光纤陀螺静态温度综合误差建模及补偿

针对光纤陀螺温度稳定性低、受环境温度影响参数变化,导致使用精度不高的问题,提出了一种光纤陀螺静态温度综合误差建模补偿方法。综合考虑温度、光纤陀螺标度因数非线性以及零偏漂移的影响,建立了以时间、温度和输入角速率为参量的光纤陀螺静态温度混合模型;采用分类拟合方法确定模型阶次,辨识模型参数;基于温度速率实验,提出迭代补偿算法。实验结果表明,经过综合误差补偿后的光纤陀螺消除了温度和标度因数非线性对其性能的影响,使它在全温度和全速率下的测量精度得到了极大提高,从而证明了该方法的有效性。     

基于粒子群优化的最小二乘支持向量机在混合气体定量分析中的应用

针对混合气体建模过程中最小二乘支持向量机参数难以确定及红外光谱数据计算量过大的问题,提出一种粒子群优化的最小二乘支持向量机方法,用于建立基于主成分分析特征提取的红外光谱多组分气体定量分析模型。首先对主吸收峰区域的550个红外光谱数据利用主成分分析技术进行了特征提取,将降维得到的7个特征值作为模型的输入变量从而有效地降低了计算量。混合气体主要由浓度范围分别是0.1%～1%的甲烷、乙烷及0.1%～1.5%的丙烷三种组分气体组成。采用最小二乘支持向量机技术分别建立了各组分气体的定量分析模型,利用粒子群优化算法对最小二乘支持向量机算法中的参数进行了优化选取,取代了传统的遍历优化方法,然后利用取得的最优参数重建定量分析模型。实验结果表明,采用此方法离线建模所用时间比采用遍历优化方法节省40倍以上,预测结果误差水平相当,满足实测要求。粒子群优化算法在全局优化及收敛速度方面具有较大优势。粒子群优化算法与最小二乘支持向量机技术相结合用于混合气体定量分析是切实可行的,具有一定的实际意义和应用价值。     

Q-MEMS陀螺零偏补偿技术研究

在对某型Q-MEMS(石英音叉陀螺)进行大量高低温环境试验的基础上,根据试验数据,建立了一种基于陀螺工作时间的零偏温度补偿模型,并用该模型对新测的试验数据进行了预测补偿。补偿结果表明:Q-MEMS陀螺经该模型补偿后可以将零偏减小至少一个数量级,并进一步提高了零偏稳定性,有效补偿了陀螺上电后的启动漂移,完全满足工程上的实时补偿要求。因此,该模型具有很强的工程实用价值。     

基于双目视觉的车身焊点定位误差补偿研究

在应用机器人对车身点焊质量检测过程中,其焊点的定位精度受到点焊作业质量以及车身制造误差等因素的影响,导致实际焊点与设计值并不重合。针对传统示教无法对焊点定位进行实时补偿的问题,提出基于双目视觉引导机器人的焊点定位策略,并构建基于改进粒子群算法优化的支持向量机回归误差补偿模型,对定位结果进行补偿。在机器人末端安装双目传感器,利用双目定位原理对焊点进行初步定位,并将焊点位置的测量数据与实际数据作为学习样本,利用训练好的误差补偿模型预测系统定位误差,将补偿结果作为纠偏值引导机器人定位焊点。实验结果表明,补偿后的定位精度得到较大提升,验证了该方法的有效性。     

基于逐步回归分析的激光惯导温度补偿研究

针对激光陀螺惯导的温度补偿,将影响激光陀螺零偏的各种可能的变量作为零偏补偿的状态变量,利用逐步回归分析方法,挑选出对零偏贡献较大的显著变量,建立精准的数学物理模型,并对实测的激光陀螺进行温度补偿建模。结果表明,温度变化率以及与温度的交叉积对温度补偿模型的影响不显著,得到的温度补偿模型可以对陀螺的零偏进行实时补偿,提高了陀螺的精度。     

