摘要:在无线光通信系统中,大气湍流会导致传输光束发生扩展、漂移和光强起伏,使得接收端信号质量严重下降,降低通信系统性能,因此,研究抑制大气湍流的方法是提升无线光通信系统性能的关键。大孔径接收技术、分集技术、部分相干光技术和自适应光学技术能够有效抑制大气湍流效应,是改善无线光通信系统性能的重要手段。详细阐述了各个关键技术抑制大气湍流的原理及其手段,这些关键技术可以通过改变传输或接收策略、调控光场结构、增大接收孔径、补偿波前畸变来改善接收信号的质量,提高通信系统的可靠性,同时分析了不同参数指标对系统性能的影响。讨论了相关抑制技术的国内外研究现状,并展示了相关技术在大气湍流的影响下对系统不同性能指标的改善情况。最后总结了当前无线光通信领域在大气湍流抑制方面所面临的挑战与亟待解决的问题,并对未来技术的发展趋势进行了展望,可为未来在该领域的发展提供参考借鉴。

摘要:电力变压器运行过程中故障数据远少于正常数据，数据不平衡问题较为严重，并且监测变量间耦合关系复杂，导致状态评估任务的建模难度大、评估精度低。针对相关问题，提出基于双输入残差图卷积网络的电力变压器健康状态评估方法。首先，采用SMOTE Tomek混合采样算法对训练数据进行不平衡数据预处理，解决了故障数据过少、训练数据严重不平衡的问题；然后，考虑到单一度量无法准确描述变量间相关性的问题，提出多度量融合构图方法，通过多个度量方法共同学习变量间的相关性，并构造图结构数据；最后，提出基于切比雪夫图卷积的双输入残差图卷积网络，对所构造的图结构数据进行特征提取，并通过自注意力机制进行特征融合，得到变压器的状态评估结果。在真实电力变压器运行的油中溶解气体及油化试验数据集上进行了对比实验，实验结果表明，所提出方法的状态评估准确率达到94.7%，F1分数达到0.942，高于其他深度学习方法，具有最佳的评估性能。

摘要:为提高组合导航系统的可靠性，提出了改进故障检测和信息融合方法的组合导航系统容错机制。设计了改进的序贯概率比检验法，引入了渐消因子提高对当前时刻残差信息的跟踪速度，结合马氏距离来判断故障的结束时间，并依据判断结果在恰当的时机完全重置判断信息；设计了一种基于联邦滤波的自适应归一化融合算法，构建故障检测统计量的归一化检测值，将此值作为量测噪声方差阵的权重系数，对相应的子滤波器进行加权量测更新，以此改变全局融合过程中的权重分配。车载实验的结果表明，改进的完全重置序贯概率比检验算法相较于传统的残差卡方检验法、渐消序贯概率比法和快速重置序贯概率比法，在软故障检测上的正检率分别提高了96.43%、25.00%和19.57%，采用的自适应归一化融合算法相比于传统的联邦滤波法也提高了44.70%和35.60%的定位精度。因此，所改进的两种方法可以在很大程度上提升组合导航系统的容错性能，具有较高的实用价值。

摘要:为提高阵列天线故障检测的精度，提出了一种改进差分-遗传(DE-GA)算法。该算法融合了遗传(GA)算法和差分进化(DE)算法，在基因遗传过程中采取染色体双交叉策略，对陷入局部陷阱的个体信息进行重新引导；利用自适应权重优化后代的选择过程，提高算法对故障因子的灵敏性和适应能力。本文将该算法用于阵列天线的故障检测中，通过阵列公式建立天线的模型，对该模型的辐射方向图进行优化，使其与故障天线的已知辐射方向图逐渐拟合，以此推出故障阵列幅值。实验表明，本文提出的DE-GA算法与DE算法、GA算法相比，适应度函数值最低点分别减小了11.15%和12.90%，平均绝对误差分别减小了19.36%和23.85%，均方误差分别减小了12.90%和11.15%，最大误差分别减小了12.30%和13.18%，具有更高的准确率，拟合能力更强。此外，在原有实验的基础上改变阵列的数量，该算法依然具有优良的稳定性，证明能够满足对大数量阵列的故障检测。

