小波去噪的GPS算法在振动变形监测中的应用

随着GPS接收机采样频率的不断提高和单历元解算算法的成熟,GPS已经成为一种新的用于建筑物振动变形监测的工具.但是GPS的精度受到卫星分布状况、大气折射、多路径效应和GPS处理算法等因素的影响,在振动监测中其精度有待于进一步的提高.提出一种利用多路径的周期重复性,并且结合小波去噪来消除GPS测量误差,从而提高其测量精度的新方法,实验证明该方法在振动监测中具有很好的实用性和可靠性.     

一种监测喷雾装备速度的方法与实现

基于最短距离法的原则,设计了一种时间匹配算法用来监测喷雾装备前进的速度.首先,在运动路径中设置匹配点;然后,利用GPS接收机静态采集的匹配点位置信息匹配GPS接收机动态采集的轨迹信息,从而可以得到装有GPS接收机的运动装置在运动过程中经过匹配点的时间;最后,通过实验使用GPS接收机和机器人来修正这一匹配算法,提高了匹配精度.     

基于GNSS的农田平整定位精度优化与试验

基于全球卫星导航系统（Global navigation satellite system, GNSS）农田平整作业中,GNSS定位数据不仅是地形测量和基准面设计的基础,而且在平地作业中实时影响农田平整的精度。针对当前GNSS定位数据误差分析较少,提出一种基于联合滤波算法的GNSS定位数据分析处理方法。分析平地作业过程中GNSS定位数据的误差源,结合多路径效应和随机噪声,提出因地形起伏引起的振动误差校正方法,利用卡尔曼、小波变换联合滤波算法,校正数据误差提高定位精度,农田定位对比试验分析表明,高程定位精度明显提高,平地工作中,GNSS定位实际高度波动范围缩小20%,能够更好的指导农田平整工作。     

基于GPS/SINS组合的农业导航定位系统设计与研究

设计了一种基于全球定位系统GPS和捷联惯性导航系统SINS组合的农业车辆导航定位系统,介绍了该系统的传感器组合及功用,阐述了系统的硬件结构和工作过程。考虑到农用车辆在运动过程中接收到的GPS数据存在较大的定位误差,提出了GPS和SINS联合导航算法,利用SINS提供的姿态信息修正GPS定位数据,提高系统定位的精度。为了准确测量姿态信息,对多传感器集成模块ADIS16355的信息融合处理,确定了基于卡尔曼滤波的融合算法用于测量姿态角。在构建实验平台的基础上进行了试验,结果表明:通过多传感器融合算法可准确测量姿态角,GPS定位误差有效减少,可更真实反映农用车辆的运动状态。     

森林BDS/GPS组合定位算法与精度分析

针对在森林资源调查和监测中需要实现高精度定位和导航的问题,在鹫峰国家森林公园选择以栓皮栎为主要树种的实验区,采用三鼎T-23型多频三星接收机和u-blox NEO-M8T多星座接收模块,对林下观测点进行定位观测,通过系统间时空统一并采用合理的观测值定权方法,利用BDS和GPS观测数据,建立森林BDS/GPS组合定位算法,将算法写入RTKLIB软件,实现森林观测点三维坐标解算(WGS-84坐标系),最后与单一GPS定位结果进行对比分析。实验结果表明,森林BDS/GPS组合定位卫星可见数为15～23颗,远高于单一GPS定位卫星可见数11颗; BDS/GPS组合定位PDOP值介于0. 5～1. 8之间,小于单一GPS定位PDOP值,二者变化趋势较为相近; BDS/GPS组合定位与GPS定位卫星信噪比均为10～50 d B,但由于BDS/GPS组合定位卫星可见数较多,其卫星信号更强,信噪比更为稳定。BDS/GPS组合定位结果在X、Y、Z方向的理论精度分别为2. 603、3. 302、3. 125 m,单一GPS定位结果分别为2. 382、4. 669、4. 344 m; BDS/GPS组合定位结果在X、Y、Z方向的实际精度分别为3. 112、3. 542、4. 073 m,单一GPS定位结果分别为4. 946、5. 254、7. 274 m。     

