基于卡尔曼滤波算法的智能铅鱼测深系统研究

为了改善目前水文缆道测量中依靠压力传感器测量入水深度在复杂水文环境下精度不高等缺点,采用基于AR误差模型的卡尔曼滤波、卡尔曼数据融合等方法优化姿态传感器采集到的姿态角数据;采用卡尔曼滤波、涌浪滤波以及伯努利方程减小测深用压力传感器测量时产生的误差。实验结果表明,采用卡尔曼滤波算法和涌浪滤波算法能够有效减少水深压力传感器产生的系统误差,同时提高测深系统的整体精度。     

物联网数据融合方法研究

目标跟踪是物联网数据融合技术的一个关键技术,相互作用多模型——概率数据关联算法(IMMPDAF)适用于电磁波较为复杂的环境中目标的跟踪问题,是一种良好的算法,但对于多传感器多目标跟踪的情况,特别是目标较为密集时,计算量剧增,会出现计算组合爆炸现象。因此,有必要对算法进行改进和完善,即基于混合状态估计预测状态估计和量测,以量测的预测值为中心建立跟踪门,在每一个滤波器中用量测值进行估计,更新模型概率,最后以模型为条件进行组合优化。经算例验证表明,该方法克服了IMMPDAF算法在跟踪问题中的缺陷,提高了关联概率和跟踪精度,能有效解决杂波干扰和目标高度机动情况下的物联网中的目标跟踪问题。     

基于PSO-SVM的电动车铅酸蓄电池SOC预测

为了提高电动车铅酸蓄电池的电池荷电状态(SOC)预测精度,将粒子优化算法(PSO)引入到支持向量机(SVM)中,建立了PSO-SVM电动车铅酸蓄电池SOC预测模型,模型输入量为电池的电压和电流,输出量为SOC。采用PSO算法对SVM的惩罚因子C和径向基函数宽度σ寻优,降低了SVM参数取值的盲目性,提高了预测精度。设计了铅酸蓄电池数据智能采集系统,并进行了实际运行车辆电池数据采集。在advisor2002软件中获取的电池数据和实际车辆电池运行数据的基础上,进行了模型训练和预测。结果表明,PSO-SVM预测模型相对传统的BP、RBF和SVM预测模型具有更好的精度和推广能力,满足了"SOC估算精度小于5%"的要求,从而表明该模型是有效的、可行的,并具有较好的工程实用价值。     

基于FDC2214单通道阈值分析的手势识别系统

设计了基于电容式传感器FDC2214的手势识别系统,经过有限次学习和阈值分析优化,识别正确率可以达到94.56%。首先设计所需的硬件电路,采用单极板单通道法和频率测量法提高测量的精度。然后在学习模式中,通过对采集的不同手势的电容值进行阈值标定,记录训练数据。在识别模式中,调用训练模型对采集的识别者手势进行分类识别。最后采用大量样本检测学习效果,证明系统具有较好的识别效果。     

基于多传感器的目标轨迹融合算法

动态目标监测在军事、航空等领域起着重要的作用,但由于实际情况相当复杂,使单传感器难以捕捉和跟踪检测目标。采用多传感器数据融合技术对运动目标进行监测,该技术采用优化的最邻近数据关联算法判断各离散点是否来自于同一个目标,实现了目标轨迹提取;然后采用样条插值法把离散的观测轨迹连续化,并对各监测点的轨迹进行了时间配准,最后采用修正系数模型来消除监测系统的偏差。实验表明,采用该算法在识别精度及稳定性上具有明显的优势。     

基于模拟退火算法的油井工况数据挖掘的应用研究

主要研究如何对传感器采集上来的异常数据（缺失、冗余等）进行预处理,为后期数据挖掘提供可靠的数据支持.采用模拟退火算法,提高优化的时间性能,避免出现“早熟”的收敛现象,使算法的优化性能得以提高.本文针对油田工况数据挖掘的算法模型可以方便地移植到其它领域,随之带来的经济和社会效益都是很可观的.     