摘要:实际工业环境中，燃气轮机转子故障数据难以采集导致故障样本稀缺，无法满足故障模型的海量训练要求。利用DenseNet在图像特征提取方面的和Transformer结构在视觉领域上的优势，提出了一种基于改进的DenseNet-ViT联合网络的燃气轮机转子故障诊断方法。首先舍弃掉DenseNet的分类层，只需利用DenseNet的特征提取层，随后将改进的DenseNet的输出层连接到ViT模型的输入层构成联合网络；另外针对故障模型训练耗时长的问题，利用迁移学习将训练好模型权重参数进行迁移可以加快训练时间，节省计算资源。利用在实验室构建的燃气轮机转子模拟实验台可以获得燃气轮机转子故障模拟数据，在某型号燃气轮机试车台上获得了真实环境下的转子不同类型的故障数据，利用模拟数据与真实数据进行模型测试可以更好的检验所提出方法的可靠性。实验结果表明：在两种不同转子故障数据集测试中分别达到了96.8%和97.3%的故障识别准确率，表明该方法具有较高的转子故障识别精度；在后续设置的对比验证实验中，通过与CNN以及VGG-16等进行对比，该模型的故障分类准确率也均高于这些网络，从而进一步验证了该模型的优异性和可靠性。

摘要:针对轴承故障数据分布不一致导致特征偏移、标志性特征提取困难的问题,提出一种基于时频滤波器和偏移注意神经网络的轴承故障诊断方法,从离线和在线两个方向分别对故障信号进行处理。在离线部分提出时频滤波器,分别从时域和频域提取故障信号的标志性特征;提出兼顾全局特征和局部特征的空间采样方法。在线部分提出偏移注意神经网络,与自注意相比,偏移注意更有利于偏移特征的提取,从而降低数据分布不一致造成的影响。在西安交通大学和凯斯西储大学的轴承数据集上进行实验,达到了100%的精度,证明了所提方法能够很好的提取故障信号的标志性特征,并且能够有效抑制特征偏移对故障识别精度的影响。而在凯斯西储大学轴承数据集上的对比实验则证明了所提方法的优越性。除此之外,还在工业现场采集的燃气轮机主轴承数据集上进行了实验,结果证明所提方法具有实际应用意义。

摘要:针对卷积神经网络通过局部感受野对输入信号进行特征提取，在变负荷和变噪声条件下无法有效捕获全局上下文信息导致滚动轴承故障诊断精度较低的问题，提出了一种多尺度自适应深度可分离卷积(MADSC)和空间交互双流Swin Transformer(SIDSwinT)的滚动轴承故障诊断方法。首先，利用小波变换将一维振动信号转换成二维时频图以保留完整信息；接着，构建MADSC提取局部特征信息，捕捉不同尺度下滚动轴承振动信号的特征变化；然后，设计SIDSwinT提取全局特征信息，利用提出的空间交互模块(SIM)自适应地调整特征权重；同时，通过可变形注意力对采样信息进行加权消除工况波动造成的分布差异；最后，利用双向长短时记忆网络(BiLSTM)更好地理解上下文信息，提升诊断准确性和稳定性。使用两种不同数据集验证所提方法的故障诊断性能，实验结果表明，所提方法在信噪比为-4时准确率高于93.00%，在变负荷条件下准确率高于92.00%，验证了所提方法较对比方法具有更强的抗噪性能和泛化能力。

