电力杆塔变形监测服务器端软件系统研制
这是一篇关于电力杆塔,北斗姿态测量,LAMBDA算法,小波阈值去噪,卡尔曼滤波的论文, 主要内容为据统计,2018年至今,由于种种客观原因造成电力杆塔倾斜和倒塌事故累计发生900多起,直接造成经济损失超14亿元,所以电力杆塔的安全监测对于输电线路的稳定运营具有重要价值。由于杆塔属于大型钢结构件,振动对杆塔的倾斜度监测数据影响较大,引入了大量观测噪声,导致杆塔倾斜度测量精度低,杆塔倾斜度监测系统难以发挥作用。因此对于杆塔倾斜度监测方法进行研究,实现电力杆塔在线监测和预警,这对于输电线路稳定运营具有重大意义。本文研究的主要内容和创新之处在于:(1)设计实现了电力杆塔变形监测服务器端软件系统。以B/S架构模式为基础设计软件系统,该系统由服务器端和前端(Web端)两部分构成。服务器端主要负责网络数据接收、算法处理、数据库交互、Http请求处理等功能的开发,前端主要负责页面的开发和交互,接收后端传递的数据并将其展示在页面上,接收用户的交互请求并及时给予响应,其中,页面内容主要包括实时数据展示、3D模型展示、历史数据展示等。最后从功能、性能、兼容性三方面对系统进行综合测试,根据测试结果可得该系统各项功能均正常,且对Windows系统和主流浏览器兼容性较好,可以满足用户的正常使用。(2)详细介绍了软件系统集成的基于北斗载波相位差分定位的电力杆塔姿态测量方法。首先建立载波相位双差观测方程,然后采用最小二乘法对方程中的整周模糊度和基线矢量这两个未知量进行求解,得到浮点解,接着采用LAMBDA算法对整周模糊度和基线矢量固定解进行求解,接着采用姿态解算算法得到杆塔姿态角。最后依托工程项目进行现场应用测试,经过分析测试结果可得该方法能够得到较为准确的姿态解算结果。因此该方法适用于电力杆塔变形监测这一应用场景。(3)实现了一种基于小波阈值去噪和卡尔曼滤波算法相结合的姿态数据后处理方法。首先采用小波阈值去噪算法对原始解算的姿态角数据进行去噪处理,得到去噪重构的数据。然后采用卡尔曼滤波算法对去噪后的数据进行二次滤波处理,得到滤波后的数据。最后对姿态数据进行算法实验,实验效果表明该方法能有效减少原始姿态数据中的噪声值,且能有效的提高姿态解算数据的平滑性。因此该方法适用于对电力杆塔姿态角数据处理这一应用场景。
车队管理平台中安全驾驶评估模型构建与应用
这是一篇关于支持向量机,卡尔曼滤波,主成分分析法,驾驶行为识别,驾驶安全性评估的论文, 主要内容为随着国内外汽车产业的发展和人民生活水平的提高,我国正逐步成为汽车大国。汽车产业在推动经济社会发展,改善人们生活的同时也带来了不容忽视的交通安全问题,而驾驶员的危险驾驶行为正是影响安全驾驶的关键因素之一。本文针对现有危险驾驶行为识别研究过程中对噪声、异常数据较敏感和驾驶安全性评估难以量化这两个问题,提出了一种驾驶行为研究方法。该方法以车载OBD设备实时采集的车辆运行数据为基础,结合机器学习相关算法,构建危险驾驶行为识别模型和驾驶安全性评估模型,最终建立了完整的驾驶安全性评估方案。本文主要内容如下:(1)数据采集及预处理。首先论述行车数据采集设备的工作原理,其次说明采集平台的数据流向,接着对模型数据集的样本属性进行解释,最后通过卡尔曼滤波算法对原始行车数据进行数据预处理。(2)构建危险驾驶行为识别模型。基于集成学习的不平衡数据分类算法(RS-SVM)构建急加速、急减速、急转弯三种危险驾驶行为识别模型。利用交叉验证对RS-SVM算法进行参数调优,从而提高危险驾驶行为识别的准确率。