基于多轴惯性传感器的方向盘转角检测系统

提出一种基于多轴惯性传感器的方向盘转角检测系统,实现无线外置式、全范围转角实时检测。通过将三轴加速度分量在Roll-Pitch模型中进行姿态解析,并利用三轴角速度数据对解析角度进行互补滤波以改善高频特性,设计归零补偿和全角补偿算法,系统能够获取以0°为初始角度,±720°绝对位置的方向盘全角数据。方向转角检测结果通过蓝牙模块无线传输至PC或智能终端。对比实验结果表明:该系统检测的方向盘转角与真值呈现良好的线性相关。实车测试结果表明:本系统可实现对常见的驾驶行为的实车、实时辅助判别。     

汽车方向盘转角传感器系统设计及算法研究

通过对角度传感器的结构及对其工作原理作深入研究,并将其运用于方向盘的绝对角度传感器中,该系统成本低、抗干扰性能好、测量精确高,是一款较理想的非接触式方向盘转角传感器.由于该传感器能够检测出精确的方向盘绝对位置角度值,故为助力转向系统及车身电子稳定系统的开发有很大帮助.     

基于MC9S08DZ60汽车方向盘转角传感器的开发

使用非接触式位置传感器芯片MLX90360与Freescale MC9S08DZ60单片机,研制出测量精准、成本低廉,具有较高智能化的非接触式转角传感器;给出了汽车方向盘转角传感器的具体设计方案,包括传感器的机械结构、硬件电路设计以及软件程序设计;给出了转角传感器零点的设置方法及方向盘绝对转角的计算方法;最后与博世公司生产的转角传感器进行对比试验,试验结果表明,该传感器能够准确测量出汽车方向盘的转角,可以为EPS系统和ESP系统提供精确的方向盘位置信号。     

基于PSO优化RBF-NN的磁浮车间隙传感器温度补偿

针对高速磁浮列车悬浮间隙传感器的温度漂移现象,建立了基于RBF（radial basis function）神经网络的间隙传感器温度补偿模型.通过对全局最优粒子执行梯度下降寻优,将粒子群优化算法与梯度下降算法结合得到一种寻优能力更强的混合算法,并将该方法用于RBF温度补偿模型参数优化,提高了间隙传感器的补偿精度,最后,使用现场可编程门阵列FPGA（field-programmable gate array）实现了该补偿模型并进行了实验.实验结果表明:该方法能够较好地对间隙传感器进行温度补偿,补偿后的传感器输出不受环境温度影响,全量程范围内最大误差为0.45 mm,8~12 mm工作间隙范围内误差为0.16 mm.      

基于LabVIEW的转向轻便性仿真研究

基于虚拟仪器LabVIEW平台组建了汽车转向轻便仿真硬件在环系统。以国标关于转向轻便性试验方法为基础,采用LabVIEW图形化程序设计了硬件控制程序;在LabVIEW中建立了整车运动模型;利用硬件接口将前轮转角传感器,方向盘转角扭矩传感器等信号引入整车运动模型,计算车辆的行驶参数,通过操作跟踪标准曲线,实现闭环控制。仿真结果证实了该硬件在环平台的有效性。     

基于EKF的自动泊车系统位姿估计算法设计

利用车辆2个后轮轮速信号和方向盘转角信号,基于扩展卡尔曼滤波技术设计一种车辆位姿估计算法,并在veDYNA中仿真试验。仿真结果表明,算法的估计精度比较理想,可满足泊车系统对自身车辆定位的需求。以定位精度2 cm（1σ）的GPS信号为参考,实车试验结果表明,位置估计误差控制在3%以内,此精度的估计结果可以为泊车系统提供车辆定位信息,为增强泊车安全性奠定基础。     

基于激光摄影测量方法的地铁限界检测系统研究*

限界检测系统主要采用激光摄影测量方法快速实现地铁限界非接触式检测,检测系统采用激光摄像式传感器实时采集隧道断面图像,通过对激光摄像式传感器非线性模型进行标定从而建立空间物体与摄像机图像像素之间映射关系,实现隧道断面上待测目标点的距离测量。针对系统中激光光条图像的处理,先后采用图像预处理算法提高图像处理效率,Sobel算子提取激光光条边缘,利用 Sobel算子提供的光条梯度信息经脊线跟踪法实现光条中心亚像素提取,提高检测系统精度。利用研制出的地铁限界检测系统进行现场试验和精度验证。试验表明,地铁限界检测系统能够满足地铁限界高精度检测需求,能够为地铁安全运行发挥重要作用。     

基于遗传算法的轴心轨迹测试方法研究

用遗传算法由ＩＭＥ信号计算和构造轴心轨迹，运算过程浮点操作少便于单片微机编程实现，与ＩＭＥ测量原理结合实现高精度宽量程传感器可用于转子辆心轨迹的在线测试与诊断。     

基于多传感器数据融合算法的轴荷称重

为了提升轴荷动态称重系统在载荷任意位置加载时的称重精度，提出了基于多传感器的卡尔曼数据融合算法。通过分析均载与偏载下纯位移称重算法输出的称重数据，建立位移与车厢姿态角度关系的车厢数学模型；利用该模型建立位移与角度的卡尔曼数据融合算法；通过实车数据采集验证该算法的有效性。多传感器数据融合算法与单一位移称重算法相比，平均称重准确率提高了2.78%。     

基于改进UKF的BDS/IMU组合列车定位方法

为提高列车定位的精确性和连续性,采用北斗卫星接收机和惯性测量单元构建车载组合定位系统.针对多传感器组合定位信息融合估计的非线性和鲁棒性需求,将抗差估计理论的等价权原理应用于标准无迹卡尔曼滤波(unscented Kalman filter,UKF)算法,构造了一种改进的UKF算法,通过对标准UKF算法的噪声协方差进行等价替换,从而起到调节滤波增益的作用,使得滤波算法对传感器观测粗差具有较强的抑制能力.将改进的UKF算法与标准UKF算法应用于列车组合定位进行仿真比较,结果表明:传感器无观测异常时,改进UKF算法的滤波精度总体上略优于标准UKF算法;当传感器观测值含有随机粗差时,改进UKF算法的滤波精度及稳定性明显优于标准UKF算法,北向、东向位置平均估计误差分别降低了48.5%、48.8%,北向、东向速度平均估计误差分别降低了43.7%、48.9%.