摘要:在铁路系统中，转辙机是确保列车安全顺畅运行的关键设备。S700K转辙机的故障诊断对于预防事故和维护铁路运营至关重要。为了解决传统诊断方法在速度和准确性上的不足，提出了一种融合深度残差收缩网络(DRSN)与双向长短期记忆神经网络(BiLSTM)的诊断模型。首先，对转辙机功率曲线进行预处理；其次，利用DRSN对预处理数据进行自动特征学习，并压缩数据长度，提高诊断的快速性，其注意力机制和软阈值化降低了噪声特征的影响，并且DRSN网络结构有助于克服网络退化和过拟合的问题；随后，利用BiLSTM的双向结构捕捉时间序列数据中复杂的关系；最后使用Softmax分类器进行故障分类。仿真结果表明DRSN-BiLSTM模型的准确率、精确率、召回率均超过了98.3%，并且该模型故障诊断的准确率相较于DRSN、深度神经网络(DNN)和卷积神经网络(CNN)等模型至少提高了1.47%，并且在添加15~40 db高斯白噪声情况下准确率保持在92.7%以上，较其余模型至少提升2%。该模型在确保训练过程的高效性的同时提升了转辙机故障诊断准确率，并且在噪声环境下展现出了优秀的鲁棒性。

摘要:为提高光伏阵列故障诊断精度，提出一种基于改进金豺算法（improved golden jackal optimization，IGJO）优化深度混合核极限学习机（deep hybrid kernel limit learning machine，DHKELM）的光伏阵列故障诊断方法。首先，在MATLAB/Simulink仿真平台模拟各种光伏阵列故障，在对故障特征进行了深入分析的基础上，提出了一个12维特征作为光伏阵列故障诊断的特征量；其次，通过引入透镜成像反向学习策略、正余弦算法策略和自适应T分布扰动策略对金豺算法进行改进，以提高其收敛速度和全局寻优能力，并将IGJO与其他优化算法通过测试函数进行对比；再次，将径向基核函数和多项式核函数引入极限学习机，并结合自编码器构成DHKELM模型。最后，通过IGJO对DHKELM模型的初始参数进行优化，建立了IGJO-DHKELM光伏阵列故障诊断模型。结果分析表明，与传统4维和5维故障特征量相比，利用所提12维故障特征量进行诊断时准确率更高；相较于其他故障诊断模型，基于IGJO-DHKELM的光伏阵列故障诊断方法具有更高的诊断精度。

摘要:涂层的破损缺失是船体腐蚀的主要原因之一,但由于船体检测通常耗时耗力,检查的频率较低,因此提出一种快速检测定位涂层破损的方法。利用外加电流的阴极保护系统与涂层破损引起的船体周围电解质电位的变化,通过测量船体周边两侧对称位置处的水下电势差异来检测船体涂层破损。通过水下电场传递实验证实了基于电场特征信号对破损位置测距和定位方法的可行性,并采用COMSOL Multiphysics物理仿真软件模拟了阴极保护电流产生的腐蚀电场及船体表面金属的电化学腐蚀过程。通过分析船体两侧测量线段上的电位变化,可以发现船体涂层破损点位两侧水下电势差异明显最大，根据水下电场传递规律分析测量线上电解质电势分布实现了对破损点位的纵向及横向定位,平均偏差分别为0.2 m和0.21 m。同时,发现平均电位大小与破损面积呈线性关系。这种方法具有高精度,且适用于纵向定位间隔3 m以上的多点情况, 规避了环境因素对检测的干扰,可实现对船体涂层破损的早期快速检测,改善船舶的防腐管理。

摘要:为实现风机叶片异常时的准确监测，提出一种将互补集合经验模态分解与风机叶片声纹特征进行结合的方法。首先，采集到4种异常工作状态以及正常运行状态下的风机叶片的声纹数据，对其进行降噪、分帧和加窗操作的预处理，通过实验比对，选择互补集合经验模态分解算法进行声纹数据的二次降噪，其次，对二次降噪后的帧信号进行模态分解提取模态分量，通过计算模态分量的皮尔逊相关系数筛选有效的模态分量，并对每层的模态分量提取梅尔频率倒谱系数、线性预测倒谱系数、gammatone倒谱系数、短时能量、以及短时平均过零率特征。最后，基于这些特征组合，采用支持向量机、朴素贝叶斯以及神经网络作为故障分类模型对声纹数据进行识别。研究结果表明，基于上述5种声纹特征组合在参数寻优后的神经网络模型下可以实现叶片异常的准确识别，识别准确率达到97.5%，该模型对早期异常的风机叶片识别效果较好，具有较好的泛化性能。