最后将实验结果与其他算法进行对比分析。(3)构建驾驶安全性评估模型。以加速、减速、转弯、侧翻模型为基础建立驾驶安全性评估指标,通过主成分分析法确定指标权重并求得不同驾驶员的驾驶得分,利用Kmeans算法对驾驶员的驾驶风格进行聚类分析,最终实现对驾驶员驾驶水平的综合评估。(4)设计与实现车队管理云平台。利用Java SSM框架设计并实现基于Web的车队管理云平台,平台集成车辆管理、驾驶员管理、安全管理、个人中心四个功能模块。实验结果表明危险驾驶行为识别模型的准确率达到98.596%。驾驶安全性评估模型的建立有利于降低交通事故的发生率,提高车队管理效率,同时还可以为规范驾驶员驾驶行为提供理论依据。
半挂车总质量及行驶状态估计算法研究
这是一篇关于半挂车,总质量估计,行驶状态估计,最小二乘法,卡尔曼滤波,融合算法的论文, 主要内容为半挂车作为商用车的一种,是公路运输运力的重要组成部分。由于半挂车载重量大、质心高、挂车与拖车通过鞍座铰接,在参与交通的过程中一旦发生安全事故造成的生命财产损失也更大,故半挂车安全性始终受到行业的关注。半挂车的主、被动安全控制都需要准确的车辆状态信息作为输入,而由于成本等原因,目前精度较高的车辆状态监测设备并没有被广泛使用。本文使用CAN(Controller Area Network)总线上获取的车速、发动机转速、档位等信息,设计了半挂车总质量及行驶状态估计算法,完成了车辆总质量及质心侧偏角、横摆角速度、侧倾角、侧倾角速度的准确有效的估计。该算法可以在不增加硬件的前提下为车辆控制系统、车队管理系统等提供准确有效的信息。论文主要工作如下:(1)基于递推最小二乘算法(Recursive Least Squares,RLS)的半挂车质量估计算法研究。建立了半挂车纵向动力学数学模型;引入双遗忘因子RLS算法,在MATLAB/Simulink平台构建出半挂车质量估计算法,并与Truck Sim搭建了联合仿真模型,完成了算法的仿真实验验证;在此基础上使用杰狮C500进行了实车验证实验。仿真及实车实验验证结果表明设计的质量估计算法存在超调量大、收敛速度慢等问题,对产生问题原因进行分析。(2)设计融合算法改进半挂车质量估计算法。针对算法中存在的问题,提出了优化方案:使用模糊控制及门阈值思想设计算法触发器解决行驶状态引起的估计误差;对双遗忘因子RLS算法模型进行改进,减小因旋转质量换算系数设置而产生的误差;使用扩展卡尔曼滤波(Extended Kalman Filter,EKF)算法对坡道信息进行估计,并与双遗忘因子RLS算法进行融合得到融合算法。使用MATLAB/Simulink搭建算法模型,使用实车数据进行融合算法的验证,结果表明,优化后的算法具有明显优势。(3)设计半挂车行驶状态估计算法。建立了结合6自由度及4自由整车动力学模型和轮胎模型的半挂车动力学模型;结合遗传算法(Genetic Algorithm,GA)及MATLAB参数辨识工具箱(Parameter Estimator)对牵引车及挂车的车轴侧偏刚度、侧倾刚度及鞍座的侧倾刚度进行分步辨识,验证结果表明参数辨识结果具有一定准确性;设计状态观测器及KF算法进行牵引车及半挂车质心侧偏角、横摆角速度、侧倾角、侧倾角速度这8个状态参数的估计,使用MATLAB/Simulink建立模型验证估计结果的准确性,结果表明,基于上述方法建立的半挂车行驶状态估计模型具有一定的准确性及可行性。(4)设计半挂车总质量及行驶状态估计算法的估计策略。进行实验对比满载、95%满载、空载、10%满载四种车辆总质量工况下的行驶状态,结果表明,质量对侧倾角及侧倾角速度具有一定程度的影响,根据影响的范围确定允许的质量估计误差范围为2000kg,设计基于汽车停止状态判断算法运行流程的估计策略,通过设计实验进行验证,结果表明估计策略可以准确地触发质量及行驶状态估计算法完成估计。
