CPLD在惯性测量单元数据采集系统中的应用

针对惯性测量单元中数据采集的特性,设计了一种以CPLD为控制核心和DSP为数据处理核心的小型惯性测量单元的数据采集系统;详细介绍了数据采集系统中CPLD译码、锁存和时钟分频等逻辑控制功能的实现方法;通过原理性实验验证,CPLD能够实现数据采集系统逻辑控制的功能,系统能够稳定、可靠的工作。     

无人机舵机HIL仿真方法研究

为简化编程及优化控制律,介绍了一种无人机舵机的HIL实时仿真方法.详细设计了系统硬件,构建了基于Simulink的舵机控制系统HIL仿真模型,可实时在线调整模型参数及监视仿真数据,实现了舵机的位置随动控制.实验结果表明,系统具有较好的实时性,能够较全面验证舵机控制软件的可靠性,加快了舵机及无人机的研制.     

基于笔划类型的字符细化算法研究

字形细化可以大大简化汉字识别特征的提取过程,提高汉字识别的准确性和快速性,是字符识别最重要的预处理技术之一。文中探索并提出了一种提取字符的组成笔划并根据笔划类型直接求取各笔划的中心骨架,从而完成对字符细化的细化算法,并将其用于所研制的汽车牌照计算机自动识别系统之中,取得了令人满意的效果。     

一种改进的BP神经网络在飞机燃油系统故障诊断中的应用

将一种改进了的BP神经网络算法应用于飞机燃油系统故障诊断中，仿真验证结果表明，该算法具有诊断速度快、误诊率低的特点；并为开发基于神经网络的飞机燃油故障诊断专家系统奠定了基础。     

卡尔曼滤波在捷联惯导系统初始对准中的应用

针对卡尔曼滤波在捷联惯性导航系统初始对准中的应用,分析了卡尔曼状态方程和量测方程的构建方式.根据捷联惯性导航系统中初始对准的原理和方法,在经典方法的基础上,研究了一种新的方式.可直接利用加速度计的输出作为观测量,减少了方程中变量的数量,不仅简化了硬件设施,减小了卡尔曼滤波方程的维数,从而减小了计算量,提高了系统分析的实时性;而且大大提高了初始对准的对准精度.通过与原有方式的实验仿真结果对比,优势明确,可以很好地应用于小型捷联惯性导航系统中.     

水利：亟需建立新的投资体制

运城地区是山西省的粮棉生产基地,商品小麦占全省的50％以上,商品棉占全省75％以上。这一基地的发展在很大程度上依赖于水利的发展。水利工程由解放初期的3500余眼浅井发展到多种类型的水利工程28644眼(处);同时还解决了214.88万人的饮水问题。粮棉油产量稳步增长,最高年粮食总产达到21.2亿公斤,棉花总产达到124万担,油料总产达到4990万公斤。 但随着山西经济的迅速发展,按照十四大建立社会主义市场经济体制的要求,真正实现市场在国家宏观调控下对资源配置起基础性作用,现行的投资体制显然还有相当大的距离,还     

基于修正的卡尔曼滤波的姿态估计算法研究

研究惯导系统的稳定性问题,其中微惯性测量单元(MIMU)可以为捷联惯导系统提供实时的姿态和航向信息。研究姿态估计提高导航精度,由于陀螺漂移引起姿态误差,单独使用MIMU使姿态精度差。为了克服陀螺误差随时间积累不断增大,无法长时间提供稳定的姿态的缺点,提出采用磁强计修正的卡尔曼滤波四元数姿态估计算法。算法以姿态四元数为状态向量,通过四元数更新方程建立离散滤波状态方程,将加速度计和磁强计输出的六维数据转化为四元数的量测值建立量测方程,有效减少了计算量,补偿陀螺的漂移误差带来的影响。仿真结果表明改进算法提高了捷联惯导系统的精度和稳定性。     

无人机导航系统的硬件设计

惯性导航是无人机飞行控制系统的重要组成部分,航姿测量系统是惯性导航系统的基础,处理器和传感器是航姿测量系统的核心;设计采用LPC3250 ARM9处理器、光纤陀螺、加速度计等传感器,完成传感器数据的采集与处理,获得无人机的航姿信息,最后进行数据传输用于控制;使用RealView MDK开发环境,利用C语言开发光纤航姿测量系统;结果显示,该系统达到了无人机导航系统的小型化、高精度、高实时性的目标要求.     

基于VC的无人机模拟训练系统软件开发

为了能够让无人机地面操纵人员熟悉无人机的操作,介绍了一种以VC++可视化语言为开发工具设计的一套模拟训练软件系统;软件基于模块化设计思想,采用串口通信和以太网两种通信方式;串口通信上,实现了故障指令代码的实时发送等功能;以太网通信上,很好地实现了与飞控地面站的通信;另外,本软件还可以实现训练评价和故障模拟等功能;最终将模拟训练系统与地面站以及飞控系统联调,系统运行良好,通信实时性很高,很好地完成了各部分功能,并具有很好的扩展性。     

基于神经网络的惯性测量单元误差标定

针对惯性测鼍单元非线性误差的标定问题,为保证导航精度,设计了多层前向神经网络的补偿模型.神经网络算法具有良好逼近非线性函数的能力,适合于非线性系统的建模.采用BP神经网络为主要逼近手段,对惯性测量单元的非线性误差函数进行精确逼近,弥补了常规建模方法的不足.将算法应用到某型MEMS惯性测量单元的非线性误差建模中,进行了仿真验证.结果表明,BP神经网络对原始信号的逼近误差在工程应用允许范围内,较传统的的最小二乘法建模方法有了显著的提高,保证有效地解决某型MEMS惯性测量单元误差大的问题.