一种结构解耦的新型应变式三维力传感器研究

维间耦合一直是制约多维力传感器精度提高的重要因素,结构解耦也一直是多维力传感器追求的目标。提出了一种新型三维力传感器,可用于Fx、Fz、My3个维度广义力的测量,其敏感原理是结构解耦的,因此可具有更高的精度。介绍了这种新型三维力传感器的结构并分析其敏感原理。采用有限单元法对应变式三维力传感器进行结构静力仿真,利用ANSYS后处理器提供的路径映射技术,精确地获得了应变片的贴片区域。仿真结果表明,该新型传感器与目前的应变式多维力传感器相比,维间耦合误差有明显改善,维间干扰由传统结构的3.56%降低至0.40%。     

原音传递 宝马325音响改装

正一首完美的音乐作品,倘若在不同的环境里听,或由不同风格的音响设备来播放,聆听到的声音效果和给人的感觉是不一样的。汽车音响改装是一个过程,特别是对音质有着自己独特追求的车主而言,这个过程很重要。在此期间,你可能会为系统的变化带给你不同的聆听感受而激动。聆听音乐是一种享受,而体验这种过程也是一种享受。     

随钻测量用微小型惯性测量单元设计

为满足随钻测量仪器在小口径油井、高频振动、强冲击等环境中的应用需求,使用光纤陀螺与石英挠性加速度计作为传感器组件,设计加速度计信号采样电路,小型化导航计算模块采用SOPC＋SDRAM＋FLASH,完成传感器信号采集、误差补偿、导航解算以及与上位机通信等功能。惯性测量单元（ IMU）集成了电源模块、传感器组件和导航计算机,最终制作成38 mm的随钻测量仪器。实验结果表明：当井斜角不小于5°时,样机能够达到系统姿态解算精度要求（井斜角误差小于±0.2°,方位角误差小于±2°,工具面角误差小于±0.2°）。     

基于分度台转位装置的惯性测量单元智能检测

针对惯性测量单元(IMU)批量检测效率低、人工劳动量大的现状,设计开发出一种基于分度台转位装置的IMU智能检测系统。其采用高精度分度台转位装置为IMU提供基准角度位置,利用工控机控制分度台转位装置、程控直流电源和IMU协调有序工作,通过上位机软件智能控制程控直流电源向IMU供电,以及自动发送、采集、分析和处理检测数据,实现对IMU的智能、高效、精确检测。实验结果表明,该系统可同时自动检测4套IMU 的参数指标,并自动计算、显示和保存检测数据,且检测精度、效率和智能化程度高,人工劳动量小,性价比高,此外,软件界面上所有功能均可手动触摸操控,操作十分便捷。     

基于卡尔曼滤波的四元数姿态解算算法研究

针对MEMS惯性测量单元器件特性导致的测量精度低,数据发散和航向角积分漂移等问题,提出一种基于卡尔曼滤波的四元数姿态解算算法。设计了4维卡尔曼滤波器,通过加速度计和磁力计的数据作观测量,对姿态解算过程中的四元数进行线性最优估计,在计算量没有大幅提高的前提下修正了四元数的值,进而完成了对姿态角和姿态矩阵的补偿。通过在无磁转台上进行静态测试以及在测试标定系统上进行动态测试,分析各轴向的补偿效果表明,该方法可以有效增强MIMU的动态跟随性能、明显提升姿态解算精度。     

基于门控递归神经网络的电网日峰值负荷预测

日峰值负荷作为非线性、非平稳且波动的时间序列,难以准确预测。提出了一种结合动态时间规整（DTW）的门控递归神经网络（GRNN）用于准确预测日峰值负荷。利用DTW距离用于匹配最相似的负荷曲线,可以捕捉负荷变化趋势。采用热编码方案对离散变量进行编码,扩展其特征从而表征对负荷曲线的影响。提出了一种基于DTW的门控递归单元（DTW-GRU）算法用于日峰值负荷预测,并在欧洲智能技术网络（EUNITE）数据集上进行了测试。仿真结果表明,与其他算法相比,该算法的MAPE仅为1.01%。     

无线4G管网监测系统在新疆某工程中的应用

为了解决长距离供水管道运行状况及企业用水量巡查困难、实现对长距离供水管道运行状况及企业用水量实时监测,设计了以微功耗遥测终端、流量计、压力传感器作为现地控制单元,以操作员站、服务器、工程师站等作为信息管理及中央控制层的无线4G管网监测系统。该监测系统通过4G网络技术连接现地控制单元和中央控制层,实现了对管网的压力、流量、企业用水量的实时监测。介绍了系统组成、系统功能、通信网络、电源。实际应用表明,该系统在实现管网监测过程中的可靠性、准确性。该系统充分发挥了微功耗终端、4G网络的优势,使供水管网监测更经济、可靠、简单易行,为解决长距离、监测点多且分散的管网监测提供了参考。     

面部运动单元检测研究综述

面部运动单元检测旨在让计算机从给定的人脸图像或视频中自动检测需要关注的运动单元目标。经过二十多年的研究,尤其是近年来越来越多的面部运动单元数据库的建立和深度学习的兴起,面部运动单元检测技术发展迅速。首先,阐述了面部运动单元的基本概念,介绍了已有的常用面部运动单元检测数据库,概括了包括预处理、特征提取、分类器学习等步骤在内的传统检测方法;然后针对区域学习、面部运动单元关联学习、弱监督学习等几个关键研究方向进行了系统性的回顾梳理与分析;最后讨论了目前面部运动单元检测研究存在的不足以及未来潜在的发展方向。     

基于卷积编解码器和门控循环单元的语音分离算法

在大部分基于深度学习的语音分离和语音增强算法中,把傅里叶变换后的频谱特征作为神经网络的输入特征,并未考虑到语音信号中的相位信息。然而过去的一些研究表明,尤其是在低信噪比（SNR）条件下,相位信息对于提高语音质量是必不可少的。针对这个问题,提出了一种基于卷积编解码器网络和门控循环单元（CED-GRU）的语音分离算法。首先,利用原始波形既包含幅值信息也包含相位信息的特点,在输入端以混合语音信号的原始波形作为输入特征;其次,通过结合卷积编解码器（CED）网络和门控循环单元（GRU）网络,可以有效解决语音信号中存在的时序问题。提出的改进算法在男性和男性、男性和女性、女性和女性的语音质量的感知评价（PESQ）和短时目标可懂度（STOI）方面,与基于排列不变训练（PIT）算法、基于深度聚类（DC）算法、基于深度吸引网络（DAN）算法相比,分别提高了1.16和0.29、1.37和0.27、1.08和0.3;0.87和0.21、1.11和0.22、0.81和0.24;0.64和0.24、1.01和0.34、0.73和0.29个百分点。实验结果表明,基于CED-GRU的语音分离系统在实际应用中具有较大的价值。