基于惯性测量单元的欠驱动球形机器人惯性参数辨识

针对欠驱动球形机器人,提出基于惯性测量单元的惯性参数辨识方法。首先,根据Kane方法建立欠驱动球形机器人的动力学模型;其次,利用该模型中的三个欠驱动方程推导出球形机器人惯性参数辨识模型;最后,以一种新型的球形机器人为实验平台,根据安装在球形机器人框架上的惯性测量单元实测信息,对本文方法进行实验验证。实验结果表明,辨识结果具有合理性。该方法简单可行,为其他欠驱动机器人惯性参数辨识提供了一种新的思路。     

基于误差敏感分析的Stewart平台参数辨识方法

针对Stewart平台参数辨识问题,提出基于误差敏感分析的参数辨识方法．通过建立Stewart动平台在不同位置点的位姿误差模型,得到Stewart平台结构参数辨识方法,该方法解析了Stewart平台在不同位姿下,结构参数变化及对其输出的敏感性．利用数值法构造出误差影响敏感矩阵,可辨识系统结构参数．通过实例计算与修正,Stewart平台位置误差从4.8 mm降到到1.12 mm,角度误差从5.4°降到1.05°,验证了该辨识方法是有效可行的．     

基于点球约束的七自由度机器人误差建模与参数辨识

自动化装配对于机器人绝对定位精度提出了更高的要求,由于各种误差因素的影响,机器人理论位姿和实际位姿总是存在着一定的误差,若绝对定位精度过低,容易导致装配过程中零部件之间发生碰撞,严重影响着装配机器人的应用与推广。标定技术是提高定位精度的主要手段,误差建模、数据测量、参数辨识是标定与误差补偿过程中的重要环节。为此,提出了一种基于点球约束的机器人误差建模与参数识别方法：1)通过在机器人末端安装的六维力传感器反馈末端受力情况控制机器人以多种姿态使标定锥与靶标球球面重合,记录接触时各关节的位置数据;2)以靶标球球体半径为适应度函数,利用遗传算法辨识误差参数,从而建立完整的误差补偿模型。以自主研制的七自由度装配机器人为研究对象,针对装配机器人的结构特点,由正向递推建立机器人的正运动学方程,应用固定关节法与反变换法获得机器人逆运动学方程;基于D-H模型,建立机器人的运动学误差模型,在理论研究中,预设定误差参数与位姿变换矩阵,通过牛顿迭代法获取了关节变量值,将关节变量值代入正运动学方程进行验证,利用遗传算法进辨识误差参数,将辨识结果代入运动学模型中进行验证,机器人定位精度得到明显提高。通过实验,采用点球式标定方法采集机器人关节数据,应用遗传算法辨识误差参数,将所求得的误差参数代入误差模型中进行实验,绝对定位精度提升了76.74%,验证了基于点球约束的机器人误差建模与参数识别方法的有效性,为多自由度机器人标定研究提供有益参考。     

基于机械臂运动的组合航天器惯性参数在轨辨识

随着空间技术发展,交会对接任务越来越多,服务航天器与目标航天器对接形成组合航天器后惯性参数会发生明显变化。因此,提出一种基于机械臂运动的组合航天器惯性参数在轨辨识方法。该方法可以分为2步:第一步辨识组合航天器的质量和质心;第二步辨识组合航天器的惯性张量。该方法优点是实现了质量、质心与惯性张量等辨识参数的相互解耦,不需要消耗航天器上宝贵的喷气燃料,仅需要测量航天器的速度,而不是加速度和力。仿真结果验证了方法的有效性。     

MEMS惯性测量组件的温度误差补偿模型研究

为了减少温度对MEMS惯性测量组件测量精度的影响,将MEMS加速度计、陀螺的零偏和标度因数统一进行温度建模,再用非线性回归法辨识出模型中的各项参数,然后采用逐步回归分析法对模型进行优化,对优化的模型方程和方程中各系数做进一步的显著性检验.对比温度误差补偿前后的试验结果表明,经过补偿后的加速度计和陀螺在全温范围内误差分别保持在10mg和0.04(°)/s以内,尤其是低温时补偿效果明显,最大约10倍,验证了温度误差补偿方法的有效性.采用该补偿方法,能有效降低温度的非线性对精度的影响,从而提高全温范围的测量精度.     

