简介:陀螺的噪声是影响组合导航系统精度的重要因素之一。以农机多传感器组合导航系统为研究背景,在分析经验模态分解去噪和小波去噪的基础上,提出了一种基于自相关特性的经验模态分解去噪方法。该方法根据本证模态函数分量的自相关函数特性,提出了一种含噪本证模态函数筛选策略。该方法能够自适应地确定主要含噪的本证模态函数分量,避免了需要人为确定的不足;同时,结合改进小波阈值去噪的优势,避免了将混叠在噪声中的有效信号完全消除,使其具有一定的自适应性。为了验证方法的有效性,利用农机组合导航系统中微机械陀螺的实际输出数据,分别采用改进阈值小波去噪方法、经验模态分解去噪和改进的经验模态分解去噪方法进行了对比试验。结果表明,改进经验模态分解去噪方法的效果要优于前者,在一定程度上能够改善农机多传感器组合导航系统的定位精度。
简介:移动机器人的目标检测要求其对特定的静止或运动物体进行运动分析及检测。以Voyager-III移动机器人系统为研究对象,实现非理想光照下,对橘红色目标足球的运动检测。提出在传统三帧差分法基础上,先利用Markowitz投资组合模型进行足球目标的特征提取,将场地非感兴趣的目标中,出现全部像素值发生变化的目标去除,再进行图像帧间差分。利用CCD摄像机对比赛环境中足球的运动轨迹进行录制,选取具有代表性的各帧视频图像、Markowitz算法优化后的差分图像和跟踪图像,结果表明跟踪图像不含非目标物的干扰,克服了差分图像存在空洞的问题,为移动机器人提供了一种实用的运动目标检测方法。
简介:通过分析显式有限差分格式的数值色散和数值耗散,导出一个适于有限差分格式的通用色散一耗散条件.根据群速度和耗散率之间的物理关系,确定了用以抑制数值解中伪高波数波所需要的适度耗散.在以往发展的低耗散加权基本无振荡格式WENO—CU6-M2上的应用表明,该条件可用作优化线性或非线性有限差分格式的色散和耗散的通用指导准则.此外,满足色散-耗散条件的改进WENO—CU6-M2格式还可选作低分辨率数值模拟,以三维Taylor-Green涡向湍流转捩和自相似能量衰减问题展现了它的这种能力.与经典的动态Smagorinsky亚网格尺度模型相比,在Heynolds数胁:400~3000条件下,无黏和黏性Twlor—Green涡的数值模拟结果均得到明显改善.在保持激波捕捉特性同时,与最新的隐式大涡模拟模型的计算效果相当.
简介:为了提高标准Cubature卡尔曼滤波(CKF)的稳定性和鲁棒性,提出一种改进的多重渐消H∞滤波cubamre卡尔曼滤波算法。首先基于系统状态的可观测性给出多重渐消因子矩阵求解过程,提高滤波算法的稳定性,抑制滤波发散;其次,引入H∞鲁棒思想,构造多重渐消H∞滤波Cubature卡尔曼滤波器;最后,提出采用一种奇异值分解的矩阵分解策略代替标准Cubature卡尔曼滤波中的Cholesky分解,进一步提高算法的数值稳定性。实际GPS/INS组合导航实验表明,改进的多重渐消H∞滤波Cubature卡尔曼滤波算法不仅能有效抑制滤波发散提高算法的稳定性,而且对观测野值具有更高的鲁棒性;提出的新算法与标准CKF算法相比,XYZ三个方向的位置精度分别提高了55.8%,46.6%和39.7%。
简介:提出了一种高性能氮化铝(AlN)差分谐振式加速度计结构。通过引入两级微杠杆来放大质量块的惯性力,提高灵敏度;采用"I"形支撑梁来降低横向灵敏度;利用差频检测方案降低温度共模误差的影响。该加速度计主要由质量块、支撑梁、双级微杠杆和谐振器组成,并通过理论分析和有限元仿真优化了它们的结构参数。模态分析表明两个谐振器的基频大约为373.3kHz,与干扰模态的频率差大约为9.4kHz,有效地实现了模态隔离。根据灵敏度的仿真结果,AlN差分谐振式加速度计的灵敏度64.6Hz/g,线性度为0.787%,横向灵敏度为0.0033Hz/g。热仿真的结果表明单个谐振器的温度灵敏度约为490Hz/℃,加速度计输出差频的温度灵敏度为–0.83Hz/℃,证明了差频检测方案可以降低温度共模误差的影响。上述所有仿真结果验证了该加速度计结构设计的可行性。
简介:多路径误差是北斗导航定位系统高精度动态监测的主要误差源。针对北斗导航定位系统多路径误差的特性,结合广义特征值盲源分离方法的优势,提出一种基于参考信号的广义特征值盲源分离算法来削弱多路径效应的影响。首先将前一天的原始坐标残差序列通过奇异谱分析方法进行去噪,其结果作为初始参考信号;然后将当天的原始坐标残差序列进行经验模式分解方法分解,分解得到的IMF分量作为虚拟观测数据,利用广义特征值盲源分离算法获取当天多路径误差信号;最后,利用仿真数据和连续10天的实际观测数据进行试验分析,结果表明利用该方法建立的多路径误差改正模型能有效地了削弱多路径的影响,北、东、天三个方向精度分别提高了78.8%、35.3%、90.1%。提出的模型在一定程度上解决了固定多路径模型随着时间推移重复性减小且有效性降低的问题。