基于单轴速率转台的角速度传感器标定方法

针对传统的标定方法标定成本高且对北向基准的要求严格等问题,提出了一种用单轴速率转台作为标定设备的光纤陀螺捷联航姿系统标定方法。对光纤陀螺组合的误差进行建模,将光纤陀螺捷联航姿系统安装于单轴速率转台上,使光纤陀螺捷联航姿系统的3个陀螺轴向分别朝下进行标定实验,由此标定出3只光纤陀螺的零偏、标度因数和安装失准角共12个误差参数。通过对标定精度进行分析,验证了该方法的可行性,其标定成本低且不需要北向基准,具有一定的工程应用价值。     

基于数字式红外传感器的姿态测量盲区补偿法

单轴红外姿态测量系统在测量小型无人机姿态角时存在盲区,通过增加一组与原轴线相垂直的红外传感器,形成双轴姿态测量系统,对盲区进行补偿。两组红外传感器一定有一组位于倾角可测区域,通过测试目标轴的输出温差的大小,判断位于可测区域的轴线,可实现对目标轴姿态角的解算。首次采用数字式输出红外热电堆传感器设计实现了180°无盲区的姿态角测量模块,经过测试,其静态误差小于2°。     

基于PSK声通信的无线传感器网络节点设计

可用于无线传感器网络的声信号通信方式,不占用无线电通信频率带宽,无射频干扰,在诸如环境监测、军事侦测等领域有广泛的应用前景。研究了一种基于相移键控(PSK)调制声通信的无线传感器网络节点系统。节点系统采用ARM+FPGA的结构,核心控制器为具有低功耗休眠模式的STM32型ARM芯片,FPGA用于进行数据缓存和部分数据处理,采用PZT型扬声器实现声信号的收发。测试表明:节点系统可以在10m范围内进行数据通信,数据码率300bps,误码率小于10-3,系统最大功耗小于0.1 W,最低休眠功耗小于10μW。     

基于虚拟仪器的传感器性能测试系统

为检测传感器性能是否符合需求,在傅里叶级数算法原理的基础上,结合虚拟仪器技术,开发设计了传感器性能测试系统。通过实验验证了该测试系统能有效地对传感器性能进行检测,误差约为0.004,同时测试系统还具有一定的可扩展性和通用性,用于实验传感器以外的其他传感器测试。     

基于ANSYS有限元法的电导率传感器分析

提出了一种结构简单的新型非接触电导率传感器。从原理出发,采用ANSYS有限元方法,通过建立有限元模型、定义材料属性、网格划分、设置边界条件、加载和求解等,得到了溶液电导率分别与传感器电感和电容之间的关系。利用该传感器对几种已知电导率溶液进行了测试,结果显示其测量的最大相对误差为0.64%,从而证明所提出的传感器测量方法不仅测量精度可行,还提高了测量的冗余度和可靠性,具有很高的商业应用价值。     

基于中红外QCL的痕量CO气体传感器

为了减少CO爆炸给国民经济造成的巨大损伤,提出了一种能够快速地监测环境空气中痕量CO的气体传感器。由于CO分子基频吸收谱带的吸收线强要比泛频带和组合频带的吸收线强高出2～3个数量级,选择激射中心波长为4.65μm中红外量子级联激光器（QCL）作为光源,同时再配合长光程Herriott气室提高了CO体积分数检测下限。同时,该传感器采用单光源双探测器差分光学结构,消除了电调制光源所带来的不稳定性。实验表明：该传感器CO体积分数检测下限为2×10-6,并且操作人员可以通过替换在不同波长下运行的中红外QCL来测量其它气体。     

基于FFT的陀螺寻北仪误差补偿

传统提高陀螺寻北仪精度的方法主要是选用高精度陀螺、提高转位精度、增加转位数、通过数字滤波消除外界干扰等,这些方法大多针对寻北仪的某方面误差因素进行改进,而对寻北仪整体的误差特性研究较少。通过对陀螺寻北仪综合误差特性的分析,提出了基于快速傅立叶变换(FFT)的寻北仪误差补偿方法。该方法首先测量出寻北仪的整周误差,然后通过求取FFT系数完成对寻北仪的系统级误差补偿,该方法尤其对寻北仪制造过程中的结构误差和测量元件的常值漂移残差具有良好的补偿效果。经产品验证可以在保持现有陀螺和转位精度不变的情况下,提高寻北精度3倍以上,具有良好的工程实用价值。     

基于无线疲劳监测系统的铝合金材料疲劳损伤研究

铝合金材料具有重量轻、强度高等特点,是国民经济发展的重要基础材料,在诸多领域(如飞行器设计与制造、建筑装饰等)中占有十分重要的地位。然而,其抗疲劳性能较差,在交变荷载作用下容易产生疲劳裂纹和发生疲劳破坏。提出了一种基于无线疲劳监测系统的铝合金材料疲劳损伤研究方法,实时监测了铝合金构件的疲劳应变,并实时分析了构件的疲劳损伤状况,为研究铝合金材料的疲劳性能提供了可借鉴性的方法。     

适用于智能传感器系统的SVM集成研究

以支持向量机(SVM)为代表的人工智能技术在智能传感器系统中得到了广泛的应用,但传统的SVM有"灾难性遗忘"现象,即会遗忘以前学过的知识,并且不能增量学习新的数据,这已无法满足智能传感器系统实时性的要求。而Learn++算法能够增量地学习新来的数据,即使新来数据属于新的类,也不会遗忘已经学习到的旧知识。为了解决上述问题,提出了一种基于壳向量算法的Learn++集成方法。实验结果表明:该算法不但具有增量学习的能力,而且在保证分类精度的同时,提高了训练速度,减小了存储规模,可以满足当下智能传感器系统在线学习的需求。     

一种路点受限的移动传感器网络移动模型

提出了一种基于随机路点移动模型的路点受限移动模型。在模型设计中,对节点的路点选择和暂停时间进行了设置,从而保持节点移动的规律性,满足特定场景的需要。利用仿真工具模拟模型的节点移动轨迹与其它移动模型进行比较,并从路由协议方面进行评估。仿真结果证明:该模型对集体搜索等特定场景具有较好的适用性。