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L-M算法的反向传播网络的湿度传感器输出误差补偿研究

针对湿度传感器的输出非线性问题,提出了基于L-M算法建立BP神经网络进行补偿校正,实现电阻湿度传感器的输入与输出非线性补偿,并与共轭梯度算法、拟牛顿算法所建立的神经网路模型进行对比,重点比较了模型误差性能、收敛速度。结果表明：基于L-M算法建立的神经网络模型,在收敛速度、误差性能等方面具有更高效的表现,更适合湿度传感器的非线性特性的补偿校正。     

采用BP神经网络研究C-F键核自旋偶合常数

通常理论研究核自旋偶合常数的方法是基于线性模型进行拟合和预测，该方法在拟合和预测中仍有较大误差. 本文在前面工作的基础上，提出了基于非线性模型对C-F键核自旋偶合常数进行研究的观点，采用BP神经网络方法对C-F键核自旋偶合常数的函数关系式进行拟合，并用拟合结果对4种化合物的偶合常数进行预测. 结果表明，采用非线性的BP神经网络方法其训练效果与预测效果均优于线性模型方法；其预测误差对文中的4种化合物不超过0.40%.     

基于改进BP神经网络的中央空调冷负荷预测研究

针对中央空调系统冷负荷预测中BP神经网络预测收敛慢,易陷入局部最优,精度相对低的缺点,采用了收敛速度快,全部搜索能力强的粒子群优化算法进行改进,同时对BP结构中的输入参数,添加控制误差反馈参数,形成了基于粒子群与控制误差回馈的BP神经网络预测技术;其预测精度较BP神经网络和粒子群BP神经网络分别提高5.94%和0.82%。     

光栅干涉位移传感器信息解算方法研究

面向光栅干涉式位移传感器信号高精度解算的需求,提出了一种基于椭圆拟合补偿及反正切算法的位移解算改进方法。采用傅里叶变换及标准化椭圆参数拟合法对信号误差估计,通过构建线性误差补偿模型对带误差信号进行正交补偿,结合反正切算法对信号进行线性化处理,实现高精度位移解算读出。Matlab仿真结果表明,该方法对信号正交补偿效果显著,线性化处理算法解算位移最大相对误差小于0.2%。为提高光栅干涉式传感器位移解算精度提供了有效途径和方法。     

无线传感器网络的分布扩散时钟自同步协议研究

针对大规模无线传感器网络同步协议的精度较低、可扩展性差的问题,提出一种分布式扩散时钟自同步协议(DDCSS);DDCSS是一个局部、并行执行的协议,基于分布式扩散的思想,以节点能量、分布和平均传输时延为依据,每轮动态地选取执行局部扩散的一组主节点和扩散节点,把主节点域内的节点平均时钟扩散有限的跳数,周围节点以接收的所有主节点域平均时钟取平均更新本地时钟,采用互扩散的方法使节点时钟近似同步到网络节点的平均时钟上,从而实现全网的时间同步;与RBS、TPSN协议相比较,该协议收敛速度较快,另外消除了误差累积,同步误差较低,扩展性较好。     

基于薄板样条插值法的MEMS陀螺仪温度补偿模型辨识

MEMS陀螺仪以其优异的性能及廉价的成本,被广泛地应用于水下航行器中;然而传感器的温度变化严重影响测量精度,因此,对其温度补偿模型准确辨识具有重要意义。本文利用基于可持续激励准则的快速标定算法获取标定参数,然后利用薄板样条插值方法建立MEMS陀螺仪温度补偿模型,并将该方法辨识结果与多项式拟合算法的辨识结果进行对比,实验验证,利用本文所提出算法辨识得到的传感器温度补偿模型,有效改善了MEMS陀螺仪测进精度。      

基于BP神经网络的多升降台同步控制研究

大型分布式升降台控制系统中,其同步控制是最关键的问题之一。针对传统神经网络PID控制器在多升降台同步控制的结构复杂及同步时间长等问题,提出一种基于相邻偏差耦合控制结构的BP神经网络PID同步控制策略,在确定同步误差定义的基础上,建立异步电机的矢量控制模型,改进了BP神经网络同步控制器。对多升降台同步控制系统的仿真实验表明：所研究的控制策略同步误差小,收敛速度快,实用性强。     

采用BP神经网络拟合铁磁材料的磁滞回线

介绍了采用BP神经网络模拟人脑智能拟合铁磁材料磁滞回线的方法,给出了实现磁滞回线拟合的BP神经网络结构模型.拟合结果表明,该方法拟合精度较高,对解决非线性拟合问题非常有效.     