光纤陀螺温度误差模型研究

对由Shupe效应引起的误差进行了理论分析,光纤环径向温阶会产生光纤陀螺零偏漂移。设计和完成了测量环境温度对光纤温度的影响试验,环境温度变化率与Shupe效应误差存在线性关系。在此基础上,设计和完成了在测量环境温度变化时光纤陀螺输出的试验,分别使用环境温度变化率的一阶、二阶和三阶项对陀螺输出的变化趋势进行建模,对模型的有效性进行了验证。结果表明:一阶模型与二阶、三阶模型相比,模型更简单、稳定性更高,能够准确地反映由Shupe效应引起的误差值,补偿效果好,与理论分析结果相符。     

一种传感器特性的高精度拟合方法

为提高传感器非线性特性的拟合精度,提出了一种基于最小二乘支持向量机(LSSVM)与量子粒子群优化算法(QPSO)的传感器特性拟合方法;该方法采用最小二乘支持向量机构建传感器特性的非线性回归模型,模型的参数向量由量子粒子群优化算法和学习样本平均绝对误差最小的准则进行优化;实验结果验证了该方法的有效性,其拟合绝对误差在10-9~10-7%之间,其拟合性能明显优于常规方法。     

单轴旋转惯导系统轴向陀螺漂移预测方法

轴向陀螺漂移是影响单轴旋转惯导系统导航精度的主要因素。对于轴向陀螺漂移的预测,提出了一种基于支持向量机的算法。利用初始对准12 h内系统纬度误差和温度变化量作为训练数据,构造了以多项式、径向基、小波函数为核函数的支持向量机、最小二乘支持向量机、遗忘因子最小二乘支持向量机,对比了它们用于轴向陀螺漂移预测的泛化性能。试验结果表明:遗忘因子最小二乘支持向量机可有效地用于轴向陀螺漂移预测,具有很高的预测精度,极大地提高了单轴旋转激光陀螺惯导系统的导航精度。     

基于QPSO—SVM算法的PDS变送器温度补偿方法

由于PDS压力变送器[1] 的测量数据会随着温度的变化而发生温度漂移,文中提出了量子粒子群[2](QPSO)算法和支持向量机[3](SVM)算法相结合的方法对压力变送器的输出数据进行补偿处理,通过QPSO算法优化SVM参数C、δ²,然后利用SVM的函数拟合建立补偿模型;通过分析工程实验结果,该方法在全局收敛性、非线性目标函数逼近能力等方面效果显著,在压力传感器温度补偿处理上具有较高的实用性。     

改进粒子群算法优化支持向量机在故障诊断中的应用研究

支持向量机(SVM)作为当前新型的机器学习方式,凭借解决小样本问题、高维问题和局部极值问题等方面的优越性,在当前故障诊断方面有突出的表现;文章根据对支持向量机的研究,发现其在分类模型参数选择上存在困难,为此,提出利用改进粒子群算法优化的办法,解决粒子群前期收敛速度过快导致后期容易优化不均的现象;通过粒子群算法优化与支持向量机分类模型结合,以轴承故障检测和诊断为例,分析次方法的优越性和提高支持向量机在故障诊断过程中的精准度;通过实际检测得出,这种算法优化的方法改进的支持向量机对于聚类性较差的故障分类具有很好的诊断功能。     

光纤陀螺热致漂移分析及算法补偿技术研究

通过对光纤陀螺温度漂移的剖析推导,分析了温度扰动引起陀螺漂移误差的深层次原因,并结合过程相关性理论,对各个温度项影响因子与光纤陀螺实际输出相关性进行验证分析,提出一种同时考虑温度、温变速率、温度梯度以及三者乘积耦合项的算法补偿模型。对该模型的补偿效果进行离线补偿验证,结果表明,采用该算法补偿模型能明显抑制光纤陀螺的变温零漂。为了进一步验证该模型的有效性,把离线获得的补偿参数载入陀螺存储器,经过多样本实验测试,补偿后可有效提高光纤陀螺的全变温零偏稳定性,验证了该补偿算法在工程上的可实施性和推广价值。     