基于贝叶斯滤波方法的心脏运动信号实时滤波算法

提出一种基于贝叶斯滤波递推状态估计的心脏运动测量信号实时滤波算法,提高心脏数据的测量精度,该方法建立了心脏运动模型与传感器误差模型,采用了扩展卡尔曼滤波与粒子滤波两种贝叶斯滤波方法的实现形式。实验结果表明,提出的算法有效地还原了心脏运动的真实值,并且满足了跟踪系统实时数据处理的要求,为整个系统精度的提高提供了保证。     

基于数据融合和PSO的移动目标跟踪方法

针对移动目标跟踪的传感器能量损耗的弊端,提出了以数据融合和粒子群算法(PSO)相结合的移动目标跟踪方法。首先,通过建立不确定传感器感知模型,动态选择传感器父节点,结合PSO对以父节点为中心的一定范围内的所有传感器节点进行局部优化部署;其次,通过D-S证据理论进行数据融合;最后,通过MATLAB平台进行仿真验证。结果表明：在保证有效跟踪的前提下,该方法能最大程度地减少传感器的使用数量以及传感器节点的移动距离,实现减少能量损耗的目的,可为破解传感器的能量损耗难题提供新思路。     

基于数值算法的车辆动力学模型及数值求解方法精度的对比研究(英文)

目的:通过采用不同数值方法求解不同的车辆动力学模型,为车辆动力学模型研究提供参考;结合正交试验和多目标优化算法来分析各个参数对车辆性能的影响权重,采用多目标优化算法进行车辆动力学多目标优化分析,为车辆的设计提供参考依据。创新点:研究不同数值方法的求解精度,为车辆动力学求解方法提供新途径;采用正交试验设计研究车辆各参数的影响权重,为车辆设计提供参考;采用多目标优化算法设计车辆,能兼顾车辆多个方面的性能。方法:采用不同动力学求解算法、正交试验设计和多目标优化分析方法。结论:1.基于不同数值求解算法的研究表明,Hamming法要优于Newmark法和有限差分法,四阶Hamming法的精度不如龙格库塔法;2.正交试验可得到各参数对车辆动力学的影响权重,但忽略了参数间的交互效应;3.经过多目标优化设计,衡量车辆振动性能的两个指标分别减少了7.22%和6.82%。     

基于车路协同的网联车辆交叉路口环境感知方法

为提升交叉路口车辆环境感知能力,将V2I(vehicle-to-infrastructures)通信技术应用于车路协同的网联车辆交叉路口环境感知,采用正态分布变换点云配准算法获取车辆位置,构建路边多传感器系统,检测获取全局地图信息,并将其发送回车辆,进行交叉路口的路径规划。仿真实验结果表明,该方法在检测精度上优于PointPillar算法和VoxelRCNN算法,可提高交叉路口车辆环境感知能力和感知范围,交通效率提升效果达到预期。     

基于Android端的惯性导航算法研究

为了在GPS定位系统无法定位的地方（如室内、地下通道、地铁站等处）进行定位跟踪,提出了一种基于Android智能手机的惯性导航算法,通过对安卓手机传感器数据的采集,实现行人轨迹跟踪,并实时显示在手机屏幕上。在传统惯性导航算法基础上,该算法利用人行走过程中的周期性运动特点,对传感器数据进行修正,精确度比传统惯性导航算法平均提高5%。该算法不受时间、地域限制,用户只需保持手机的正确姿态,正常行走即可获得较为精准的数据,满足了脱离GPS还能实现室内导航的需求。     

基于PCA和GA融合算法的湿度传感器校准实验研究

针对湿度传感器因湿滞或温度漂移等因素引起的非线性问题,提出一种基于主成分分析(PCA)和遗传算法(GA)融合优化神经网络(BP)传感器校准改进措施。以HR202电阻型湿度传感器为例,分别在5个温度和10种饱和盐溶液标准湿度环境下进行测试,对采集的数据首先利用PCA算法"降维",通过提取温度和湿滞补偿的主要信息,在原信息损失较小的前提下,将BP传感器校准多维问题简化,然后采用GA-BP对样本进行训练。经实验测试和Matlab平台仿真研究结果表明,基于PCA和GA融合算法处理的神经网络对湿度传感器定标校准数据相比该产品示值校准精度从±5%RH提高到±3%RH,训练速度相比传统BP方法提高3~5倍。该方法在湿度传感器校准测量精度提高方面有参考价值。     

基于电阻层析成像技术的弹状流实验研究

在气液两相流研究中,相分布、相速度等流场特征信息对深入了解流动机理、提高模型计算精度有重要意义,但由于气液流动的复杂性与随机性,使得它们的准确测量较为困难。该研究基于快速电阻层析成像技术,首先对垂直向上气液管流中弹状流流型下多种工况的流动结构进行图像数据采集与重建;然后通过互相关算法得到轴向速度场分布,并与漂移流模型进行对比;再对按时序排列的横截面图像序列进行调整得到正确比例的空间三维图像;最后获得段塞长度、频率等特征信息。结果表明,快速电阻层析成像技术可以测得速度场分布、段塞长度、频率等特征信息,可用于优化与这些参数相关的理论模型和经验关系式,有助于提高气液两相流的模型计算精度。     

