率特点, 通过设计低通滤波器对比力在惯性坐标下的投影进行滤波来消除线振动干扰的影响. 仿真结果表明, 该算法不需要进行粗对准, 能够在角运动干扰和线振动干扰同时存在的情况下快速实现自对准.

     

分布式激光甲烷检测系统振动干扰诊断与辨识

为消除外界振动对分布式激光甲烷检测系统的影响,在分析振动对光纤物理特性及甲烷检测的影响、振动波形频率特征的基础上,提出一种基于实时采样信号和设定频率信号的振动波形辨识算法。该算法通过傅里叶变换、互相关运算、最大相似系数判定和甲烷浓度解算等步骤,有效识别出不同频率的外界振动波形,进而可准确删除振动波形,消除外界振动对甲烷浓度测量值的影响。实验室测试及工业性测试结果表明,该算法能有效识别出不同频率的振动干扰,避免振动信号引入的测量误差。     

基于小波变换的动态心电信号伪差识别

由突变干扰引起的伪差会严重阻碍动态心电信号的自动分析和正确诊断,常规的小波消噪方法无法消除这类伪差干扰。提出一种新的识别心电信号突变干扰的方法,即利用小波多尺度分解并结合阈值判定算法对突变干扰这类伪差进行自动识别。采用实测的30组动态心电信号对该算法进行测试,实验结果表明,该算法能快速、有效地识别动态心电信号中的突变干扰,正确检出率达到96．4％,为正确诊断动态心电信号提供保障。     

GPS接收阵列自适应抗干扰算法性能比较

研究全球定位系统优化定位精度问题时,射频干扰严重影响GPS接收机的正常信号,直接导致接收机无法跟踪锁定有用信息,从而无法精确定位.自适应调零天线是一种有效的抗干扰措施.提出了功率倒置算法、多重信号分类算法的基本原理,在4元Y平面阵中对各算法进行仿真,比较各算法在有用信号和干扰来向上得到的天线增益.仿真中分别使用一个窄带干扰以及一个窄带干扰和一个快带干扰.仿真结果表明,两种算法都可用于GPS接收机抗干扰,对功率倒置算法抑制干扰性能较弱,多重信号分类算法会引入错误的零陷.由于简单和易实现,功率倒置算法广泛应用于工程.     

基于非线性混沌理论的非平稳信号的比较分析

本文研究采用基于非线性混沌理论的两种非线性参数估计方法(代替数据法和Lyapunov指数估计法)对非平稳信号进行分析.首先对上述两种非线性方法的具体算法进行介绍,然后对两组本质不同的非平稳振动信号进行对比分析.这两组信号是通过测试具有不同非线性约束边界条件的薄壁构件获得.分析结果表明,在时域波形上直观相似的非平稳信号,用上述非线性混沌分析的方法可以有效地加以定量区分.     

匹配追踪算法在振动信号去噪中的应用

针对振动信号在采集过程中易受噪声干扰的情况,提出了一种采用匹配追踪算法来处理含噪的机械振动信号的方法,通过稀疏分解与重构对振动信号进行去噪。仿真实验表明该算法不仅可以有效地抑制噪声,提高信噪比,还能够获得较小的最小均方误差值,较好地保持振动信号的特征形态。     

Design of a Sliding Mode Controller with Fuzzy Rules for a 4-DoF Service Robot

In this study, a novel control strategy that combines a fuzzy system and the sliding mode controller is proposed for improving stability and achieving high-accuracy control in service robots. Based on the kinematic and dynamic models of a 4-degrees of freedom manipulator, and the observed tracking error using a low-cost inertial sensor, the proposed fuzzy sliding mode controller (FSMC(IMU)) is designed to generate appropriate torques at robot joints. The FSMC(IMU) controller parameters are adjusted through a fuzzy rule that determines the state of the system. The error in trajectory tracking is reduced through this. The gain value K can be finely adjusted by fuzzy control by observing the degree of vibration after entering the sliding mode surface. The larger the observed vibration value, the faster the fuzzy controller follows the given input trajectory by selecting a smaller gain value K and reducing jitter due to the sliding mode control’s discontinuous switch characteristics. When the degree of error is small, it achieves faster and more accurate control performance than when the observer is not used. The stability of the FSMC(IMU) system is verified via disturbance experiments. The experimental data are compared with the conventional sliding mode controller and proportional-derivative control. The experimental results demonstrate that the proposed FSMC(IMU) controller is stable, fast, and highly accurate in controlling service robots.

