基于证据推理规则的船舶柴油机磨损类型辨识研究

为了利用不确定、不完整信息对船舶柴油机磨损故障进行诊断,以磨粒的二维和三维特征作为诊断信息,提出了基于证据推理(ER)规则的船舶柴油机磨粒类型辨识模型,并以此作为识别柴油机磨损类型的依据.在船舶柴油机油底壳附近安装油液监测系统以采集油液样本,提取油液中磨粒的二维和三维特征.对每一磨粒特征进行k均值聚类确定其参考值,对磨粒样本与参考值的相似性进行似然归一化,获得了证据的置信度分布.考虑辨识证据的可靠性和重要性,利用ER融合规则对多条辨识证据进行融合,辨识磨粒类型,进而确定柴油机磨损类型.通过5折交叉验证以及不同模型对比分析表明:该模型能够利用不确定、不完整信息识别磨粒类型,确定柴油机磨损类型,并且模型结构简单,辨识准确性高,辨识结果客观、可靠.     

基于机器学习与步态特征辅助的行人导航方法

针对微惯性测量组件(MIMU)足部安装的穿戴式导航系统,在包含惯性传感器信息超量程的行进中无法有效进行定位与导航的问题,提出了一种基于虚拟惯性测量组件(VIMU)与步态特征辅助修正惯导系统的行人导航方法。以相同频率采集人体腿部与足部的MIMU数据作为训练样本,通过视觉几何组-长短期记忆混合(VGG-LSTM)神经网络模型拟合两个部位MIMU信息之间的非线性映射关系,构建足部VIMU与虚拟惯性导航系统(VINS);基于人体各步态相位中足部姿态具有高度重复性的特征,对足部VINS姿态信息进行误差修正,并结合足部磁传感器信息确定人体运动的航向信息。实验结果表明,结合零速修正(ZUPT)方法,所提出的VINS构建与误差修正方法可有效提高足部MIMU超量程时行人导航系统性能的可靠性,其高过载运动中的定位误差约为总行进距离的2.5%。     

基于手机加速度计的行人步态分析

随着导航定位技术的快速发展及应用,复杂室内环境下的定位与应用已成为当今热点。以普通智能手机内三轴加速度信号为研究对象,将加速度数据利用低通滤波、卡尔曼滤波去除噪声,再利用巴特沃斯滤波方法进行细化去噪;分析处理后的数据,利用峰值检测法得到行人行进时每一步的开始和结束点,通过准确的步态点计算行进的实时步频,并依据实时步频建立步长估计模型,将实时步频利用阈值分割法处理,将行人静止、慢走、正常走、快走这四个基本状态进行区分。由实验数据得出,步数检测以及实时步长的估算精度都可以满足普通室内定位的需要,并且可以有效区分行人的基本运动状态。     

基于行为概率分析的室内行人导航方法

行人在室内场景下进行混合步态运动时,传统零速检测方法易出现“漏检”和“误检”,造成定位精度下降。针对此问题,提出了一种基于行为概率分析的行人零速检测与爬楼高度估计方法。一方面,设计了基于步态周期检验的最大概率零速点提取方法,通过足部零速广义似然比概率统计对步态周期进行准确划分,继而实现对步态周期内最大概率零速点的提取;另一方面,采用基于长短期记忆的深度学习网络模型实现上下楼运动检测,基于气压高度计与惯性器件数据,构建描述足部跨越台阶数的能量概率函数,并对台阶高度、跨越台阶数以及爬楼高度进行实时在线估计。最后开展了行人室内导航实验,相较于传统零速检测算法和零速阈值自适应调整算法,所提算法的平均零速点提取成功率分别提高24.44%和16.21%,平均导航定位性能分别提高了55.14%和39.15%,高度误差由7.79%降低到0.39%。     

基于UWB优化配置的室内行人导航方法

在卫星信号无法覆盖的室内条件下,行人的精确导航问题是当前研究的热点。为解决基于MEMS的微惯性导航系统误差随时间发散、航向角发散快的问题,提出了一种利用UWB辅助修正惯性导航系统,实现室内较高精度定位的方法。该方法采用基于零速修正的微惯导系统进行导航,以抑制惯导误差随时间发散,并在建筑内拐角、楼梯口等关键节点处优化配置UWB设备,采用UWB信息与微惯导数据进行卡尔曼滤波,实现对微惯导航向及位置的修正。与大规模使用UWB系统进行室内定位相比,该方法降低了系统布设成本,避免了UWB出现问题时对整体导航结果的影响,有效地保证了系统的定位精度。行走实验表明:直线行走时,微惯导最终定位误差为1.8%;转弯行走时,在UWB辅助定位下,微惯导最终定位误差小于1.0%。     

