惯性推算误差抑制的神经网络自学习模型设计与验证

惯性推算误差抑制是提升复杂场景下组合导航定位性能的关键,现有采用运动约束或系统误差高阶建模的方法从运动学模型及传感器误差模型出发,通过经验确定参数及模型的最优解。深度学习隐式模型能够挖掘数据之间的隐含关系,进行自主化参数寻优,并在提升惯导误差建模精度方面具有一定优势。总结了现有主流网络模型设计的优缺点,通过对比不同的输入输出方案进行优选,最终利用卷积神经网络构建了一套惯性误差抑制的轻量化神经网络自学习模型,并利用实测车载数据验证了该模型的有效性。实验结果表明,在GNSS信号失锁300 s的路段I和失锁285 s的路段II,网络模型速度约束的算法相较于纯惯性推算和传统NHC算法均有一定提升,融合NHC及网络模型速度约束的算法在水平定位精度上分别改善了41.7%~47.4%和26.7%~36.6%,一定程度上抑制了惯性推算误差。     

无人车基于激光雷达/视觉的目标体积自动测量方法

近些年,基于激光雷达和视觉的目标感知在无人系统中得到了广泛应用。目标的体积测量在很多应用场景可以发挥极其重要的作用,然而对识别感知目标的体积测量,目前尚无大量研究。首次提出了一种基于激光雷达/视觉的无人车目标体积自动测量方法,实现了无人车与目标体积测量功能的结合。通过在LeGO-LOAM算法中加入点云畸变补偿,相较于原始LeGO-LOAM算法,无人车在高速情况下的构图精度得到提升;通过将激光雷达与视觉进行深度融合,实现了目标的自动识别与全局定位;通过基于平面拟合的地面分割与欧式聚类,实现了目标点云轮廓的实时获取;通过设计一种基于切片法的不规则物体体积测量方法,实现了无人车在运动情况下对目标体积的自动估计。最终,分别通过Gazebo仿真和实际试验验证了算法的有效性。试验结果表明,所提算法在无人车运动的情况下对静态目标物的实时体积测量精度优于3%,具有较好的工程应用价值。     

基于区块链+北斗的铁路装备可信数字身份服务方法

智能铁路装备是一个典型的分布式物联系统,具有大量复杂的数据交互共享的需求与场景,装备及其产生的数据信令在系统中的数字身份标识是其重要安全基础。应用基于区块链去中心化的分布式数字身份标识技术,结合北斗时空信息,设计了铁路装备身份标识(railway decentralized identifier, RDID)可信数字身份服务,包括服务架构、生成流程、流转流程和验证流程,并进行了应用模型实现与效能分析。服务可以有效提升装备及其产生的数据信令的规范安全性,保证标识身份全局唯一,可追溯认证,从而提高智能装备系统通信过程数据的完整性与可靠性。     

探讨培养高职学生语文职业能力的途径

从弱化传统语文重视知识传授的做法、注重语文教学与专业学习的结合及加强语文能力的实践训练等方面,探讨培养高职学生语文职业能力的途径。     

无线指令系统中串口通信的实现

介绍了无线指令系统的工作原理,以及串口通信在该系统中的重要地位.分析了Windows32环境下的串口通信的实现机制和几种实现方法及其编程思路,并以Visual C 6 .0为开发平台,通过调用Win32 API编写了计算机的异步串口通信程序,用汇编语言编写了单片机的通信程序.最后结合无线指令系统实例,实现了PC机串口与单片机之间的数据通信,通信效果良好.     

基于自定义组件的故障诊断过程显示

针对导弹控制系统结构复杂,信号线繁多,难以在故障诊断软件设计中实现诊断过程图形化实时显示的问题,提出了一种基于自定义组件开发故障诊断软件的方法.根据导弹控制系统的故障诊断流程及实时显示需要,对其结构进行了分析,抽象出了主要组成元素--信号通道和部件,由此提出了需要定义的相应组件.用Borland C Builder6.0开发环境进行了应用实践,证明使用这种方法可快速开发出能图形化实时显示故障诊断过程的导弹控制系统故障诊断软件,开发出的软件还具有运行稳定、修改升级方便等优点.     

旋流雾化喷嘴雾化特性的数值模拟

为了掌握旋流雾化喷嘴的雾化特性,基于CFD软件建立了该喷嘴的几何模型进行数值模拟,在验证了网格无关性和数值模拟结果可靠性之后,通过VOF和Realizable k-ε模型对不同压差工作条件下和不同结构的喷嘴分别进行数值模拟。结果表明:旋流雾化喷嘴的雾化流量、雾化锥角和流量系数会随着进、出口压差的增大而增大;喷嘴的旋流强度会随着喷嘴进、出口压差的增大而减小;当喷嘴的出口直径和出口长度增大时,喷嘴的各项雾化参数与理论值更接近,相应的雾化效果变好。     

带轴对称台阶的圆锥高超声速边界层转捩试验

在Ma 6风洞内,通过高频脉动压力测试技术和基于纳米粒子示踪的平面激光散射(NPLS)技术,分别对带前向、后向轴对称台阶的圆锥高超声速边界层转捩进行了试验研究。采用功率谱密度分析和互相关计算等方法对脉动压力数据进行分析,得到了边界层中扰动波的发展规律,定量分析了第二模态波的相关参数。结果显示：两种模型中第二模态波在沿流向向下游发展的过程中,其幅值均先增大再衰减、特征频率均逐渐减小;特征频率和传播速度整体上均随雷诺数的增大而增加(后台阶模型中特征频率由100 kHz增至196 kHz,前台阶中则由 97 kHz 增至174 kHz)、波长变化规律则与之相反(后台阶中由6.35 mm降至4.54 mm,前台阶由7.35 mm降至 4.66 mm );后台阶模型中第二模态波初次出现位置比前台阶中更靠近上游,边界层转捩位置较前台阶前移。将NPLS结果与高频脉动压力测试结果进行对比,两者吻合较好。     

基于磁力计、IMU和单目视觉的自主定位方法

基于单目视觉与惯性测量单元(IMU)融合的SLAM(simultaneous localization and mapping)技术,具有硬件成本低、体积小和消耗计算资源少等优点,在移动机器人导航系统中得到了广泛的应用。单目视觉SLAM系统主要通过求解对极几何来解算位姿,但当平移为零时(仅存在姿态旋转运动),存在解算漂移的问题。通过将磁力计的数据融合到单目视觉SLAM算法中,不但可以解决纯旋转情况下姿态解算漂移问题,还可以提高解算精度。物理仿真实验的结果表明,与传统的SLAM算法相比,本文提出的基于磁力计、IMU和单目视觉融合的算法具有精度高、鲁棒性好的优点。     

基于CMPSO算法的永磁同步电机转动惯量识别研究

永磁同步电机(PMSM)是一种具有很强非线性的动态系统,在工业驱动应用中发挥着重要作用。实时辨识转动惯量对于高精度PMSM系统控制和稳定性状态监测具有重要意义,但传统转动惯量识别方法精度较低。在传统离散模型参考自适应理论基础之上,用柯西变异粒子群优化(CMPSO)算法代替待辨识参数自适律设计环节,以实现PMSM转动惯量识别。该转动惯量辨识方法充分利用了CMPSO算法的快速高效收敛性,仿真结果和试验结果表明了可行性、正确性和准确性。