     

基于自适应互补滤波的四旋翼飞行器姿态解算

在四旋翼无人机中,姿态传感器采用捷联式惯导惯性检测单元(IMU),其中包括加速度计、陀螺仪、电子罗盘和空气压力高度计.这些传感器在工作过程中存在温度漂移以及噪声干扰,为了得到准确的姿态数据,首先建立了传感器四元数模型,在频域中设计互补滤波器,并设计了PI自适应补偿系数,对传感器数据进行融合、补偿和修正,有效地避免了系统模型误差对姿态估计的影响.修正后的角速度通过一阶龙格-库塔法、四元数算法完成飞行器的姿态解算.传统互补滤波器在噪声大时滤波效果不理想,故加入PI控制,形成一种效果更好的自适应滤波算法,根据仿真结果,该算法滤波后的信号比传统互补滤波的结果更加平滑,更接近理想波形.     

含正反馈振动主动控制系统的混合自适应控制

对于存在结构正反馈的振动主动控制系统,传统的基于有限冲击响应的自适应前馈控制器设计方法难以同时保证控制系统稳定与良好的控制性能.本文在分析正反馈对前馈控制系统影响的基础上,基于无限冲击响应控制器设计模式,提出一种结合前馈自适应控制器和反馈自适应控制器的混合自适应振动主动控制方法.其中前馈自适应控制器采用参考传感器采集到的扰动相关信号作为参考信号,反馈自适应控制器通过构建扰动的估计量作为参考信号,控制器参数更新采用Landau参数递推算法.以一典型的具有固有正反馈性质的机械振动系统为控制对象,给出了该混合自适应控制算法的详细推导过程以及稳定性和收敛性分析过程,得到了算法稳定与收敛的严格正实条件以及相应放松严格正实条件的要求.在此基础上,通过构建实时振动主动控制实验平台,针对多种振动扰动开展对比实验分析.相关实验结果验证了本文提出的混合自适应振动主动控制方法的可行性和有效性.     

仿人足底肌电特征的机器人行走规划

模仿人类行走规律是规划双足机器人运动的基础.以往模仿人类步态主要通过视觉方法或惯性模块测量(Inertia measurement unit, IMU)方法捕捉人体特征点轨迹.这些方法不考虑零力矩点(Zero moment point, ZMP)的相似性.为解决该问题,本文提出了一种基于足底肌电信号(Electromyography, EMG)和惯性模块测量信号的混合运动规划方法.该方法通过测量足底肌电信号计算出足底压力中心的位置以及踝关节扭矩,结合惯性模块所测量的人体躯干和双足轨迹,来规划双足机器人的步态.首先,用肌电仪测量足底肌电信号,用惯性测量模块测量人体各肢体部分的姿态轨迹,经数据标定后作为仿人机器人的运动参考; 然后,通过预观控制输出稳定的步态.为确保仿人行走的效果,基于人体相似性对运动数据进行了步态优化.实验验证和分析表明, EMG信号超前ZMP约160ms,利用这个特性实现了对压力点位置的有效预测,提高了机器人在线模仿人类行走的稳定性.     

Attitude determination algorithm using state estimation including lever arms between center of gravity and IMU

In this paper, an enhanced attitude determination algorithm is proposed to decrease the estimation error by including an additive state variable for the lever arm. Attitude determination generally is carried out by measurements from an IMU (inertial measurement unit), which is typically located at the center of gravity of the vehicle. The IMU lever arm, which spans the distance between the IMU and the center of gravity, causes extra acceleration in the accelerometer and increases the error in attitude estimates. However, if the extra accelerations caused by the lever arm can be removed from the measurements of accelerometers, the increased attitude error caused by the IMU lever arm can be prevented. Because an IMU lever arm is fixed in a vehicle after installation, it can be considered as an additive element of the state vector in Kalman filter for attitude determination. The proposed algorithm is composed of a quaternion-based Kalman filter and includes an estimation of the IMU lever arm. In addition, in order to determine components of lever arm, the gross measure of modal observability is investigated for the system. An evaluation of the proposed algorithm is carried out by simulations with a noise model based on an actual IMU. Evaluations through simulations show that the proposed algorithm improves the performance with regard to errors.     

