插秧机微机械陀螺随机误差分析及建模

微机械陀螺广泛应用于组合导航系统.以插秧机 GPS/INS 组合导航系统为研究背景,针对微机械陀螺的误差进行了研究.为了提高插秧机组合导航系统的定位精度,首先通过分析微机械陀螺的工作原理对微机械陀螺的误差来源和分类进行了深入的分析,说明微机械陀螺的随机误差是影响插秧机组合导航系统定位精度的一个主要因素.然后基于时间序列的分析建立了微机械陀螺的 AR 随机误差模型,并利用此模型采用 Kalman 滤波算法对采集的试验数据进行处理.实验结果表明,在采用 AR模型后,微机械陀螺的随机误差的方差减小了一个数量级,随机误差的幅值也明显减小.     

基于改进小波阈值的微机械陀螺去噪方法

陀螺的噪声是影响组合导航系统精度的重要因素之一。以插秧机GPS/INS组合导航系统为研究背景,在分析常规硬阈值和软阈值小波去噪的基础上,提出了一种改进的小波阈值去噪方法。该方法构造了一种改进的阈值函数,改进的阈值函数具有较好的连续性,避免了将混叠在噪声中的有效信号完全消除,能够自动调节小波系数的收缩程度,具有一定的自适应性。利用插秧机组合导航系统中微机械陀螺的实际输出数据,分别采用硬阈值、软阈值和改进阈值小波去噪方法进行了对比试验。结果表明改进的小波阈值去噪方法处理后信号的信噪比提高了约3倍、均方差小,具有一定的实用价值。     

基于自适应遗忘因子极限学习机的高炉煤气预测

高炉煤气是钢铁企业重要的二次能源,其产生量和消耗量的实时准确预测对高炉煤气系统的平衡调度具有重要作用。但由于高炉煤气系统工况多变、产消量数据波动较大,给高炉煤气产消量的准确预测带来了很大的挑战。为此,通过对煤气产消量数据特征的深入分析,提出了一种基于自适应遗忘因子极限学习机（AF-ELM）的在线预测算法。在序贯极限学习机的基础上,引入遗忘因子逐步遗忘旧样本,通过预测误差反馈机制,自适应的调节遗忘因子,从而提高预测方法对系统工况的动态变化的适应能力,提高预测精度。将该算法应用于钢铁企业的高炉煤气产消量在线预测,实验结果表明与序贯极限学习机相比,该预测方法在系统工况变化的情况下能保持较高的预测精度,更适合于高炉煤气产消量的在线预测。     

激光诱导击穿光谱定量化标定谱线自动选择方法

选择合适的特征谱线是以内标法对激光诱导击穿光谱进行定量化分析的前提,需要科研工作者精心分析和比较,往往耗费大量精力和时间,而且还不能保证结果最优。基于遗传算法为内标法提出了一种从原始光谱中自动选择分析线和参考线的方法,使用该方法从低合金钢样的LIBS光谱中为锰(Mn)、镍(Ni)、铬(Cr)、硅(Si)和铁(Fe)元素分别选择了用于内标法定量分析的分析线和参考线。优选得到的最优谱线为,Mn的分析线和相应的参考元素Fe的参考线分别是403.306 8和368.745 7 nm,Si的分析线和相应的参考元素Fe的参考线分别是288.157 7和427.176 1 nm,Cr的分析线和相应的参考元素Fe的参考线分别是286.510 0和272.753 9 nm,Ni的分析线和相应的参考元素Fe的参考线分别是352.453 6和358.698 5 nm。最后基于优选得到的谱线以内标法对这些元素分别进行了定量分析,结果证明,使用这种谱线选择方法能够自动从原始光谱中找到最优特征谱线,使内标法定量分析得到最好的结果。     

基于模糊模型的CMP过程智能R2R预测控制方法

针对化学机械研磨(CMP)过程非线性、时变和产品质量不易在线测量的特性,提出了一种基于T-S模糊模型的CMP过程智能run-to-run(R2R)预测控制器FIPR2R;通过G-K聚类算法和最小二乘法对CMP过程的T-S模糊预测模型离线辨识,解决了复杂CMP过程难以建立精确数学模型的难题和提高了模型预测精度;通过双指数加权移动平均(dEWMA)中对过程扰动及漂移进行估计的方法实现反馈校正和基于克隆选择算法的滚动优化求取最优控制律,提高了控制精度;性能分析结果表明,FIPR2R控制器的控制性能优于dEWMA方法,有效抑制了过程扰动和漂移的影响。