传感器在物理实验教学中的应用

将传感器与计算机及接口电路结合 ,应用于物理实验中 ,可实现对数据的在线实时采集、处理、成像 ,提高测量精度 ,优化实验过程     

基于视频图像法的两跨连续梁振动研究

针对两跨连续梁实验模型,通过采集连续梁振动视频,再将视频转化为数字图像的方法,运用多项式拟合法作为视频图像边缘检测技术中亚像素精度图像边缘识别的算法,对每幅图像进行亚像素边缘识别检测,获取各时刻梁边缘各点位置,经Matlab程序读取整个振动过程梁边缘数据,即可得到梁边缘各点的振动时间历程,进而通过DASP系统对测得数据进行模态分析,得到连续梁前二阶频率和振型。对比采用传统加速度传感器识别连续梁振动信号分析结果表明,两者模态参数识别结果具有一致性,基于视频图像边缘检测技术的连续梁振动测试是可行的。     

基于树形尺度估计的车辆跟踪

为解决智能视频监控系统车辆跟踪过程中尺度伸缩变化造成的跟踪器模型漂移的问题,在SiamFC(基于全连接层的孪生网络目标跟踪算法)的基础上,提出一种基于树形尺度池的车辆跟踪算法.通过判断当前图片与模板图片中目标的大小,为其分配尺度因子,再通过尺度因子之间的响应大小确定当前目标的最佳尺度.此外,为保证模板图片能够适应车辆外观的不断变化,在确定尺度的条件下对模型进行自适应更新,提高跟踪算法整体的精确度和成功率.实验表明,该算法可以有效解决车辆跟踪中尺度变化导致的车辆漂移情况,且相对于其他孪生算法有更好的跟踪性能.     

基于IMMUKF的目标定位跟踪算法研究

目标定位跟踪的关键在于得到精确的定位数据,而要获取精确的定位数据取决于高效的滤波算法。无迹卡尔曼滤波由于具有定位精度高、算法复杂度低等特点,被广泛应用于非线性系统中。针对无迹卡尔曼滤波在目标运动状态突变时容易出现跟踪精度下降、目标丢失等问题,对传统无迹卡尔曼滤波算法进行优化和改进,通过将无迹卡尔曼滤波与IMM卡尔曼滤波算法相结合,利用IMM算法的鲁棒性有效提高了无迹卡尔曼滤波在目标机动运动时的跟踪精度,避免了目标丢失。实验仿真结果表明,IMMUKF算法具有很好的稳定性,可实现复杂的目标跟踪。     

基于贝叶斯优化LightGBM的车辆碰撞检测模型

针对车辆碰撞检测中的数据缺失和特征数量少等问题,提出了一种经贝叶斯优化的LightGBM算法模型对车辆碰撞状态进行检测。首先,对原始特征进行特征工程预处理;然后使用经贝叶斯优化的LightGBM算法对数据进行训练和测试;最后将LightGBM与LR、SVM、RF及XGboost模型进行对比。模型仿真结果显示,LightGBM算法模型表现最优,精确度、召回率与F1-Score分别为0.93、0.94和0.93。     

基于智能算法优化卡尔曼滤波器的电机转速估计

针对感应电机扩展卡尔曼滤波器转速估计中难以取得卡尔曼滤波器系统噪声矩阵和测量噪声矩阵最优值的问题,提出了一种基于改进粒子群算法优化的扩展卡尔曼滤波器转速估计方法。算法通过融合遗传算法和粒子群算法的优点,采用可调整的算法模型对粒子群算法进行改进,将改进的粒子群算法对扩展卡尔曼滤波器中的系统噪声矩阵和测量噪声矩阵进行优化处理,将优化后的卡尔曼滤波器应用于感应电机转速估计,仿真实验表明,与试探法、标准粒子群算法及遗传算法比较,改进粒子群算法优化的扩展卡尔曼滤波器能够有效提高转速估计的精度,从而提高无速度传感器矢量控制系统的控制性能。     

基于帧间差分与时空上下文的自动检测跟踪算法

为了改善时空上下文（STC）跟踪算法不能自动检测跟踪目标的缺点,提出一种帧间差分与STC相结合的自动检测跟踪算法。该算法将帧间差分法检测到的含有前景目标轮廓及位置的矩形框传送给STC跟踪器,可达到自动检测与跟踪目标的目的,并且提高了跟踪精确度,降低了手动选定目标框的繁琐程度。通过实验对改进前后的STC算法进行分析比较,结果表明,改进后的算法具有更高的跟踪精度,可实现对目标的稳定跟踪。