基于MIMU的输电杆塔螺栓状态识别

为识别输电杆塔螺栓是否松动,提出基于微惯性测量组合(micro inertial measurement unit,MIMU)的输电杆塔螺栓状态识别的方法。首先,利用MIMU采集杆塔螺栓的三轴加速度和三轴角速度振动数据,使用五点三次平滑法对振动数据降噪处理;其次,提取降噪后振动数据的方差、峰-峰值、峭度、频率方差、重心频率和能量特征,利用熵权法计算特征权重,构建特征权重分布;最后,将特征权重分布与KL(Kullback Leibler)散度结合对杆塔螺栓状态识别。模拟试验和现场试验表明,当输电杆塔螺栓松动时,方差的权重减小,能量的权重增大,不同状态杆塔螺栓的特征权重分布不同,将特征权重分布与KL散度结合可以识别杆塔螺栓状态。

一种Adaboost优化的MIMUs/GPS信息融合算法

为确保GPS失锁期间MIMUs/GPS组合系统的导航精度,引入Adaboost优化的BP网络辅助常规Kalman滤波器实现滤波解算。当出现GPS失锁等信号不可用的情况,利用训练好的网络对同一时刻MIMUs,GPS分别解算的速度、位置信息的差值进行预测,并将结果送入Kalman滤波观测器,通过改进系统层面上的导航策略,修正MIMUs单机工作下逐渐积累的导航参数误差。仿真结果表明,在组合系统模拟GPS失锁的50 s内,Adaboost优化的BP网络能够及时辅助滤波器进行信息处理,补偿失锁期间的丢失信息,相较采用单一的BP,RBF网络算法,获得了更为理想的导航参数预测稳定性和预测精度。

基于MIMU测量系统的两步校准法

三轴加速度计是微惯性测试单元(MIMU)测量组合的重要组成器件,其测量准确度直接影响系统姿态解算的准确度。因此需要对三轴加速度计的零偏误差、标度因素误差、各轴之间的不正交误差以及传感器与测试单元的安装误差进行分析和补偿。提出了一种两步校准法,即首先利用椭球假设的MIMU现场快速标定方法分析微惯性测量组合的误差模型,得到加速度计的零偏、标度因素和不正交角;之后利用四位置法校准出加速度计的安装误差。该方法实际操作简单,不需要高精度辅助设备。测试平台实验表明:该方法能够有效提高三分量测量数据的准确性,可应用于MIMU姿态测量系统中加速度计的校准。

低成本微惯性器件标定与温度补偿方法研究

针对小体积、低成本、低精度的微惯导单元MIMU,提出了一个有效的标定方法,可以有效的去除微机电传感器的各种误差。在传统的标定方法基础上,结合智能控制方法对MIMU中确定性、随机误差源进行补偿。此外,基于FPGA/DSP嵌入式处理器技术,开发了相关原理样机,完成了静态,动态标定与温度补偿试验,确定IMU总零偏漂移,非正交误差,标度因数等误差源,相关试验数据验证了所提方法的有效性。

多个相异性矩阵的数据分析(英文)

本文给出了分析多个相异性矩阵的三种方法.首先找到了一种图表示,使我们对所有相异性矩阵有一个总体的了解;其次定义了一个新的相异性矩阵,它可以看作是对所有原始相异性矩阵的一个折衷处理;最后提出了一种MIMU方法.在文中我们还对由上述方法得到的坐标图进行了比较.

MEMS加速度计组合在分度头上的标定方法

提出了一种在分度头上标定MEMS加速度计组合的测试方法,该方法可以标定出加速度计组合的刻度系数误差、加速度计零偏、三轴不正交度误差、安装误差角,同时可以分离出分度头转位机构角位置误差。首先通过建立一系列坐标系,推导了重力加速度在加速度计敏感轴的分量表达式。然后采用谐波分析法给出了误差标定方程,利用最小二乘法和Kalman滤波器进行误差参数的估计,并对估计结果进行了对比分析。最后通过三次独立实验标定结果的重复性和残差验证了该方法的正确性。

一种优化的零速检测行人导航算法

针对军事上对单兵定位和民用领域为行人提供位置服务的需求,提出了足部固定MIMU的行人导航算法。利用人体行走过程中脚部与地面相接触的静止时间段,采用零速更新(Zero Velocity Update,ZVU)对INS继续对准或标定,而零速检测又是实现零速修正的基础。研究对比了在足部固定MIMU进行零速检测的常用方法,针对常用算法阈值自适应性差,无法检测步速变化转弯等一些异常情况对行人零速检测产生误判等问题,提出优化的零速判断算法,使得加速度计信号和陀螺仪信号综合应用到零速检测。最后,利用改进算法设计行人室内平地正常行走(大约5km/h)包含步速变化和转弯过程的实验。实验结果表明,优化的零速检测算法相比之前的常用算法,能更准确地检测零速并进行修正,对导航轨迹和导航误差有更好的修正效果。