数字滤波法在柔性伺服平衡吊中的应用与研究

针对柔性伺服平衡吊在工厂等较为复杂工作环境下的外部干扰以及自身独特的控制方式影响下容易失控的现象,该文提出了在采集信号过程中对传输的信号进行数字滤波的方法。通过对设备接收到的外部信号检测与分析,主要包含柔性衔接部分引起的自身阻尼振荡干扰和部分环境干扰,对传送的数据先后进行中位值采样法、限幅滤波法和加权递推平均滤波法来处理,实现对干扰信号的过滤和有效信号的筛选。通过Matlab仿真和工厂试验,证明此处理方法对柔性伺服平衡吊的干扰信号有较好的滤波效果,可以实现设备对信号的有效筛选和对准确信号的接受,保证伺服平衡吊的正常工作。

基于DSP的电子天平称重单元设计

设计一种以DSP微处理器TMS320VC5502为信息处理核心的高精度电子天平称重单元。简述了电子天平的称重测量原理,给出了基于DSP的数据采集电路。采用加权递推平均滤波算法,保证测量的准确度和稳定性;建立了适合于称重数据变化判断的多级阈值判别方法,提高了电子天平的响应速度。实验表明:采用该方法的电子天平称重单元稳定性好、灵敏度高,满足了量程为210 g、精度为0.1 mg的电子天平设计要求,且最大允许误差不大于0.3mg。

一种改进永磁同步电机转动惯量辨识方法

永磁同步电机伺服系统的控制性能在实际工作过程中要受到电机参数的影响,其中转动惯量尤为重要,它在整定调节器参数和调节系统性能过程中起了重要作用。鉴于常规的模型参考自适应算法存在辨识精度不够高等问题,采用加权递推平均滤波方法与模型参考自适应算法相结合,对永磁同步电机转动惯量进行辨识,验证其可行性与有效性。仿真和实验结果表明,加入该方法后,与原来辨识结果相比,收敛速度快,辨识精度更高,且具有很好的实用性。

改进的永磁同步电机转动惯量辨识方法及其在PI自整定中的应用

对于伺服系统来说,转动惯量的辨识越来越重要。本文将带有变增益系数的模型参考自适应算法与加权递推平均滤波法相结合,得到改进的转动惯量识别方法。该方法既能提高辨识结果的收敛速度和精度,又能这减少噪声对辨识结果的影响。将辨识得到的转动惯量运用于PI自整定中,得到的电机速度波形超调小、误差低、动态性能好。

基于UWB和惯性导航技术的无人车融合定位方法

针对基于超宽带(UWB)的无人车定位波动大和定位误差大的问题,提出了一种加权递推平均滤波和卡尔曼滤波相结合的定位算法。首先,建立了一套UWB基站定位系统,用于采集无人车UWB定位数据信息;然后,利用加权递推平均滤波算法对UWB定位数据信息处理,提升定位结果的稳定性;最后,结合无人车惯性导航信息对加权递推平均滤波算法处理后的结果进行卡尔曼滤波融合,得到最终的定位结果。经过无人车静止和移动场景的多组定位测试,结果表明,静止场景下加权递推平均滤波算法处理后定位均方根误差平均降低了13.3%,稳定性得到了一定的提升;移动场景下,采用加权递推平均滤波和卡尔曼滤波融合算法处理后,直线运动和圆周运动时的定位均方根误差平均分别降低了41.6%和38.4%,定位的稳定性和准确度得到有效的提升。由此证明了所提出的方法的有效性,具有一定的推广使用价值。

基于UWB技术的无人车运动参数测定装置研发及应用

自动驾驶测试是自动驾驶产品定型及大规模市场化应用的必要前提。针对无人车测试过程中测试车辆的定位测速问题,基于UWB技术研发了一种无人车运动参数测定装置,主要包含UWB基站、车载定位装置、通信局域网、上位机软件等无人车运动参数测定装置,并从硬件层、通信层和功能层3个方面对本装置进行了详细描述。在算法方面,该装置采用TOA算法,并使用加权递推平均滤波算法对定位结果进行优化,得到了更优的定位和测速结果。研究发现,该装置能够在多领域、多场景开展安全评价测试工作,具有丰富的行业应用场景。

基于循环滤波的无线传感器网络室内定位

针对室内接收信号强度定位具有较大误差的情况,提出一种高效的循环加权递推平均滤波算法对测量信号进行滤波.对已测量数据使用最小二乘法进行拟合得到多项式模型,并使用极大似然估计进行定位.实验结果表明,所提出的循环加权递推平均滤波算法在计算量较小的情况下,能够有效提高测距精度,多项式拟合比对数距离路径损耗模型拟合定位精度更高.在室内环境下,提出的算法定位精度达到0.6m左右,接近节点物理性能所允许的最佳定位精度.