基于人体下肢运动学机理的行人导航方法

利用人体运动特征实现行人导航是近年来导航技术领域新兴的研究方向之一。针对惯性测量组件足部安装方式在人体较高过载的运动中无法有效实现零速修正的问题,研究了一种惯性测量组件在人体下肢分布式安装,基于人体下肢运动学机理构建虚拟足部惯性测量组件,从而实现人体导航定位的方法。阐述了行人导航系统的结构与虚拟惯性传感组件的构建机理,研制了系统原理样机。实验结果表明所提出的方法在人体较高过载的行进中可有效克服测量信息超量程、冲击等因素对导航解算的影响,定位精度约为行进距离的6%,并通过分析总结了影响该类型行人导航系统性能的各项主要因素,为进一步研究提供了一定的理论与技术基础。     

基于LS-WSVM的光纤陀螺漂移辨识

提出了一种最小二乘小波支持向量机(LS-WSVM)的光纤陀螺的漂移辨识算法.该方法将Mexihat小波函数作为核函数,与最小二乘支持向量机(LS_SVM)相结合建立起通用模型;用光纤陀螺漂移数据训练通用模型,从而得到该光纤陀螺的漂移模型.并用F法则检验了该模型的适应性.试验表明,在相同条件下,与基于Gauss核函数的最小二乘支持向量机模型相比,该模型拥有更高的辨识精度.证明了用最小二乘小波支持向量机对光纤陀螺的机漂移辨识是合适的,有效的.     

主点法证明确定主方位象限的最简规则

给出了一种无需任何附加条件,也无需任何计算即可直观判别出平面应力状态下主方位象限的最简规则,并从主点法角度出发证明了此规则的正确性. 在证明的过程中还得出了一条相关的结论,最后介绍了相关结论的一些主要应用.     

步行运动特征的动力学解释

本文利用变摆长的倒摆模型研究步行运动,对运动的基本特征给出简明的解释.文中计算了质心垂直波动对步行运动的影响,从而在理论上证实:为避免出现腾空犯规动作并减少踏地冲量,竞走运动员应尽可能实现等高度步行的理想模式.     

基于端到端模型的机器人室内单目视觉定位算法

在室内环境中,机器人使用视觉设备实现室内定位时,需要面临高强度的运算、建立并维护比较大的地图、环境光照影响等挑战。针对以上问题,提出基于端到端模型的机器人室内单目视觉定位算法。首先,使用机器人运动场景图像数据,对每张图像标注机器人此时在世界坐标系下的三维坐标。其次,将运动场景图像及标签输入神经网络,得到机器人运动场景网络模型。最后,在机器人运动过程中,将需要查询的图像输入网络模型中,预测并输出机器人当前所处空间位置,实现一个端到端的定位系统。与传统的视觉SLAM的定位模块进行实验对比,结果表明所提出算法能够将定位误差降低38%以上。此外,所提出算法的定位实现依靠构建神经网络模型,不需要建立环境地图,只需要50 MB左右的存储空间,5 ms的时间便可以实现定位。所提出算法提高了机器人室内定位的速度和精度,减少机器人端的存储要求和计算量。     

自由端受水平冲击后悬链的运动分析

悬链在自由端受到冲击后的瞬态响应,不仅是一个有趣的数学问题,同时也具有一定的工程意义.在拉格朗日动力学微分方程的理论框架下,引入广义冲量并利用第二类拉格朗日方程对悬链在自由端受水平冲击力后的动力学响应进行了分析,得到了计算每节链段角速度的统一公式. 应用该公式能够方便地求解不同初始条件下具有较多链段数目的悬链在冲击作用下的瞬态响应问题.     

基于自适应步长约束的行人导航系统误差修正算法

基于惯性传感器的行人导航系统定位精度随时间累积下降,根据捷联惯导理论和人体运动学特征,提出基于自适应步长约束的行人导航误差修正算法。所提算法首先利用零速检测划分行人运动区间,其次根据加速度信息利用自适应步长估计模型计算各区间内步长,最后通过零速修正与步长约束模型修正导航误差。实验将WT901BC姿态仪固定于行人脚跟,并围绕闭环路径行走进行算法验证。实验结果表明,相比于零速修正,经过自适应步长约束算法修正后,行进240 m后起点、终点间距离误差平均值由2.50 m下降至0.18 m,导航闭环误差平均值由1.04%D下降至0.07%D,有效提高行人导航系统的定位精度。     

基于分布式协同导航的行人三维惯性SLAM方法

针对仅依赖惯性传感器数据进行零速修正的行人航位推算方法导致室内行人协同导航定位累计误差较大的问题,提出了一种三维环境下的分布式行人协同惯性SLAM方法。在行人间初始相对位姿未知的情况下,通过蓝牙检测相遇,使用基于奇异值分解的最小二乘方法求解行人间位姿的刚性变换;然后构建基于三维占用栅格的惯性SLAM地图,通过优化联合后验概率分布获得行人位姿与地图的最优估计,减小系统的累计误差;同时构建了一个分布式协同SLAM框架,使得每个行人的定位系统都能够独立运行。实验结果表明,所提出的算法能有效提升三维惯性行人协同导航系统的定位精度,在大约2000?m2、总长2000?m的多楼层双人协同实验中,算法的平均定位误差为1.22?m,与传统零速修正方法相比,定位精度提升80%以上。     

