先进成果中,微处理器和计算机设备发展也十分迅速。
1 新算法系统模型
把建立测量系统的测量环境操作的特征量考虑在内,从其他测量渠道获取的最适当形式的处理数据方法是卡尔曼算法,这个算法的特点非常适合解决许多测量仪器精度优化上列出的所有移动物体的问题。在这种情况下,算法将在有关改善测量系统的动态精度设定目标的背景下开发出来的。这个过程是其他的通道的一部分,旨在消除多次干扰对测量结果的影响,然而,该算法也可以用于许多其他动态模式下的操作系统在计量和自动化领域。如果动态误差只是在上述测量基础上决定的,那么精度是不够的。移动物体的运动不仅表明了基本运动还展示了二次扰动过程中不可预知的行为。
把建造测量环境的数量特性考虑在内,可以确定的是,从额外的测量通道来获取最适当的处理数据形式是卡尔曼算法。该算法的特点非常适合解决在方案优化过程中发生的许多测量仪器精度不精确的问题。在这种情况下,算法在设定目标的背景下开发的,目的是改善提出的测量系统的动态精度。这个过程是额外的通道的一部分,旨在消除许多次干扰对测量结果的影响。然而,基于数学模型,该算法也可以用于许多其他系统在动态模式下操作,如计量和自动化。
如果只是基于测量基础上确定动态误差,那么精度是不够的。移动物体的运动表明了它不仅是基本的还是在敏感元素测量仪器的额外的通道二次扰动过程中不可预知的行为,使用主要的数学模型来确定动态误差需要考虑基本扰动过程的影响。
该模式对二次扰动过程不敏感。它们是由许多参数的随机性质决定的,并与运动物体的运动相结合。但是在某些情况下,在它们的影响下积累误差可以达到不可接受的高值。卡尔曼滤波分为两个部分:第一个循环可以被假定为一个基本的自预测估计和最优值的测量确定;第二个循环与第一个并行运行。它旨在确定元素的当前值的相关矩阵预测误差。
[ψmr(t)]和[ψkfmr(t)]是作为一种平台运动测量的结果函数,分别在五卡尔曼滤波器和有卡尔曼滤波器下进行。[ψ(t)]是定义操作平台运动的函数。x的动态误差最大值范围在[0.04°,0.05°],因此y的变化范围在[0.15°,0.25°]。使用卡尔曼滤波大大提高了测量系统的稳定性及其动态精度。实验表明,在模块处理信号前使用提出的算法,动态误差的最大值不超过0.1°。而同样的实验,不使用卡尔曼滤波算法,测量系统在同一测量条件下动态误差最大值在[0.2°,0.3°]内。
3 结束语
实验结果证实了该算法的有效性,对测量移动物体系统的动态精度气到了很好的作用。作为算法运行的结果,即使受到动态因素影响,动态系统的精度也有很大程度的提高,这可以不使用昂贵的设备和稳定系统而实现。该算法可以成功地用于改善无陀螺系统测量移动物体参数的动态精度。然而,由于数学模型大力发展,它可以被应用在许多其他测量仪器和系统自动化上,系统运行在动态模式下,例如物理摆。该算法基于卡尔曼滤波,它的目标是消除一些干扰源的影响,降低总干扰因素的影响。
参考文献:
[1] 慕春棣, 梅生伟, 申铁龙. 非线性系统鲁棒控制理论的一些新进展[J]. 控制理论与应用, 2001(1):1-6.
[2] 孟范伟, 何朕, 王毅, 等. 非线性系统的线性化[J]. 电机与控制学报, 2008(1):89-92,98.
[3] 郭永宾, 肖银, 於亚飞, 等. 非线性光机械系统中的双稳性与纠缠[J]. 光学学报, 2015(10):275-279.
[4] 王中豪, 周火明, 李维树, 等. 基于细菌觅食优化算法的岩体压缩流变参数反演[J]. 长江科学院院报, 2015(10):85-89+106.
[5] 黄威然, 楼佩煌, 钱晓明. 基于实时以太网的网络化数控系统高精度时钟同步和短周期通信[J]. 计算机集成制造系统, 2015(10):2668-2676.
[6] 殷守林, 刘天华, 李航. 基于模拟退火算法的卡尔曼滤波在室内定位中的应用研究[J]. 沈阳师范大学学报:自然科学版, 2015(1):86-90.
[7] 刘天华, 殷守林. 一种改进的遗传卡尔曼算法在室内定位中的研究[J]. 沈阳师范大学学报:自然科学版, 2015(2):265-269.
[8] 张卫荣, 李航, 殷守林. 基于区间估计的最小二乘法在卡尔曼滤波中的应用研究[J]. 沈阳师范大学学报:自然科学版, 2015(2): 284-287.
[9] Shoulin YIN, Jie Liu, Lin Teng. A Novel Initial Value Selection for Discrete Kalman Filter used in Indoor Localization Processing[J]. Journal of Computational Information Systems, 2015 ,11(19): 7063-7070.
[10] Jie Liu, Shoulin YIN, Lin Teng. A New Unscented Kalman Filter Based on Bayesian Estimation[J]. Journal of Computational Information Systems, 2015, 11 (19): 7047 -7054.
[11] Tianhua Liu, Shoulin Yin. An improved k-means clustering algorithm for Kalman filter[J].ICIC Express Letters Part B: Applications, 2015, 6(10): 2687-2692.