摘要:为提高换流站阀冷设备故障诊断的正确率和分类速度，提出了基于Fisher比准则的融合特征算法和粒子群优化最小二乘支持向量机的故障分类模型。首先，分别提取梅尔倒谱系数和逆梅尔倒谱系数的静态参数和动态一阶差分参数作为故障特征量，得到阀冷设备故障的高低频全部信息，然后利用Fisher比准则对阀冷设备故障特征进行两次融合，减少直接叠加信号带来的重复数据与干扰信号。特征信号经两次Fisher比判别后，筛选出1×13维Fisher比值数据作为阀冷设备噪声信号的融合特征量。其次，为了提高LSSVM算法故障识别的准确率和分类速度，利用PSO算法优化LSSVM算法的核函数带宽和惩罚因子，得到两个参数的最优解，建立LSSVM阀冷设备故障分类模型。最后，以阀冷设备间主泵为算例，分别采用不同特征融合算法和故障辨识方法进行对比分析，算例结果验证了所提出方法可以快速准确辨识阀冷设备在不同频率的故障信号,其故障辨识准确率可达96.67%。

摘要:针对使用多普勒微波传感器测量颗粒肥料流量时，施肥机运作产生的振动和外部多种干扰导致采集到的信号失真的问题，首先对小波分析与卡尔曼滤波算法进行寻找最优参数。通过对比两种算法的去噪效果，提出一种基于集成经验模态与样本熵联合小波的去噪算法。并以史丹利15-15-15颗粒肥为实验对象，将多普勒微波传感器等检测系统部署在施肥机上，采集颗粒肥料质量流量信号进行算法效果实验验证。结果表明：与原始信号相比，优化增益系数后的卡尔曼滤波算法，平均信号信噪比提升了3.548 dB。优化小波去噪参数后的小波分析算法，平均信噪比提高了7.184 dB。结合优化去噪参数后的小波分析联合集合经验模态与样本熵的去噪算法，去噪后的信号平均信噪比提高了7.899 dB，平均均方根误差降低了0.184，该算法对用多普勒微波传感器测量颗粒肥料质量流量信号的去噪处理上具有显著的优势。

摘要:肺炎作为全球范围内一种常见的呼吸道感染性疾病，易于引发各类并发症，因此其精准的分类是临床肺炎诊断及治疗面临的关键问题。针对呼吸道感染及肺炎精准分类的诊断需要，通过研究基于呼吸道黏液拉曼光谱的技术，发展一种有效的肺炎分类诊断方法。首先收集正常、普通肺炎以及并发塑性支气管炎的肺炎患者的呼吸道黏液样品，通过拉曼光谱技术分析各组样品中的黏蛋白糖基化和纤维化过程对应的成分及分子键变化，准确识别出疾病相关的分子特征和化学变化。再结合主成分分析和偏最小二乘判别方法，构建一个能够区分不同类型肺炎的分类模型。实验结果显示，该模型在肺炎分类上表现出较高的准确性，总体分类准确率可达到99.08%，其中普通肺炎和并发塑性支气管炎肺炎的区分准确率分别高达100%和97.4%。研究中的基于分子光谱的肺炎分类方法，不仅证实了拉曼光谱技术在感染性疾病诊断中的应用潜力，也为未来在更广泛的感染性疾病诊断中使用分子光谱技术提供了参考。