AlON-TiN复相材料合成工艺参数的支持向量回归分析

根据在不同热压烧结工艺参数（包括TiN的含量、烧结温度和保温时间）下合成的AlON-TiN复相材料的抗弯强度实测数据集,应用基于粒子群算法寻优的支持向量回归（SVR）方法,建立了AlON-TiN复相材料在不同热压烧结工艺参数下抗弯强度的SVR预测模型,并与基于人工神经网络（ANN）模型的预测结果进行了比较.利用SVR预测模型并结合粒子群算法对AlON-TiN合成工艺参数进行了寻优和多因素分析.结果显示:对于相同的训练样本和检验样本,AlON-TiN复相材料抗弯强度的SVR模型比ANN模型具有更小的预测误差,表明SVR模型比ANN模型具有更强的预测能力.工艺参数寻优结果表明,当TiN质量分数为13.5%、烧结温度为1863.5 ℃和保温时间为5.8 h时, 可获得抗弯强度为555.452 MPa的AlON-TiN复相材料. 研究结果表明,该方法对于研发理想抗弯强度的AlON-TiN复相材料具有重要的理论指导意义和实用价值. 关键词： AlON-TiN 抗弯强度 支持向量回归 回归分析     

支持向量机在混合气体定量分析中的应用

针对使用掺铥光纤激光器的气体传感系统进行混合气体测量时,吸收谱线重叠较为严重且相互交叉吸收干扰的现象造成的测量误差大、分析精度低的问题,提出一种基于自适应变异粒子群优化的支持向量机(SVM)方法,用于建立混合气体体积分数定量分析预测模型。对体积分数为0.5%～2%的氨气(NH3)和2%～5%的二氧化碳(CO₂)混合气体的吸收光谱数据进行采集和处理,利用自适应变异粒子群优化(AMPSO)算法对SVM模型参数进行寻优,利用获得的最优模型参数构建氨气和二氧化碳气体体积分数定量分析模型,并与标准粒子群优化算法和网格搜索法进行对比。实验结果表明,基于自适应粒子群优化算法建立的氨气和二氧化碳气体体积分数定量分析模型在较为合适的寻优时间下,可以得到最佳的均方误差,效率较高,该模型对测试集中氨气和二氧化碳气体体积分数设定值与预测值的均方误差分别为0.000088和0.000170,决定系数R²均为0.9998,满足混合气体检测要求。     

电击死与死后电击的心脏组织光谱模式识别

在司法鉴定领域,涉及电击死亡的案件多发,鉴别死者是生前还是死后受到电击仍是法医病理学鉴定的难点问题之一。为此通过傅里叶变换红外光谱融合机器学习模型对心脏组织视角下的电击死和死后电击两种情况开展分类识别研究。将30只大鼠进行电击死、死后电击和对照处理,通过光谱仪扫描得到其心脏组织光谱,采用竞争性自适应重加权算法共提取到70个光谱特征波长,建立随机森林模型对特征波长提取前后的心脏组织光谱进行模式识别;结果表明,特征波长提取前后模型分类识别的准确率分别为34.9%和73.7%,验证了特征波长提取方法的有效性和必要性。同时建立偏最小二乘模型、传统支持向量机以及粒子群算法和灰狼算法优化的支持向量机模型进行分类识别,结果表明,模型分类识别的准确率分别为61.07%、 34.48%、 100%和98.46%,对比发现经特征提取后的粒子群优化支持向量机模型分类识别效果最好。为排除“生物学死亡期”的干扰,又取60只大鼠按同种方式对其处理,每组又分死后0.5 h和死后1 h 2个亚组,再次通过傅里叶变换红外光谱仪扫描得到光谱数据,数据预处理后将其与之前得到的数据进行一并处理并结合粒子群优化支持向量机模型分...     