GPS技术与数据处理在水利工程变形监测中的研究

研究GPS技术与数据处理在水利工程变形监测中的应用。分析了GPS变形监测中误差的来源及影响特征,以及GPS变形监测网与常规控制网的区别,提出了更适用于GPS变形监测网的平差模型,避免了系统误差对变形量的影响;通过稳健估计,实现了2期观测基准的统一,通过GPS周跳探测,提高了观测网的整体精度。     

基于机器视觉传感器技术的玉米深松机械控制系统研究

GPS导航技术在农业机械生产中应用较为广泛，但是GPS抗干扰性能差，智能化水平低。该文旨在开发一种融合先进算法与视觉定位传感器的玉米深松机械控制系统，提出一种机器视觉和GPS数据融合算法，并搭建玉米深松机控制平台。田间试验结果表明，该系统能够有效地提高玉米生产效率和质量，具有较高的实用价值和应用前景。     

发动机振动信号采集系统的设计和实现

介绍了一种新型的车载式发动机振动信号采集系统,深入分析该系统软硬件设计和实现方法。通过采样提高采样精度和稳定性,解决在室外行驶或作业条件下采集发动机信号可靠性和抗干扰性等问题,并以多种工作模式来对发动机振动信号进行实时采集,为以后发动机故障诊断和状态监测打下良好的基础。     

棉秆粉碎刀具磨损状态监测系统设计与试验

针对棉秆粉碎还田过程中刀具磨损严重且缺少故障监测装置导致工作失效的问题,设计了一种搭载在棉秆粉碎还田机上的智能监测系统。系统以STM32单片机为主控制器,应用多种传感器融合技术,基于机器学习算法实现刀具磨损状态监测。为了解决棉秆粉碎刀具磨损非线性特征信号难以提取的问题,提出了一种融合改进蝴蝶优化算法(IBOA)和支持向量机(SVM)的刀具磨损状态监测方法(IBOA-SVM)。该监测方法以粉碎刀辊转速、左侧振动频率、右侧振动频率作为模型输入特征向量,将刀具磨损状态(正常状态、磨损状态、丢刀状态)作为输出。相较于未优化的SVM算法,通过IBOA算法优化SVM算法的参数,刀具磨损状态的识别准确率由95.61%提高至98.83%。为验证IBOA-SVM模型的有效性,在相同参数设置环境下进行多种模型的重复对比试验,试验结果表明：相较于SVM、PSO-SVM、WOA-SVM、BOA-SVM和CWBOA-SVM 5种模型,IBOA-SVM模型识别准确率平均值有所提升,单次试验的准确率均维持在较高的水平。将IBOA-SVM模型嵌入到监测系统,并进行田间验证试验,试验结果表明设计的刀具磨损状态监测系统在...     

基于信息融合的拖拉机组合导航定位系统研究

针对拖拉机在田间作业时因地形倾斜、土质硬度不均、连续转弯而导致的定位误差问题,设计了一种基于GABP神经网络算法的多传感器信息融合导航定位系统。该组合导航系统主要由RTK-GPS和IMU组成,融合了GA-BP卡尔曼算法和误差分析,根据多传感器的导航参数,修正拖拉机的定位误差,使拖拉机的行驶轨迹更加平稳。根据基于MK904型拖拉机建立的导航定位系统试验平台,在洛阳孟津一拖产品试验基地得到原始的导航定位信息,在Matlab中进行算法验证。试验结果表明:在拖拉机直线行驶情况下,该组合导航定位系统侧倾角精度提高了0.01 rad;在连续转弯过程中,左倾时侧倾角精度提高了0.02 rad,右倾时侧倾角精度提高了0.04 rad。说明基于GA-BP神经网络卡尔曼算法的组合导航系统能在一定程度上修正因田间地面起伏不定、土质硬度不均、连续转弯而导致的GPS定位误差,使拖拉机的行驶轨迹更加平稳。     

多传感器数据融合的无人机速率估算与定位

为了提高农用无人机速率与位置的估算精度,同时降低无人机制作成本,提出了一种对于农用无人机容易实现的传感器数据融合算法,即通过使用离散型卡尔曼滤波,提高实验对象在三维空间中位置和速率变化的估算精度。由于传统的惯性测量系统存在体积大、造价高等缺点,而廉价的惯性测量传感器又存在较大的飘移,因此结合农用无人机航拍的工作环境采用全球定位系统(GPS)提供位置的测量,由惯性导航系统(INS)给出加速度,并由光流传感器提供速度的测量加以辅助。最终,通过实验验证了该算法的有效性。     

