基于PE-ANGO的MIMU现场标定方法

针对当前微惯性测量单元(MIMU)的现场标定方法存在标定步骤复杂、不利于非专业人员操作等问题,提出了一种基于先验知识增强的自适应北苍鹰优化(PE-ANGO)算法的MIMU现场标定方法。首先分析了MIMU涉及的误差并建立了加速度计和陀螺仪的目标函数,然后使用PE-ANGO算法求解目标函数并得到最优参数。为了使得标定工作易于现场操作,引入了一种用于传感器数据采集的手持MIMU来验证所提算法。仿真结果表明:PE-ANGO算法的标定精度相较于北苍鹰优化算法提高了一个数量级。实测实验表明:标定前后对俯仰角和横滚角累积误差的抑制效果分别提高了约89%和87%;与传统标定方法相比,对俯仰角和横滚角累积误差的抑制效果分别提高了71%和68%,验证了所提方法的有效性。

基于INGO-VMD-改进小波阈值算法的TDLAS二次谐波信号去噪研究

针对可调谐半导体激光吸收光谱(TDLAS)技术中气体浓度检测信号———二次谐波信号夹杂噪声导致反演精度下降的问题,提出基于改进的北苍鹰优化算法(INGO)、变分模态分解(VMD)和改进小波阈值法联合的去噪算法,利用包络熵值最小为目标函数的INGO算法寻找VMD中重要参数———模态个数k和惩罚因子α,以分解后的各固有模态分量(IMF)能量密度与平均周期乘积为一常量的特点筛选出有效信号IMF分量,联合小波改进阈值法对有效信号进行降噪并组合得到去噪后信号。仿真实验对比分析表明INGO-VMD-改进小波阈值法能有效滤除噪声信号,降低幅值误差,提高反演精度,降噪效果较优,降噪后波形相似系数为99.86%,信噪比达到25.2305 dB,均方根误差达到0.01523%,较含噪信号,峰值误差下降0.157。