基于广义Kalman滤波算法的弹道参数辨识

弹道修正是提高弹箭射击精度的实用有效方法,通过对弹道修正理论和方法的研究,提出了一种基于广义卡尔曼（Kalman）滤波算法的弹道辨识及仿真技术．根据弹道质心运动模型,以灵敏度矩阵为核心构建了辨识方法,利用MALTAB进行仿真模拟,结果表明此方法的辨识精度较高,收敛性好．     

基于点球约束的机器人误差建模与参数辨识

自动化装配对于机器人绝对定位精度提出了更高的要求,机器人理论位姿和实际位姿总存在一定的误差,若绝对定位精度过低,容易导致装配过程中零部件之间发生碰撞,严重影响装配机器人的应用与推广。为此,提出了一种基于点球约束的机器人误差建模与参数识别方法：1）通过在机器人末端安装的6维力传感器反馈末端受力情况,控制机器人以多种姿态使标定锥与靶标球球面重合,记录接触时各关节的位置数据;2）以靶标球球体半径为适应度函数,利用遗传算法辨识误差参数,从而建立完整的误差补偿模型。以自主研制的7自由度装配机器人为研究对象,针对装配机器人的结构特点,由正向递推建立机器人的正运动学方程,应用固定关节法与反变换法获得机器人逆运动学方程;建立机器人的运动学误差模型,预设定误差参数与位姿变换矩阵,通过牛顿迭代法获取了关节变量值,利用遗传算法进辨识误差参数,将辨识结果代入运动学模型中进行验证。采用点球式标定方法采集机器人关节数据,应用遗传算法辨识误差参数,将所得参数代入误差模型中进行实验,结果表明,绝对定位精度提升了76.74%,验证了基于点球约束的机器人误差建模与参数识别方法的有效性,为多自由度机器人标定研究提供了有益参...     

基于12线法的数控机床几何误差测量辨识研究

数控机床几何误差参数辨识是实现数控机床误差补偿的关键技术,而实现误差补偿的前提是通过几何误差参数辨识为空间误差模型准确提供数控机床的21项几何误差参数.现有数控机床几何误差参数辨识方法在测量效率和辨识精度等方面均存在一定不足.基于多体系统误差分析理论研究了12线数控机床几何误差参数辨识方法,并对该方法的数学建模和实验进行了分析.     

基于窗口滑动总体最小二乘法的输电线路参数辨识

输电线路参数的准确度与电力系统稳定运行密切相关,而广域测量系统的发展为利用PMU实测数据获取线路参数提供了新的途径.提出基于滑动窗口总体最小二乘的线路参数辨识算法,该方法对PMU数据采取窗口滑动处理,将目标函数变为窗口误差平方和最小,因而抗噪声能力较强;同时,对于大量辨识结果的可信度分别进行核密度估计和点估计,以获取参数辨识值的统计结果.仿真分析表明,该方法与单时刻辨识相比在含噪声环境下仍然能够保持较高的准确性与稳定性.某电网500kV线路实测PMU数据计算结果也验证了该方法的有效性和准确性.     

基于广义跟踪误差的一阶非线性时滞系统自适应迭代学习控制

针对一类具有未知时变时滞的一阶非线性参数化系统,提出一种自适应迭代学习控制方案。通过利用边界层函数构造广义跟踪误差,消除了迭代学习控制初始精确定位的限制。为避免因引入边界层函数而产生的奇异性问题,引入双曲正切函数,并根据双曲正切函数的性质,通过构造Lyapunov krasovskii型复合能量函数证明了所有信号的有界性和跟踪误差的收敛性。仿真算例验证了所提出方案的有效性。     

基于参数辨识技术的永磁同步电动机参数测定

精确测定永磁同步电动机参数具有重要意义。基于dq0数学模型与直流衰减实验,采用最小二乘参数辨识方法,测定了一台7.5kWNdFeB永磁同步电动机的若干参数。通过实验结果与计算机仿真结果的对比分析可以看出,所辨识的参数是准确可靠的。     

基于随机子空间的同步发电机参数辨识方法

从同步发电机建模的角度出发,针对传统的同步发电机参数辨识方法存在辨识精度低、抗干扰能力差的不足,提出了随机子空间的同步发电机参数辨识方法.将采集到定子电流信号构成Hankel矩阵,经矩阵QR分解和特征值分解（SVD）,得到系统矩阵的特征值,进而得到定子电流中直流分量和基频分量的衰减系数,再通过最小二乘拟合得到各分量的幅值和相位,从而实现同步发电机的参数辨识.通过仿真验证了该方法的有效性.     