基于SOM算法和免疫神经网络的飞机燃油系统故障诊断

针对传统的飞机燃油系统故障诊断方法如硬件冗余方法和系统模型检测方法存在的飞机重量限制和难以建立精确数学模型的问题,设计了一种基于SOM算法和BP神经网络的故障诊断模型;首先,建立了系统故障诊断模型并对诊断原理进行了描述,然后,对故障征兆数据进行预处理,即先采用SOM算法进行连续属性离散化处理,再通过粗糙集互信息方法进行属性降维,以减少数据量和提高诊断效率;最后,建立了基于BP神经网络的故障诊断模型,为了进一步提高故障诊断精度,在采用免疫优化算法对BP神经网络故障诊断模型中的各参数即权值和阈值等进行优化的基础上,进一步采用BP反向传播算法进行参数调整,从而得到最终的故障诊断模型。通过飞机燃油系统故障诊断实例仿真实验证明了文中方法能较为精确地实现故障诊断,且与其它方法相比,具有较高的诊断精度和诊断效率,具有较大的优越性。     

选择性激光烧结成型件密度的支持向量回归预测

根据不同工艺参数（层厚、扫描间距、激光功率、扫描速度、加工环境温度、层与层之间的加工时间间隔和扫描方式）下的选择性激光烧结成型件密度的实测数据集,应用基于粒子群算法寻优的支持向量回归（SVR）方法,建立了加工工艺参数与成型件密度间的预测模型,并与BP神经网络模型进行了比较.结果表明：基于相同的训练样本和检验样本,成型件密度的SVR模型比其BP神经网络模型具有更强的内部拟合能力和更高的预测精度;增加训练样本数有助于提高SVR预测模型的泛化能力;基于留一交叉验证法的SVR模型的预测误差最小.因此,SVR是一种预测选择性激光烧结成型件密度的有效方法. 关键词： 选择性激光烧结 密度 支持向量机 回归分析     

船舶电力系统时钟同步及改进技术研究

为了提高船舶电力系统时钟同步精度,减少由于测试时间基准不同带来的误差,提出了一种新的船舶综合平台时钟同步方案;利用PTP同步报文中时间戳的精确值于每周期利用偏差对从时钟进行修正的同时,将多周期的时钟漂移进行综合,改进同步精度;利用Matlab进行时钟误差建模,进行算法改进及硬件验证;仿真和测试结果表明,该算法能够在IEEE1588同步方案的基础上将同步精度进一步提升至60 ns左右,在不改变以太网同步策略的基础上进一步改进同步精度,具有重大的研究价值和工程实践意义。     

基于近红外光谱技术的土壤参数BP神经网络预测

利用BP神经网络预测方法,建立了基于近红外光谱技术的土壤有机质含量和土壤全氮含量的分析模型。试验共测量了150个田间土壤样本的近红外光谱,首先采用局部加权散点图平滑滤波法对光谱曲线进行了平滑处理,然后根据对目标参数进行的聚类分析结果进一步平均了输入光谱,最后将反射光谱数据进行对数转换后与目标数据一起进行了归一化处理。对预处理后的光谱数据首先进行主成分分析,然后提取贡献率超过99.98%的主成分建立BP神经网络模型。对土壤有机质含量的分析结果：模型拟合精度为0.999,预测精度达到0.854。对于土壤全氮含量的分析结果：模型的拟合精度近似为1,预测精度达到了0.808。研究表明,基于近红外光谱技术的土壤参数BP神经网络预测模型具有较高的鲁棒性和较强的容错能力。     

基于神经网络的结构光系统标定

提出一种基于神经网络的系统标定方法.通过射影变换及误差补偿方法,建立摄像机图像平面与投影仪图像平面的映射关系,利用该映射关系和标定点的摄像机图像坐标,计算得到相应的投影仪图像坐标;建立三层结构的神经网络,该网络以两个图像坐标为输入,对应的世界坐标为输出,训练样本由得到的标定点的两个图像坐标及其世界坐标组成,采用BP算法训练该网络;训练过程即为神经网络逼近系统模型的过程,训练完成时,系统完成标定.实验表明,与传统的结构光标定方法对比,本文提出的方法简化了建模复杂度和标定过程,提高了标定精度,并具有普遍适应性.     