基于蜻蜓算法的甘蔗收获机刀盘振动SVM预测模型

甘蔗收获机切割器刀盘振动是影响甘蔗宿根切割质量的一个关键因素,因此寻找复杂因素对刀盘轴向振动的影响规律并实现对刀盘振动的预测与控制有着至关重要的作用。为解决传统预测方法精度低、参数选取盲目等问题,提出一种基于蜻蜓算法的甘蔗收获机刀盘振动支持向量机预测模型。该方法利用蜻蜓群体寻优的过程实现对支持向量机参数的优化,并将优化后的支持向量机对刀盘振动进行预测。通过Mat Lab进行20次仿真实验,并与BP神经网络预测模型和传统支持向量机预测模型的预测结果进行比较,实验数据表明:基于蜻蜓算法的支持向量机预测模型具有更高的预测精度和泛化能力。结果显示:基于蜻蜓算法优化的支持向量机对刀盘振动预测的拟合率达到了99.99%,有效提高了甘蔗收获机刀盘振动的预测精度,从而表明基于蜻蜓算法优化的支持向量机预测模型对实现甘蔗收获机刀盘振动预测的有效性,为后续甘蔗收获机宿根切割质量的智能化预测及实现对甘蔗收获机减振的结构优化设计提供了有效依据。     

基于BP神经网络的信息融合发动机故障诊断的研究

为了解决发动机喷油器故障诊断中基于单传感器信息的方法诊断精度低的缺点,在神经网络分析的基础上,提出了一种基于气缸压和、缸盖振动信号和燃油压力等多传感器信息融合的喷油器故障诊断新方法。该方法能有效地提高其故障诊断精度,明显增加了诊断过程的准确性和智能化。     

联合收获机喂入量监测系统信号分析与处理

为实现对联合收获机喂入量的准确测量,降低作业环境和机器振动对测量精度的影响,对喂入量监测系统的扭矩信号、转速信号和GPS信号进行了分析与处理方法研究。根据GPS信号格式对其进行了有效信息提取、高斯投影变换和作业参数计算;根据转速脉冲信号计算转速,并对其进行插值;对扭矩信号进行了分析和双阈值滤波,对信号插值方法和降噪方法进行了对比测试。以田间采集喂入量信号为样本,对扭矩信号进行双阈值滤波、插值和降噪,对比了不同插值方法的预测效果和不同滤波方法的降噪效果。结果表明,在样本范围内,分段线性插值和自适应滤波效果优于其他方法,经信号处理后的喂入量测量平均相对误差为12. 5%,在一定程度上能够满足联合收获机喂入量监测的实际需要。     

基于GPS移动节点Ad Hoc网络的准直行走播种机设计

精准农业要求在播种、施肥和收割作业过程中都达到精准控制,要求机具具有高效节能的特点,而准直行走是关键,据此提出了一种基于GPS和移动节点Ad Hoc网络的准直行走播种机设计方法。该方法采用GPS接收器来接受基准偏差,并利用移动节点来组建网络,达到远程通信的目的。其中,准直行走的控制器采用PLC控制器,行走系统使用独立驱动轮,通过转速差来调整方向。对Ad Hoc网络的成功接收率、接收端时延和平均跳数进行了性能检测,结果表明:使用蚁群算法可以有效地提高网络的成功接收率,降低接收端的平均时延和平均跳数,从而提高了移动节点路由链路的稳定性。对播种机进行了准直行走精度实验,结果表明:播种机的准直行走精度较高,有效提高了播种机的工作效率,准直行走精度也能够满足精准农业对准直精度的要求。     

精细农业中非差GPS信号处理探讨

为了满足精细农业高精度、低成本的GPS定位导航应用,在对自适应卡尔曼滤波器分析的基础上,参考测量学中的数据处理方法,提出了一种带修正因子的改进卡尔曼滤波算法。实验结果表明,该算法运算量小,比普通的卡尔曼滤波算法的动态性能好,可显著提高精细农业中非差GPS导航系统的定位精度。     