基于无人机视觉和无线信号融合的信号源检测方法
这是一篇关于无人机,无线网络定位,信号源检测,卡尔曼滤波,软件定义无线电的论文, 主要内容为在无线电安全管理中,无线信号源检测技术可以在通信网络中排除干扰进行目标定位、伪基站检测,对于保障无线电安全、防治电磁辐射污染有着重要意义。在灾后救援和野生动物观察等应用中,无线信号源检测可以帮助寻找携带电子设备的目标。传统的信号源检测技术通过有源或者无源方式进行信号源定位,通常使用到达时间差和到达频率差等方法,需要采用复杂的天线阵列,并通过人工与无线测向仪配合来寻找或定位,这对于设备时间同步上也有着严格要求。无人机的普及为诸多研究提供了新的方向,通过在无人机上携带多种的传感器设备,能够实现之前由于移动性限制而无法完成的诸多工作。通过在无人机上搭载摄像头和软件无线电设备,依托移动边缘智能,可以获取地面图像并识别相应的物体,使用双目相机则可以进一步地获取物体的视觉深度估计。在无人机上搭载软件无线电设备则可以获取地面信号源的无线信号,然后通过这些信号进一步确定信号源对应的视觉上的物体。本文针对地面信号源有相应视觉上的伪装物体干扰的情景下进行研究,提出了基于无人机视觉和无线信号融合的目标检测方法,识别信号源物体并且确定其精确位置。本文的主要研究工作如下:(1)提出了一种基于无人机视觉和无线信号融合的信号源识别方法,它使用了一种多源融合的判别方法来识别环境中真实的发射信号目标。首先,在环境参数未知的情况下,通过迭代计算,使用最大似然估计信号源的发射功率、环境损耗系数等未知参数。然后以最小均方误差为判别依据,最终判别信号源。仿真实验表明算法具有准确度高、计算成本小等特点。(2)提出了一种基于无人机视觉和无线信号的融合定位方法,并为优化信号源定位精度,给出了一种多无人机路径规划方法,使用了卡尔曼滤波器以融合信息作为输入,迭代优化估计的位置。同时以最大化费舍尔信息矩阵的行列式值为目标,对无人机的路径进行规划,逐步生成路径点。在无人机路径规划时考虑无人机之间的安全距离、通信距离,躲避障碍物等约束。仿真实验结果表明算法能够有效地规划路径,相比仅使用单一信号的方式对目标的位置定位准确率更高。(3)设计并实现了一套无人机伪基站检测的系统,包括硬件设备及软件。在该过程中对系统的需求进行了分析,从当前实验的需要以及后续平台的可扩展性需要选择了硬件。编写了各部分的软件,包括HackRF设备读取无线信号数据,无人机机载树莓派的数据传输模块。最后设计了一个实地试验,结果证明了系统工作良好,能正确地识别目标。
基于MIMU的个人室内定位系统研究