预测特征误差映射及其在多基地水下目标识别中的应用

针对水下多基地目标识别问题,提出了基于特征预测和误差映射的多基地融合识别算法。推导并简化了基于贝叶斯公式的多基地目标识别条件概率公式,利用BP神经网络对最后一个节点的特征向量进行预测,并计算得到预测值与实际值误差的概率密度,将其与前面每个节点的条件概率累乘,以得到目标识别的条件概率。将利用特征预测计算条件概率的方法从单个节点推广到多个节点上,同时针对误差概率分布模型不准确的问题,提出了利用混合高斯分布模型代替单高斯概率分布模型的改进方法。对每个目标重复此过程,取结果最大值对应的目标类别为最后的识别结果.在消声水池开展多基地模拟实验,对四类目标进行识别,在一定声呐节点数目及信噪比条件下,与单基地声呐相比,多基地目标融合识别得到的识别正确率最大可提高40%,采用改进方法以后,识别正确率得到进一步提高。      

基于WIA-PA传感器网络的能量有效时间同步算法

WIA-PA协议是一种新型工业级无线传感器网络国际标准。当WIA-PA网络内节点数目增多时,传统的参考广播同步算法RBS以及改进型ERBS算法网络开销非常大。针对这一严峻的问题,提出了一种能量有效的局部最优时间同步算法。该算法对相邻的接收节点在多个参考广播消息的条件下求取平均相位偏差,然后对此平均相位偏差进行最大后验估计,最后根据此估计值调整本地时钟。仿真结果表明,本文所提时间同步算法在同步精度方面比RBS约提高168%,比ERBS约提高24%;同时,同步过程中的网络能耗也大大减少。     

基于PROA-BP的激光3D投影振镜偏转电压预测模型

为减小激光3D投影系统振镜偏转角偏差与根据振镜偏转角标定的转轴公垂线长度e误差引起的投影系统综合非线性误差,实现激光3D投影系统高精度辅助装配,提出一种基于改进的?鱼优化算法-BP神经网络的激光3D投影振镜偏转电压预测模型,以激光出射方向单位矢量作为输入预测振镜偏转电压数值。将改进的?鱼算法与BP神经网络相结合,解决BP神经网络容易陷入局部最优解问题,并通过BP神经网络实现激光3D投影系统综合非线性误差的耦合与补偿。结果表明,改进的?鱼算法-BP神经网络训练10 000次后均方差误差和平均绝对误差均值分别是粒子群算法-BP神经网络的41.2%、62.4%,是BP神经网络的22.2%、50.7%。基于改进的?鱼算法-BP激光3D投影振镜偏转电压模型的投影定位精度为0.35 mm,与激光3D投影传统模型相比,投影定位精度提升了30%,可实现更高精度投影定位。     

粒子群优化算法在混合气体红外光谱定量分析中的应用

通过将粒子群优化技术及BP神经网络技术相结合,建立了三种烃烷混合气体的红外光谱定量分析模型。混合气体主要由甲烷、乙烷、丙烷三种组分气体组成,三种组分气体浓度范围分别为0.01%～0.1%。文章首先采用主成分分析技术从红外光谱1 866个数据中提取了5个特征变量作为神经网络的输入,将气体浓度作为网络输出。然后将粒子群优化算法与BP神经网络技术相结合,对网络的隐含层节点数进行了优化选择。再对结构优化后的网络进行训练,建立气体分析模型。分析模型的标准气体验证实验结果表明,采用此方法建立混合气体红外光谱定量分析模型所用时间(大约4 600 s)比单纯采用BP神经网络进行遍历优化建模所用时间(大约24 500 s)降低5倍以上,模型预测精度水平相当,网络结构大致相同,具有一定的实践意义和应用潜力。     

基于GABP神经网络曲线拟合的快沿电磁脉冲信号源模型求解

为给电子设备的电磁脉冲效应仿真提供准确的快沿电磁脉冲(fast rise-time electromagnetic pulse,FREMP)信号源模型,提出一种基于遗传算法优化BP神经网络(GABP-NN)曲线拟合的信号源模型求解方法;该方法通过示波器对脉冲信号进行采集,利用GABP神经网络对波形曲线进行高精度拟合,提取网络参数建立信号源模型;为进一步获得BP神经网络拟合规律设置对比实验,采用隐含层神经元数为10的GABP神经网络对FREMP信号源进行建模,所得模型拟合度为91.64%;仿真结果表明该方法运算速度快、精度高。     

基于Nelder-Mead单纯形法的逆合成孔径激光雷达联合补偿成像算法

逆合成孔径激光雷达(ISAL)的调制信号具有高频率、大带宽的特性,使传统逆合成孔径雷达的"一步一停"模型不再适用。通过建立精确的ISAL成像模型,分析了ISAL成像过程中存在的平动误差、转动误差和模型误差。针对传统ISAL采用平动、转动分离补偿时,由于平动误差补偿存在残余误差而影响转动误差补偿的问题,因此提出基于Nelder-Mead单纯形法和拟牛顿法的联合补偿成像算法。该算法首先采用Nelder-Mead单纯形法对目标运动参数进行优化迭代搜索,将得到的优化解作为运动补偿项对三类误差进行全局补偿,然后利用拟牛顿法补偿残余误差。仿真实验结果表明,与传统分离补偿算法相比,本文算法可以精确估计目标的运动参数,获得聚焦良好的高分辨率ISAL二维图像。