摘要:针对内置式永磁同步电机弱磁控制在弱磁程度较深时，受到电机参数摄动和外部扰动时会造成电压环输出、转矩和电流脉动增大，转速收敛过慢等问题，提出一种转速-电压环反馈超螺旋非奇异快速终端滑模控制器(FST-NFTSMC)的深度弱磁控制方法。为了减少弱磁控制对系统模型的依赖，根据内置式永磁同步电机在参数摄动时的数学模型，构建电压环超局部模型，并结合转速环超局部模型建立转速电压环超局部模型。基于此超局部模型，结合反馈超螺旋算法和非奇异快速终端切换函数设计转速-电压环FST-NFTSMC，同时建立改进滑模扰动观测器对系统存在的未知部分进行估计，并前馈补偿给FST-NFTSMC，进一步提高系统的鲁棒性和控制精度。仿真和实验表明，与传统PI控制相比，该方法在无弱磁区、浅度弱磁区和深度弱磁区的收敛速度上分别提高了66%、40.6%和28.6%，稳定性更好，转矩和电流脉动更小，证明了该方法在弱磁控制上能有效抑制电压环受到扰动后输出的抖振以及提高转速响应速度。

摘要:本文旨在解决水下无线传感器网络中因水下环境复杂多变导致的长时延问题，该问题显著影响移动传感器节点间的信息传播效率，进而增大了节点定位误差。为此，本研究创新性地提出了一种基于CNN-LSTM声速预测的水下移动节点定位算法。首先，通过K-折交叉验证法对声速数据集进行科学划分，随后构建并训练了一个融合卷积神经网络（CNN）特征提取能力与长短期记忆网络（LSTM）序列建模能力的CNN-LSTM混合模型。此模型有效捕捉了声速数据中的空间与时间特征，显著提升了声速预测的准确度。在定位过程中，采用该模型预测的声速值进行到达时间差（TDOA）测距，并据此对测距结果进行精细修正。进而，针对不同节点密度条件下的未知节点，算法能够自适应地选择最适宜的测距定位方法，依据参考节点数量实现精准定位。实验结果显示，与现有的SLMP、DMP、NDSMP及BLSM定位算法相比，本文提出的MCLS定位算法在相同信标节点条件下，定位误差均值分别降低了46.96%、39.93%、27.64%和15.24%，显著提升了水下移动节点的定位精度与稳定性。

摘要:在基于视频的无监督单目深度估计模型训练中,光度损失一直发挥着重要作用,但其在弱纹理区域和边缘区域等特殊区域普遍存在较大误差,导致训练网络的监督信号存在较强的不稳定性。针对这一问题,提出一种更具鲁棒性的无监督单目深度估计方法。本文方法首先结合双分支编码器和通道注意力模块来提升单帧深度网络对深度特征的提取能力,然后利用单帧深度网络结果引导进行多帧深度估计,以提高深度估计的准确性。在此基础上设计一种新型光度损失函数，通过计算图像梯度上的光度损失消除局部亮度变化引起的不合理监督,并利用连续像素之间的差异特性来定义模糊像素,最后基于二进制掩模排除由于目标帧和重构目标帧上边缘模糊像素产生的错误监督。本文方法在KITTI数据集的测试结果中,平均相对误差、平方相对误差、均方根误差等多项指标均有提升,平均相对误差和平方相对误差分别降低至0.075和0.548。实验结果证明,与其他先进方法相比,本文方法进一步提高了现有模型的性能。

摘要:对于间歇过程变量深层特征提取困难，以及变量的时序性、非线性、动态特性所导致质量预测精度不高的问题，提出了一种基于卷积时空注意力的双层长短期神经网络(convolutional neural networks spatial and temporal attention with double long short term memory networks,CNN-STA-DLSTM)的间歇过程质量预测模型。首先，对间歇过程数据沿着变量的方向展开成二维矩阵,对二维数据采用Max-Min法归一化，接着，使用PLS对原始数据降维，保留与质量变量相关性较强的变量，使用CNN挖掘过程数据的潜在特征，提高质量相关特征信息的关注；其次，引入时间注意力机制和空间注意力机制构建双层LSTM的编码器-解码器结构网络，利用注意力机制自适应地学习时间步长的相关历史信息，以提高模型的长期记忆能力，并加强过程变量与质量变量之间的时空相关性；然后，采用随机网格搜索法寻找预测模型合适的超参数，并构建了预测模型；最后，使用青霉素发酵仿真平台和带钢热连轧生产过程数据进行实验验证，结果表明所提模型具有更精准的预测效果。

