一种用于显著误差检测的改进型NT-MT算法

工业过程中数据的可靠性和准确性是控制过程和管理优化重要基础,但是由于测量过程中不可避免的存在着各种误差,测量值就不能准确的反应实际的化工过程。本文讨论了数据校正对工业过程的主要影响,如果有显著误差的存在,仍按照标准偏差来调整测量数据让其满足物料和能量平衡,所有的测量值将会受到显著误差影响而使得到的数据不能正确的揭示工业过程的状态。本文主要通过对几种传统检测显著误差的分析比较,提出了一种基于MT-NT测量方法的改进型NT-MT检测方法,通过改变测量方差的值来减少含有显著误差测量值所占的权重。仿真结果表明,本论文提出的方法能够更有效地检测和诊断显著误差。     

一种冗余约束对并联机构精度影响的研究

为深入研究动平台中心点误差范围,以一种少自由度3-RPS／UPS冗余并联机构为研究对象,提出了一种改进的铰链间隙误差分析方法,分析了此并联机构球铰间隙对动平台中心点的影响,在此基础上提出了一种改进的误差分析方法,并对具有相同结构参数的3一RPS非冗余并联机构和具有冗余支链的3一RPS／UPS并联机构进行误差分析及计算,结果表明,冗余并联机构的误差空间在各方向上都比非冗余并联机构小,故冗余约束可减小误差,提高并联机构精度。     

基于实际无线局域网系统的信道估计算法

结合无线局域网(WLAN)系统进行适合实际系统的信道估计方法研究。针对实际系统在要求算法稳健性的同时,还要求算法简单易实现的特点,在最小二乘(Least Square,LS)算法中添加了离散傅里叶逆变换(Inverse Discrete Fourier Transform,IDFT)运算,利用信号在时域能量集中的特点,在时域对信号按门限值进行筛选,滤除大部分噪声,以此提高系统性能。仿真结果显示,改进算法可为实际WLAN系统所采用。     

基于单天线的MEMS-INS/GPS组合定姿方法

为了将MEMS-INS/GPS组合导航系统的定姿误差控制在一定范围内并保持较高精度,同时实现低成本测姿要求。文章提出一种新方法,即采用组合速度信息估计加速度,再利用二者实现单天线GPS姿态解算,最后将姿态信息一定间隔内反馈给惯导进行四元数更新实现捷联惯导姿态更新,进一步完成组合姿态预测滤波。通过分析仿真数据,表明单天线测姿误差不随时间累加,且俯仰角、横滚角、航向角误差分别在0.2度、0.5度、0.2度范围内。最后在动态跑车试验中,将MEMS惯导组合测姿和单天线GPS辅助组合测姿结果进行了比较。     

子带自适应滤波器组参数的选取及其影响

为了研究自适应滤波在噪声消除,干扰抑制以及雷达信号处理中的广泛应用,对滤波器各影响因素进行了分析,提出了各参数的设计规则.以自适应滤波理论为基础,将信号划分成不同的子带通过原型分析综合滤波器组,将处理后的各路信号叠加可恢复原信号.选择合理的参数设置滤波器可以使系统的综合性能最优,同时可以将信号在传输过程中造成的损失减小到最低.通过大量仿真验证了该参数选取规则的准确性和有效性.     

一种Hadoop小文件存储和读取的方法

HDFS(HadoopDistributedFileSystem)凭借其高容错、可伸缩和廉价存储的优点,在当前面向云计算的应用场景中得到了广泛应用.然而,HDFS设计的初衷是存储超大文件,对于海量小文件,由于NameNode内存开销等问题,其存储和读取性能并不理想.提出一种基于小文件合并的方法HIFM(HierarchyIndexFileMerging),综合考虑小文件之间的相关性和数据的目录结构,来辅助将小文件合并成大文件,并生成分层索引.采用集中存储和分布式存储相结合的方式管理索引文件,并实现索引文件预加载.此外,HIFM采用数据预取的机制,提高顺序访问小文件的效率.实验结果表明,HIFM方法能够有效提高小文件存储和读取效率,显著降低NameNode和DataNode的内存开销,适合应用在有一定目录结构的海量小文件存储的应用场合.     

通用ETL工具的研究与实现

ETL(Extraction-Transformation-Loading)是建立数据仓库的重要一环。通用应用ETL工具应能够适应不同领域不同需求的业务,无论是针对多样化异构的数据源,还是针对复杂变化的转换逻辑,都能够给予很好的支持。研究ETL工具的技术难点,提出一种通用ETL工具的设计框架,并对每个模块做了详细分析,在所承担项目中给出了具体实现。     

钢材性能与工艺参数的交叉预测模型研究

为了克服BP神经网络算法的固有缺陷,增强其在钢材生产实践和事故调查中应用实效,提出了对BP神经网络算法的改进措施,并通过排列组合建立了钢材性能、温控工艺和化学成分添加工艺三组数据的6种交叉预测模型。该方法将遗传算法与小生境技术和禁忌算法相结合,优化了BP神经网络初始权值和阈值的选取,避免陷入局部最优解;利用Cauchy误差估计器代替传统均方差估计器,改进了BP神经网络误差统计方法,降低少数异常输入元素对结果的影响。实验结果表明,所有模型训练后检验精度均较高,总体平均相对误差较小,表明了该算法模型具备良好的预测能力和现实可行性。     

Approximate optimal control with εerror bound

近似动态规划方法求解非线性系统最优控制,需要迭代无限步才能得到最优控制律．本文提出了一种ε-近似最优控制算法,选择ε误差限,通过自适应迭代不断逼近哈密顿-雅可比-贝尔曼（HJB）方程的解,应用神经网络实现在有限步迭代后得到带ε误差限的近似最优控制律．计算机仿真结果表明了该算法的有效性．     

基于非线性误差抑制算法的超高绝缘电阻测量

针对在超高绝缘电阻测量时,因存在衰减缓慢的时变非线性背景电流而难以快速准确测量的难题,提出一种基于非线性误差抑制算法的超高阻测量方法。首先分组交替改变测试电压极性,测量相应静电计输出信号,再根据非线性误差电流特点,采用n次多项式表示相邻n+2个分组的背景电流,构建连续n+2个分组测量的输出电压矩阵,最后通过误差抑制算法得到不含背景电流项的测量结果。实验结果表明,采用非线性误差电流抑制算法可将由固有衰减时间引起的测量过渡时间从长达数十分钟至数小时缩短到数分钟,同时提高了在10～0.1 pA极微电流条件下的超高阻测量精度,绝缘电阻测量量程可有效扩展到10¹⁶Ω量级。