这是一篇关于室内定位,MIMU,零速检测,卡尔曼滤波,监测平台的论文, 主要内容为随着室内定位需求的激增,基于室内定位的位置服务要求也逐渐提高。卫星导航系统受制于信号影响,无法很好地应用在室内定位领域。惯性导航系统因其自主性高且成本较低等特点,已成为室内定位领域的热门研究。本文基于惯性导航理论,针对行人定位及人员管理等需求,对基于MIMU(Micro Inertial Measurement Unit,微惯性测量单元)的个人室内定位系统进行了研究。论文首先介绍了惯性导航系统的基础理论,包括坐标系旋转、姿态矩阵求解、速度和位置求解更新,重点对行人航位推算和零速更新辅助捷联惯导解算进行了对比分析。论文分析了零速更新算法,针对零速区间检测,提出了一种基于多条件约束的改进零速检测算法,利用加速度计和陀螺仪数据、采用逻辑运算进行多条件约束设计,测试结果表明其具有良好的检测性能。为了提高定位精度,详细介绍了卡尔曼滤波原理,并设计了基于零速更新的拓展卡尔曼滤波器。针对解算高度的漂移问题,提出了气压计辅助高度定位的解决方案,利用大气压变化原理进行高度估计,能很好地修正高度漂移问题。论文提出了基于多传感器数据融合的定位算法:基于加速度计和陀螺仪进行了零速更新辅助捷联惯导解算,基于气压计进行了高度辅助定位,实现了系统整体算法设计。最终通过平面行走、高度方向、三维场景三方面多场景进行了试验分析,结果表明,该算法实现了较高精度的室内定位。然后,针对系统硬件需求,设计了一款室内定位硬件平台,通过模块选型和电路设计完成硬件原理图和PCB设计,加工、焊接后得到硬件实物。硬件功能测试表明,该硬件平台满足系统需求,具有实用性。最后,基于LabVIEW软件,开发了一款用于室内实时定位的监测平台。基于虚拟仪器技术,联合数据库开发和定位算法调用,采用模块化设计思想进行了平台的各个模块设计,完成了监测平台整体开发。系统静态试验和系统动态试验结果表明,监测平台运行稳定可靠,室内定位系统实现了有效可靠的室内实时定位,满足室内定位需求。
基于物联网的城市地下综合管廊智能监控报警系统研究
这是一篇关于城市地下综合管廊,卡尔曼滤波,ARIMA模型,监控,预警的论文, 主要内容为在当今社会,随着经济的高速发展,城市发展步伐越来越快,城市安全也越来越重要。同时,我国城市综合管廊工程的陆续实施,使得我国城市的治安管理体系正在逐步健全。综合管廊因其内部管道众多、封闭、错综复杂,从而防止管道爆炸、火灾等不安全事件的发生也越发关键。通过对综合管廊的内部环境进行监测和分析,设计了一套以物联网为基础的智能化监测和预警控制体系。本文对我国城市综合管廊的研究状况进行了深入的分析,发现了综合管廊内部存在发生火灾,有害气体泄露等问题,为了较好的解决以上问题,从以下几个方面进行改进:(1)提出了一种基于互联网技术的城市综合管廊的智能化监测和预警控制体系。该体系具有三个层次的分布架构,首先,采用STM32F103RCT6作为主要的开发板,进行了系统的硬件设计。其次,系统的基本功能由数据采集电路、CAN总线通讯、以太网通讯、TFT-LCD显示器、SDIO存储器等组成。以硬件为基础,实现了底层计算机的软件设计。最后,将μC/OS-II系统进行了移植,并实现了系统的软件开发、数据的处理、实时存储等功能。(2)利用MCGS配置程序,实现了对系统的远程控制、实时监测及预警。(3)应用回归预测、卡尔曼滤波、ARIMA模型等算法,实现了综合管廊内易燃气体的浓度预报。在此基础上,利用python语言将卡尔曼滤波和ARIMA模型进行了相关对比分析,结果表明,ARIMA模型具有良好的精度和准确性。(4)通过整体设计和软件、硬件的设计及调试,可以对整个综合走廊进行监测和预警,达到预定目标,保证管廊内部的安全性。
本文内容包括但不限于文字、数据、图表及超链接等)均来源于该信息及资料的相关主题。发布者:代码工坊 ,原文地址:https://m.bishedaima.com/lunwen/46514.html