摘要:针对开关磁阻电机转矩脉动大以及传统优化设计中仅仅从电机本体出发，并未考虑驱动控制策略的问题，通过同时考虑电机结构参数与控制参数，提出一种考虑模型预测转矩控制的开关磁阻电机系统级多目标优化设计策略。首先，根据设计要求对SRM的结构参数进行了设计并采用MPTC作为控制方法，确定了电机结构和控制参数的初始值和变化范围；其次，建立了考虑MPTC的SRM设计模型，通过磁路分析确定了结构参数与预测模型之间的关系，以转矩脉动、平均转矩电流比和铜损为优化目标，确定了电机的优化流程，通过正交实验对结构与控制参数进行了灵敏度分析，并根据分析结果来选择决策变量，采用田口算法对决策变量进行了多目标优化；最后，为了验证该方法的有效性，进行了仿真验证，并根据优化结果试制样机，实验结果表明优化结果与常规设计相比，电机相电流峰值减小了33%，平均转矩安培比提高了33.3%，转矩脉动减少了26.3%，通过实验验证了优化方法的合理性及有效性。

摘要:针对区截测速领域中，传统测速装置存在有效面积小、位置固定、布置繁琐等问题，基于电磁感应原理，提出并验证了一种新型电磁感应传感单元，用于精确测量弹丸初速。与传统磁感应线圈相比，该结构采用感应线圈包裹永磁体，使弹丸无需磁化即可产生感应电动势，提高了测速靶的灵敏度和测量精度；另外传感单元与弹道同轴独立布置，有效解决了弹道方向与测试装置稳定位置之间的相对位置问题，增大磁感应有效面积，增强了测量装置的便携性，可以使其灵活运用于多种弹丸测速场合。该方案利用COMSOL软件对传感单元进行建模，对永磁体模型和在不同条件下弹丸穿过磁场的动态过程进行了详细的仿真分析。依据仿真数据制作线圈传感单元，并对仿真结果进行多次实验验证，测试结果表明，传感单元感应电压随弹丸速度的加快而增大，且二者之间在一定范围内呈线性关系，与仿真所得结果一致。该研究不仅为电磁感应测速靶的优化提供了理论依据和数据支持，而且为电磁炮和其他高速发射系统的膛内、外弹道初速测量提纲了有效解决途径。

摘要:基于海量ECG数据,辅助医生进行有效数据分析与诊断，提高效率并减少医疗资源消耗,实现ECG智能识别是当前一个重要研究方向。针对ECG智能识别单一图像、单一深度学习算法性能有限性问题,提出了一种面向ECG彩虹码的双输入改进VIT识别方法。首先,提出数学模型预测获取ECG标准周期,并以抽频方法挖掘ECG潜在特征,生成ECG彩虹码;然后,以卷积神经网络构建双输入特征提取模块,提取多种ECG图像局部特征进行融合,实现多维度ECG特征表示与融合,采用VIT编码模块对融合特征进行全局关注,实现基于多特征图像为输入的ECG识别。采用MIT-BIH数据库中的ECG进行实验,所提ECG识别方法获得99.41%的平均准确率,在现场采集的N类ECG中获得100%的准确率。实验结果表明,提出的图像变换方法能够有效可视化ECG特征，提出的识别方法能够有效实现ECG识别,与其他同类型方法相比获得了更优的性能。

摘要:在特钢企业向“灯塔工厂”转型升级中，实现钢管物料实时跟踪是其中的核心内容，由于物料多样性以及产线的复杂性使得接近式传感器无法满足物料检测可靠性要求。为此，依据车间内现有环境和需求，搭建物料跟踪摄像系统，采集了物料及产线上部分特征组成图像数据集；基于视频分析，引入了一种面向特钢车间内物料实时跟踪的钢管目标检测算法。该算法以PPYOLOE网络为基础。首先，将PPYOLOE中的CSPRepResNet主干网络替换成HGNetV2轻量级主干网络，在提升特征提取能力同时减小参数量；其次，在Neck中融合HG-Block和SPPELAN进一步减小参数提升速度；最后，在上采样阶段，运用Dysample动态上采样算子提升不同尺度特征的融合效果，提升算法的检测精度。实验结果表明，相比于原始的PPYOLOE算法，改进后的算法在检测精度上提升了1.6%达到80.5%，检测速度提升了16%达到56.4帧，GFLOPs和参数分别下降35%和33%。改进后算法有效提升了检测精度和检测速度，通过现场部署实施，满足了钢管物料实时跟踪要求。