基于PSO-SVR算法的氧乐果合成过程建模研究

针对氧乐果合成过程中温度控制具有参数时变、时滞后、非线性的特点,提出了一种基于改进粒子群算法的支持向量回归的建模方法。对于支持向量回归模型,3个参数(ε,C,γ)的选取很大程度上决定了其拟合的精度和泛化能力的好坏,采用改进的粒子群算法对参数(ε,C,γ)进行同时寻优,建立了改进的氧乐果合成过程PSO-SVR回归模型,该模型具有很好的学习能力和推广能力。实验结果表明,模型较好地体现了系统的动态特性,可用于氧乐果合成过程的模型预估控制,提高系统的控制品质。     

动能弹对混凝土靶侵彻深度的PSO-SVM预测

目前混凝土毁伤效应中侵彻深度的预测对防护工程设计与建设有着重要的指导意义,传统的预测方法存在样本需求量大、预测误差大等问题。根据支持向量机原理,采用粒子群算法优化模型参数,提出了预测动能弹侵彻深度的粒子群-支持向量机方法,并编写了相应的计算程序,通过援引实测数据验证预测的准确性。结果表明:该方法对于小样本、非线性预测有较大优势,相比于传统的灰色理论预测,其预测相对误差较小(最大相对误差为3.18%);随着训练样本量增多,最大相对误差逐渐减小,且变化速率逐渐减缓,但计算量增大。因此,粒子群-支持向量机方法用于动能弹侵彻混凝土靶体的深度预测是合理可行的。     

光纤陀螺温度补偿方案研究

从理论上分析了光纤陀螺敏感环的热致非互易相位噪声,建立了光纤环温度分布模型。针对四种通常的光纤敏感环绕制方法（ＺＹＬ,ＳＹＭ,ＤＩＰ,ＱＵＡ）对于由外界环境温度变动所引起的光纤陀螺零位漂移进行了数值模拟与比较,并给出了对应于外界环境温度变化过程中的光纤陀螺零位漂移补偿方案。     

环型聚能装药侵彻靶板能力多因素分析

环型聚能装药结构参数与其侵彻靶板能力间的关系难以用精确的数学函数表达,因此利用灰色关联理论建立描述该关系的模型是有意义的。首先采用灰色关联度理论对正交试验数据进行初步处理分析,将多目标问题转化为单目标问题,得到各结构参数与侵彻靶板能力的灰色关联度;然后应用基于支持向量机回归、粒子群优化、遗传算法等参数寻优算法的支持向量机(SVM)网络回归模型对灰色关联度进行预测,从而实现对环型聚能装药侵彻靶板能力的计算。结果表明,使用基于遗传算法参数寻优的SVM网络回归模型拟合精度最高,该模型可以很好地描述正交试验中环型聚能装药结构参数与侵彻靶板能力间的关系。最后选用正交试验外的一组数据,应用LS-DYNA对该结构参数下的环型聚能装药侵彻靶板过程进行仿真,并将仿真试验数据与SVM网络回归模型的预测值作比较,验证了该模型的可靠性。     

温度误差对激光陀螺零偏温度补偿精度的影响分析

分析了温度测量误差对环形激光陀螺(RLG)零偏补偿精度的影响,通过仿真,在动态温度模型中,发现温度测量误差主要通过温度变化率对补偿结果产生影响,提出了该模型在陀螺零偏动态温度补偿中是否考虑温度测量误差的标准。仿真结果表明,对使用的温度补偿模型与温度传感器而言,在温度补偿精度明显小于0.001°/h时,要考虑温度测量误差的影响。     

基于局域相关向量机回归模型的小尺度网络流量的非线性预测

基于非线性时间序列局域预测法与相关向量机回归模型, 本文提出了局域相关向量机预测方法, 并应用于预测实际的小尺度网路流量序列. 应用基于信息准则的局域预测法邻近点的选取方法来选取局域相关向量机回归模型的邻近点个数. 对比分析了局域相关向量机预测法、前馈神经网络模型与局域线性预测法对网络流量序列的预测性能, 其中前馈神经网络模型的参数采用粒子群优化算法来优化. 实验结果表明: 邻近点优化后的局域相关向量机回归模型能够有效地预测小尺度网络流量序列, 归一化均方误差很小; 局域相关向量机回归模型生成的时间序列具有与原网络流量时间序列相一致的概率分布; 局域相关向量机回归模型的预测精度好于前馈神经网络模型的与局域线性预测法的. 关键词： 小尺度网络流量 非线性时间序列预测方法 局域预测法 相关向量机回归模型