基于WiFi/PDR的室内行人组合定位算法

对当前室内行人定位算法进行了研究。针对WiFi定位稳定性差的问题,提出了一种改进的K最近邻(Improved K-Nearest Neighbor,IKNN)算法。针对行人航位推算(Pedestrian Dead Reckoning,PDR)算法中步长模型及航向估计不准确的问题,提出了一种实时更新的步长模型及基于室内环境特征的航向估计算法。在改进的WiFi定位算法与PDR算法的基础上,提出了一种基于自适应粒子滤波的室内行人WiFi与PDR组合定位算法,通过自适应因子自动调节观测量对粒子分布的影响。通过智能手机在实际室内环境中对定位方法进行了测试,实验结果表明:组合定位系统定位精度为0.66 m,高于普通的粒子滤波算法,是一种准确高效的室内行人定位算法。     

计及短周期误差的直齿轮副近周期运动及其辨识

齿轮副中的齿距偏差等短周期误差使系统出现复杂的周期运动, 影响齿轮传动的平稳性. 将该类复杂周期运动定义为近周期运动, 采用多时间尺度Poincaré映射截面对其进行辨识. 为研究齿轮副的近周期运动, 引入含齿距偏差的直齿轮副非线性动力学模型, 并计入齿侧间隙与时变重合度等参数. 采用变步长4阶Runge-Kutta法数值求解动力学方程, 由所提出的辨识方法分析不同参数影响下系统的近周期运动. 根据改进胞映射法计算系统的吸引域, 结合多初值分岔图、吸引域图与分岔树状图等研究了系统随扭矩与啮合频率变化的多稳态近周期运动. 研究结果表明, 齿轮副中的短周期误差导致系统的周期运动变复杂, 在微观时间尺度内, 系统的Poincaré映射点数呈现为点簇形式, 系统的点簇数与实际运动周期数为宏观时间尺度的Poincaré映射点数. 短周期误差导致系统在微观时间尺度内的吸引子数量增多, 使系统运动转迁过程变复杂. 合理的参数范围及初值范围可提高齿轮传动的平稳性. 该辨识与分析方法可为非线性系统中的近周期运动研究奠定理论基础.      

基于AHDE和手机陀螺仪的行人航向修正方法

基于手机陀螺仪的航向推算误差是影响行人航位推算定位的重要误差源之一.为了修正陀螺仪引起的航向漂移、抖动等误差,借助高级启发式漂移消除法(AHDE)在航向修正上的特点,将基于足绑式IMU的AHDE算法改进并应用于智能手机的行人航向推算中.首先利用互补滤波算法初步估算航向,通过时域内航向及其变化幅度判断行人是否直行或者沿主...     

基于运动平滑性与RANSAC优化的图像特征匹配算法

针对视觉导航中现有的特征匹配算法召回率低、耗时长的问题,提出一种基于运动平滑性与RANSAC算法结合的图像特征匹配算法。首先将图像网格化,通过运动平滑性约束处理,找出误匹配率低的图像网格区域;然后,利用RANSAC算法计算出图像间近似的单应矩阵;最后,利用单应矩阵对初次匹配结果进行筛选,得到优化后的匹配结果。实验结果表明:所提出的算法在不同类型的图像匹配中,召回率平均提升了7.5%,F值平均提升了5.4%;相比较于传统RANSAC算法,运算时间平均减少了27.8%,适用于一些对实时性要求较高的场景。     

基于通用炸药状态方程分析飞板运动规律的特征线法

从小扰动波(马赫波)的物理概念出发,导出了不依赖流体状态方程表达形式的平面二维超声速定常流的特征线方程;重新定义了以流体密度为单自变量的Prantl-Meyer函数,形成了求解平面二维超声速定常流的封闭方程组。还利用这种通用物态方程的特征线差分解法,针对滑移爆轰驱动飞板运动问题构建了爆轰产物流场内部和飞板边界特征线差分法格式。对TNT炸药和乳化炸药采用JWL状态方程和多方方程进行了对比计算。结果表明,炸药爆轰对飞板的驱动能力与状态方程表示的炸药的做功能力是一致的。     

基于动态神经网络非线性结构辨识的研究

利用Ｅｌｍａｎ动态递归神经网络,对非线性结构进行黑箱辨识,建立了它的非线性状态方程;提出了加快网络收敛速度的自适应学习算法。辨识结果表明,动态递归网络模型优于传统辨识模型,适于非线性、不确定结构的辨识。     

基于卡尔曼滤波的再入飞行器气动参数辨识

再入飞行器的制导系统易受气动参数扰动的影响,为此研究气动参数在线辨识方法可以为再入制导系统提供服务,有效提高制导的精度。以卡尔曼滤波理论作为基础,推导了再入飞行器气动参数辨识的数学模型。为增强卡尔曼滤波方法对气动参数的辨识效果,气动参数误差模型采用一阶高斯马尔科夫过程描述,并增广到状态方程组中,根据获得的带有测量误差的惯导信息,对气动参数进行估计。最后,进行了数学仿真研究。仿真结果表明,该方法都能够在10个采样周期内收敛,且估计精度在1%以内。