摘要:目前关于磁定位系统的传感器阵列布局研究主要围绕传感器数量和间距展开，相关研究中传感器阵列布局一般采用均匀分布的方式，并未深入研究传感器阵列空间设计对系统定位精度的影响。针对磁定位系统中传感器阵列非均匀分布研究，提出了一种基于遗传算法结合有限元仿真的优化方法，该方法能够根据特定的永磁体运动轨迹确定对应的最优传感器布局。首先，建立仿真模型进行磁定位过程的数值模拟，通过遗传算法优化得到了每个目标运动轨迹对应的传感器阵列布局。其次，在仿真优化的基础上，设计并搭建了可自由调整磁传感器安装位置的磁定位系统实验台。最后，在5个特定的永磁体运动轨迹下，分别对采用传感器均匀分布与优化后非均匀分布的磁定位系统进行了对比实验，以布局5为例，优化布局后的磁定位系统平均定位误差比优化前减小了14.3%，平均定向误差比优化前减小了16.3%。结果表明均匀分布的传感器阵列并非最佳的布局方案，优化传感器阵列布局能够有效提高系统定位及定向精度。

摘要:针对微电子机械(MEMS)陀螺存在随机误差而导致测量精度低的问题,提出一种基于混沌粒子群算法(CPSO)优化反向传播(BP)神经网络的补偿方法对随机误差进行处理。首先采集MEMS陀螺数据,利用C-C法重构相空间,基于李雅普诺夫指数分析和验证其混沌特性,然后将重构数据作为BP神经网络模型的训练样本,利用CPSO算法优化BP神经网络的权值和阈值,获得用于误差补偿的优化模型,最后采用ADXRS624对优化模型的补偿效果进行静态实验验证，并与BP模型和粒子群优化(PSO)模型补偿结果对比。实验分析结果表明,经CPSO算法优化模型补偿后的误差均值和标准差分别为-5.76×10-4（°）/s和5.19×10-4（°）/s,相比BP、粒子群优化(PSO)模型误差分别下降68.6%、52.1%和98.4%、93.5%。通过Allan方差分析补偿后的误差系数,经CPSO-BP方法补偿后的量化噪声、角度随机游走和零偏不稳定性分别降低至0.000 59 μrad、0.001 51 （(°)·h-1/2）和2.82 （(°)·h-1）。新方法在抑制随机误差上有明显的效果,可提高MEMS陀螺的测量精度。

摘要:针对目前巡检与监控手段在高浓度烟雾环境下无法准确识别10 m2以下的着火面积，以及不能准确识别处于低洼地带的山火等问题，以组合惯导多数据融合为核心，研究山区输电线路高浓度烟雾环境火点定位技术。该技术采用联邦滤波器，对山区输电线路的卫星遥感、惯导等多源监测数据进行组合与多数据融合。 设计基于上下文判断法与绝对阈值法的着火点自适应阈值检测算法，实施山区输电线路火点信息提取。设计PSO算法与BP神经网络相结合的多波段光电复合探测目标识别方法，实现高浓度烟雾环境下的山区输电线路火点目标识别。利用基于激光测距的山区输电线路火点测距方法，实现山区输电线路高浓度烟雾环境火点定位。实验测试结果表明，设计技术对于平原地带火点（10 m2以上的着火面积）、平原地带火点（10 m2以下的着火面积）、低洼地带火点（10 m2以上的着火面积）三种情况的定位精度均高于99.5%。