基于神经网络的GPS高程转换

GPS测量所提供的高程为相对于WGS-84椭球的GPS大地高,而国内使用的是正常高。大地高等于正常高与高程异常之和,要使GPS高程在实际工程中得到应用,就必须先求出高程异常,进而获得正常高。为此,提出一种改进的BP网拓扑结构和算法来转换GPS高程为正高或正常高,并用GPS的实测数据样本进行计算和分析。结果表明,利用神经网络方法转换的GPS高程的精度比常用的二次多项式曲面拟合法高,且转换精度也较稳定。     

基于斜面法原理的7075-T651铝合金板材内部三维残余应力分布

为提高飞机性能与可靠性、减轻质量,越来越多的铝合金整体结构件被采用。毛坯初始残余应力是引起铝合金整体结构件加工变形的主要原因之一,对毛坯内部三向残余应力的分布规律进行高效精确的测量显得尤为重要。针对传统剥层法操作繁琐、效率低的问题,提出一种新的测量毛坯三向残余应力方法——斜面法。实验以7075-T651铝合金预拉伸板为研究样件,分别利用剥层法和斜面法对其内部三向残余应力进行测量。对测量结果进行修正,以减小斜坡加工引起的残余应力测量误差。结果表明：传统剥层法与修正后的斜面法测量结果沿深度方向的分部规律均呈M形;与传统剥层法相比,斜面法测量效率提高10倍;残余应力经修正公式修正后的斜面法测量结果误差90%在6 MPa以内;新方法不仅可以精确高效地测量毛坯全厚度的残余应力,还能够对表层20 μm深度的残余应力进行检测。     

基于近邻传播算法的动态自适应室内指纹定位算法

目前传统的室内指纹定位算法中存在以下几个问题,首先在构建指纹库时采用平均值的方式构造指纹库容易受到噪声点影响而降低定位精度,其次使用欧式距离衡量待定位点与指纹点之间的距离可能引入信号强度距离较近,物理距离较远的参考点参与估计待定位点的位置从而增大定位误差,以及当参考点数量较大时,由于K近邻算法的计算量较大,从而造成定位过程耗时较大,能源耗费较多的情况,除此之外,由于K近邻算法无法根据实际情况确定参与定位的参考点个数从而限制了定位系统的精确性和拓展性。针对上述问题,本文设计了一种基于近邻传播算法的动态自适应室内指纹定位算法。该算法在离线阶段对在每一个参考点采集的信号强度值使用方差滤波算法去除噪声值,然后利用加入了参考点物理信息的近邻传播算法对参考点进行聚类处理。在在线阶段,通过进行粗略定位和精确定位动态的估计待定位点的物理位置。经过实验证明,本文所提出的新算法较对比算法有较高的精确度和稳定度。     

基于方差滤波的动态自适应室内指纹定位算法

目前常用的室内定位算法在构建指纹库时,因为在参考点处接收到的信号强度值存在噪声值,传统的欧式距离计算公式忽略信号发射器的稳定程度从而造成定位误差,以及K近邻算法无法根据实际情况动态的确定参与定位的参考点个数,从而造成定位算法缺乏拓展性和稳定性。针对上述情况,本文设计了一种经过方差滤波的动态自适应室内指纹定位算法。该算法首先在离线阶段利用方差滤波去掉噪声值,之后在在线阶段利用新的基于方差的相似度计算公式计算待定位点与各个参考点之间的相似度,然后动态自适应的确定距离较小的K个点来参与定位计算,最后利用确定的K个点加权估计待定位点的位置。实验结果证明,该算法较对比算法能够有效的提高定位精度和定位的稳定性。