线化及插值摄动法求解强非线性保守系统振动问题

用插值摄动法和线化摄动法相结合的方法求解了一类保守系统的强非线性振动问题,有较好的精度,并 优于改进的L-P法.     

基于改进安时积分法的动力电池SOC估算

针对传统安时积分法SOC初始值和可用容量估算不准问题,提出一种结合开路电压法和安时积分法的SOC估算改进方法.仿真分析及实验验证表明,该改进方法的准确性得到提高.     

基于张量积样条函数的打印色彩校正

为解决设备间色彩再现不一的问题,提出了一种打印校正算法．建立了打印机色彩校正的数学模型,分析了打印特性,并通过张量积样条函数对打印机色彩的非线性进行描述,最后提出了双金字塔结构,实现了打印的快速校正．试验表明,该算法准确描述了打印机色彩的非线性,在CIELAB色彩空间的平均校正色差小于2．0,耗时不到30min,需要打印的样本数目较查找表算法降低了约10倍．     

利用"取点法"测量绘图软件中非标准几何体尺寸

研究了测量计算机绘图软件中非标准几何体尺寸的问题.首先阐述了利用绘图软件对非标准几何体的预处理方法,然后根据各种几何体的特性及插值理论,推导出了测取绘图软件中非标准几何体尺寸的"取点法",并以计算机绘图软件中的三个几何体为例,对该方法进行了验证,其结果表明了此种方法的可靠性.     

基于AMCPSO优化Kriging插值的温度补偿方法研究

为了降低温度变化对转换力传感器测量精度的影响,提出一种自适应变异混沌粒子群算法(AMCPSO)优化Kriging插值的温度补偿算法(AMCPSO-Kriging)。研发转换力传感器,分析温度对传感器输出的影响,建立温度补偿标定实验平台,通过标定实验获得建立温度补偿模型所需要的样本集,采用数据稀疏化方法对样本数据进行优化。通过Kriging插值构建了温度补偿模型,利用AMCPSO算法以交叉验证方式下模型预测产生的均方根误差和作为适应度函数,对Kriging插值中的范围参数θ和平滑度参数pk进行寻优求解,得到性能最佳的温度补偿模型。基于AMCPSO-Kriging温度补偿模型对转换力传感器的测量效果进行实验验证,与标准力传感器进行对比。实验结果表明：对样本数据进行稀疏化处理,算法平均运行时间从1 076 s减少到6 s,提高了温度补偿算法的运行效率。在-20～70℃温度范围内,经过AMCPSO算法优化的Kriging模型有效提高了转换力传感器的测量精度,相比于未经AMCPSO算法优化的Kriging插值,转换力传感器测量的平均满量程误差从1.2%FS降低到0.6%FS。通过现场实验验证温度...     

自适应控制技术在MCT红外线轴温探测系统中的应用

MCT光子器件工作在自然环境下,环境温度变化幅度大,导致MCT光子器件的输入输出特性不稳定,严重影响MCT轴温探测器探测铁道车辆轴温的精度。为此,根据自适应控制理论,在MCT红外线轴温探测系统中建立自适应控制系统,它由自适应探测子系统和自适应标定子系统构成,利用传感器和系统辨识技术不断量测被控对象变化,及时调整控制器参数,使控制量的变化自动适应对象的变化,以保持MCT轴温探测器的探测精度。通过采用二次牛顿插值原理对热靶输入输出特性曲线进行拟合,从而得到了特殊情况下热靶输入输出特性曲线的高端部分。     

一种时间校准方法及在航运信息处理中应用

传统的AIS与雷达目标信息融合中时间校准算法的计算存在复杂度高,融合精度低的缺点,且AIS和雷达的采样信息容易发生错漏的现象。针对上述问题,提出了一种基于最小二乘准则的时间校准算法。该方法的基本思想是采用样条函数对各传感器的采样数据进行拟合,并基于最小二乘准则在样条函数类中找出一函数使其满足拟合误差平方和最小的要求。与传统的方法相比,计算机仿真结果验证了新方法在计算复杂度上和融合精度上的有效性。     

基于GNSS定位和卫星影像的铁路中线数据生成方法研究

随着我国铁路建设事业发展,GNSS卫星定位、卫星影像等技术越来越多的应用于铁路测绘领域。在一条铁路正式开通前,获取其中线数据有利于开展相关仿真试验,或为后期高精度制图提供初始数据。为解决获取及生成铁路中线数据采样量大等问题,采用了结合卫星定位和卫星影像的数据生成方法,在铁轨中线上间隔几十米至上百米采集卫星定位的大地坐标,通过坐标变换、曲线插值算法生成所需的铁路中线坐标点,再结合卫星影像优化算法参数,得到更精确的数据点。研究表明,通过一定距离间隔的卫星定位,生成短距离间隔的密集数据点,可减少卫星定位采样工作量。最后,基于在某铁路上实际采集的数据,验证了该方法的有效性。     

曲线的保凸插值细分算法

给出了曲线的保凸插值细分算法;对于给定的凸数据和边界切向量。算法构造一个保凸插值曲线,在边界同时插值切向量,证明了其极限曲线是Ｃ＾１的,此算法对控制点是非线性的。     

基于GRNN算法的船舶轨迹分析方法

由国际海事组织(IMO)、国际电信联盟(ITO)、国际电工委员会(IEC)等组织牵头研发的以现代通信技术、电子信息技术等为核心的船舶自动识别系统(Automatic Identification System, AIS)几乎安装在所有在籍的船舶上,AIS数据在船舶的定位、动态轨迹上有着重要的作用。针对现有用于AIS数据轨迹插值的方法存在平滑性能较差、精度无法统一等缺点,基于GRNN神经网络的非线性映射能力及学习速度极高的优势,提出一种用于AIS数据插值的L-GRNN算法。仿真研究和实船数据验证表明,该方法的精度、平滑性能较好,与传统的AIS数据插值方法相比,同时具备精度、平滑性能,具有良好的工程适用价值。