融合GA与SVR算法的小麦条锈病特征优选与模型构建

为提高小麦条锈病遥感监测精度,综合利用反射率光谱在作物生化参数探测方面的优势和叶绿素荧光在光合生理诊断方面的优势,构建了冠层日光诱导叶绿素荧光(Solar induced chlorophyll fluorescence,SIF)协同反射率光谱吸收参量的初始特征集合,并基于融合遗传算法(Genetic algorithm,GA)和支持向量回归(Support vector regression,SVR)算法对初始特征集合与SVR参数进行联合优选,确定遥感监测小麦条锈病严重度的敏感因子,建立基于GA-SVR算法的小麦条锈病遥感监测模型,并将其与相关系数(Correlation coefficient,CC)分析法提取特征参量构建的CC-SVR模型精度进行对比。小区试验数据验证结果表明,融合GA和SVR算法优选特征参量构建的GA-SVR模型精度优于CC-SVR模型,3个样本组中GA-SVR模型预测病情指数(Disease index,DI)与实测DI间的决定系数R2比CC-SVR模型至少提高了2.7%,平均提高了17.8%,均方根误差(Root mean square error,RMSE)至少减少了10.1%,平均减少了32.1%。大田调查数据进一步验证了利用GA-SVR算法对小麦条锈病遥感监测的敏感因子进行优选及模型构建能够提高小麦条锈病遥感监测精度,研究结果为实现大面积高精度遥感监测作物健康状况提供了思路。     

基于支持向量机分类模型的奶牛行为识别方法

针对奶牛行为监测耗费人力、监测精度低等问题,以无线传输颈环获得的数据为研究对象,提出了一种基于萤火虫算法优化支持向量机参数的奶牛行为分类方法。该方法利用萤火虫寻优算法优化支持向量机的参数,达到较高的分类精度。实验结果表明,无线传输颈环能够实时采集和传输奶牛颈部活动信息,并能有效区分不同奶牛的进食、反刍、饮水3种行为,适用性有了较大提高,其中,分类精度、灵敏度和准确率平均值分别达到97. 28%、97. 03%、98. 02%。对比常规的支持向量机算法,本文方法对同一奶牛的分类精度、灵敏度、准确率平均值分别提高了13. 39、28. 2、18. 8个百分点;不同奶牛的分类精度、灵敏度、准确率平均值分别提高了0. 74、2. 24、2. 12个百分点。本文研究结果可为奶牛异常行为检测、疾病智能化预警提供技术支持。     

基于改进TLD跟踪算法的生猪视频跟踪

养猪场其本身容易受到大规模感染,大多设置在人烟稀少的地区,传统的人员监管体制存在工作量大、效率低等问题,为实现对生猪的无接触式监管,以猪舍监控视频作为数据来源,提出基于改进TLD跟踪算法的生猪视频跟踪方法。引入SSD网络训练模型对样本进行训练,改进跟踪算法的目标检测部分,将识别结果直接带入跟踪算法,使得检测模块的窗口数量大大降低,并且可以提高检测精度和运算速度。本文提出的改进模型在测试集上,对视频中的生猪进行躺卧、静止不动和正在活动三种行为进行识别,平均准确率分别达94.26%、95.67%、91.36%。相比于传统TLD算法识别成功率和精度分别提高10.7%和6.41%。改进TLD跟踪算法在提高识别精度的同时保证识别效率,可以应用于对全时间段的生猪活跃信息监测,将检测结果作为生猪健康养殖的参考之一。     

农机车载GPS和DR组合导航系统定位方法

为提高农机车载GPS和DR组合导航系统定位的精度,将模糊逻辑和卡尔曼滤波相结合,研究了模糊自适应卡尔曼滤波算法,在线修正系统量测噪声协方差阵.该算法在改装的农机车上进行了试验.试验表明,模糊自适应卡尔曼滤波能抑制异常值对系统定位精度的影响,定位精度较单个GPS高.系统使用模糊自适应卡尔曼滤波后,x方向和y方向平均误差分别为0.13m和0.20m,定位曲线得到了平滑.