基于QPSO的震动传感器片上相位补偿器设计方法

震动传感器的系统相位非一致性会对地震波到时时差提取产生很大的误差,严重影响震源定位精度;针对这一问题,提出了一种基于量子粒子群优化算法（QPSO）的震动传感器片上相位补偿器设计方法。首先对震动传感器进行相位标定,获得传感器与参考传感器的相位差;其次设计基于QPSO算法的相位补偿滤波器对相位差进行修正,使其无限趋近于0;最后,将相位补偿滤波器封装成FPGA软核部署于FPGA上,完成对震动传感器的相位片上实时补偿。为了验证该方法的性能,将相位补偿滤波器部署于自研的多通道震动信号采集系统上,对8个相同型号震动传感器进行相位一致性校准。试验结果表明,在震动传感器频响范围内,该方法可以将2.5°内的传感器相位差实时修正至0.0044°以下,实现了震动传感器阵列的相位一致性实时校准。该成果在地下浅层震源定位领域具有较强的应用价值。     

列车组合导航系统研究与仿真

提出了一种列车组合导航系统.首先,采用低精度的惯性传感器构成简易惯性测量装置(IMU),设计了该简易IMU的安装结构,并给出了其导航定位解算方法.然后,将简易IMU与GPS构成组合导航系统,分析了IMU和GPS各自的误差源,并建立了组合系统误差模型,从而利用卡尔曼滤波技术设计了IMU/GPS列车组合导航算法.仿真结果表明,该IMU/GPS列车组合导航系统具有精度高、可靠性好、成本低等显著优点,非常适用于列车导航定位.     

基于部分惯性传感器信息的单目视觉同步定位与地图创建方法

传统的单目视觉同步定位与地图创建(MonoSLAM)方法很难处理累积误差问题,如何有效地利用惯性传感器输出的运动信息辅助SLAM系统抑制累积误差是MonoSLAM研究中的一项重要内容.由于惯性传感器输出的三轴方向角中横滚角和俯仰角的精度较高,而偏航角的精度相对较低,如果在SLAM系统中直接使用惯性传感器输出的偏航角信息不但无法有效地抑制该系统中的累积误差,反而会进一步增大系统误差、降低SLAM系统的稳定性.针对这种情况,提出一种基于惯性传感器横滚角和俯仰角的MonoSLAM方法.首先利用惯性传感器输出的横滚角和俯仰角进行系统标定;然后将惯性传感器自身的偏航角作为系统状态向量的一个分量,利用扩展卡尔曼滤波器实时地估计状态向量,进而实现实时鲁棒的同步定位和地图创建.实验结果表明,该方法可以有效地抑制SLAM系统运行过程中产生的累积误差,并降低惯性传感器测量误差对SLAM系统稳定性的影响.     

基于循环维纳滤波的振动信号去噪算法研究

振动信号的去噪需要在滤除噪声的同时尽可能避免相位失真。传统的锐截止低通滤波器或FIR滤波器无法在去噪效果和线性相位之间取得平衡,难以满足振动信号的去噪需求。针对这一问题,将线性相位的维纳滤波算法引入到振动信号的去噪中,并结合振动信号的循环平稳特性,形成了振动信号的循环维纳滤波算法。文中以直接维纳滤波为基础对循环维纳滤波算法的原理进行了深入分析和仿真实现,并基于实测汽轮机振动信号对算法的去噪性能进行了讨论。理论分析及算法仿真表明,循环维纳滤波算法在保证线性相位的前提下有较好的去噪效果,能够解决传统去噪算法所存在的去噪效果与线性相位难以均衡的问题。     

一种钢轨动态轮廓数据校准方法研究

为减轻轨检车振动对车载视觉测量系统动态测量钢轨轮廓的不利影响,提出一种基于轮廓曲线特征点和最近点迭代算法ICP(Iterative Closest Point)的数据校准方法。通过识别动态轮廓曲线的特征点,完成数据初步校准,然后利用ICP算法确定初步校准数据与标准数据之间的变换矩阵,实现动态数据最终校准。最后通过实验模拟了振动对测量的影响。实验结果表明：在垂磨和侧磨测量点处,校准后数据与标准数据偏差值的标准差分别为0.088 mm、0.085 mm,取置信水平为0.99时,校正精度分别为±0.227 mm、±0.219 mm,该方法有较好的精度,可应用于工程测量。