基于特征解统计特性的桥梁损伤识别

提出了一种用灵敏度矩阵识别桥梁损伤的方法。该方法在求取模态参数对结构物理参数灵敏度矩阵时采用基于振动分析的矩阵摄动理论,避免了求解过程中的偏微分计算,因此更容易形成结构灵敏度矩阵。为了评定此桥梁损伤识别方法的稳定性,在模态参数带有一定的随机误差的情况下,分析了这种桥梁损伤识别方法的结构物理参数的统计特性。最后以一简支钢筋混凝土桥梁为例,证明了该方法的有效性、实用性和稳定性。     

QPSO算法识别环境激励下结构模态参数

实际工程中,系统的输入一般是未知的或者是不可测量的,识别结构的模态参数只能采用响应信号。并且一般环境激励下结构的输入信号是可以假设为白噪声激励,其信号的功率谱可以视为一常数。笔者利用量子行为粒子群优化（Quantum-behaved Particle Swarm Optimization,QPSO）算法将环境激励下结构模态参数识别问题转化为一个多维优化问题。最后采用一数值模拟的三层框架对该方法进行验证。结果表明,量子粒子群算法可以有效地识别结构模态参数。该研究结果可作为结构损伤识别的基础。     

基于参数辨识的异步电动机温度在线监测方法

提出了一种基于参数辨识技术的异步电动机定转子温度在线监测方法，即首先辨识异步电动机定转子电阻，随后根据金属电阻与其温度之间具有严格线性关系这一原理，计算异步电动机定转子温度，进而实现在线监测。数字仿真及实验结果证明该方法是正确可行的，其突出优点是仅根据异步电动机定子电压、定子电流及有功功率即可实现定转子温度在线监测，而不必使用温度传感器。同时，为了避免使用转速传感器，应用ＢＰ神经网络确定了异步电动机定子电压、定子电流、功率因数角与其转子转速之间的映射关系。基于参数辨识技术的异步电动机定转子温度在线监测方法简捷实用，可集成于异步电动机状态监测与故障诊断系统，无需任何额外的硬件投资，同时，软件开销也很有限。     

基于LSTM与牛顿迭代的两轴系统轮廓误差控制

针对轮廓误差影响运动系统精度的问题,提出结合长短期记忆神经网络(LSTM)和牛顿迭代法对轮廓误差进行预测、通过转换任务坐标系对轮廓误差进行补偿的方法.在运动平台上提取特征轮廓与数据,将牛顿迭代法应用于对轮廓误差的计算,通过计算出的轮廓误差对优化后的LSTM神经网络进行训练,建立更准确的轮廓误差预测模型.通过转换任务坐标系,将预测的轮廓误差作为前馈补偿到参考轮廓中,提高轮廓控制性能.通过试验对比PID、迭代法和神经网络法,利用随机NRBUS轨迹验证泛化性,表明提出的方法能够有效地预测并控制轮廓误差,在精密运动控制领域有良好的应用前景.     

Stokes偏振仪波片快轴方位误差敏感性研究

针对波片快轴方位误差严重影响旋转波片Stokes偏振仪的入射光Stokes矢量的反演精度等问题,本文提出一种研究波片快轴方位误差敏感度及误差最小化的方法。首先,推导出由波片方位误差向SV反演误差的传递矩阵W,利用协方差矩阵研究Stokes矢量反演误差向量,提炼出评价偏振仪误差敏感度的参数EWV。其次,研究了EWV与波片方位角、波片位相延迟量和光强测量次数的关系。最后,为了抑制三种主要误差源对Stokes矢量反演的影响,对4次光强测量的旋转波片Stokes偏振仪中波片方位与波片位相延迟量进行了研究。结果表明,基于参数EWV的波片快轴方位误差敏感度及误差最小化的方法可以有效描述波片快轴方位误差对Stokes矢量的反演精度的影响,提高Stokes矢量反演精度。     

Research on parameter identification of BCH codes

In order to solve the problem of the blind recognition of BCH codes,a novel method for fast detection of the BCH parameter identification based on the Statistical significance is presented. Some analytical models for BCH codes are proposed by analyzing the distribution of BCH code roots.The check matrix is constructed by using the obtained length and code roots of BCH codes with the help of completing shortened codes.Finally the BCH generator polynomial can be calculated directly by simplification of matrices in the finite field. Simulation results illustrate that given the high BER BCH encoded data sequence, the recognized coding parameters are correct by comparing prior conditions, which validates the accuracy of the proposed method.     

永磁同步电机控制系统PID参数在线辩识新方法

传统的PI控制器不具备参数在线辨识功能,这使得系统的性能达不到最优的控制。目前,PID参数在线辨识功能在高性能交流永磁伺服控制系统中受到越来越广泛的重视。根据速度环等效原理和经典控制理论,推导出了转动惯量的数学表达式及其与PI参数的关系,并结合查表法整定PI参数,算法简单,适用性较强。