详情

原文传递高精度巡检系统压力传感器标校及目标跟踪算法研究

论文题名：	高精度巡检系统压力传感器标校及目标跟踪算法研究
关键词：	管路压力;区域巡检系统;压力传感器;非线性误差校正;目标跟踪算法
摘要：	要害区域高精度巡检系统不但可以实现要害区域内管路压力数据的高精度监测，为测控设备提供必要的提示信息，而且能够在要害区域内对巡检人员进行精确定位并实时跟踪其巡检路线，通过智能行为分析为巡检人员提供更高级别的人身安全防护。本论文对要害区域高精度巡检系统中所涉及的探测技术、数据采集技术及算法进行了深入研究，同时还设计了一套用于特殊环境下的视频采集和传输系统。　　针对要害区域高精度巡检系统中管路压力数据采集模块的设计要求，选择了一款满足应用需求的压力传感器。根据其输入输出特性曲线，建立了非线性误差校正模型，提出了一种高精度的非线性误差校正算法。该算法不同于常规的BP(error Back Propagation，误差反向传播)和RBF(Radius Basis Function，径向基函数)，其先通过RBF网络得到某一温度下输入输出特性曲线的斜率和截距，然后描述出电压-压力曲线。仿真对比实验显示：本算法具有较快的收敛速率、较强的鲁棒性和极小的SSE(Sum of Squares for Error，误差平方和)。实际应用结果表明：应用该算法的标校系统的测量精度优于0.1％。　　为有效对要害区域内的强机动和弱机动运动行为进行三维空间定位和运动轨迹实时跟踪，我们提出了一种改进的CAUKF(Current statistical model based Adaptive Unscented Kalman Filter，基于“当前”统计模型的自适应不敏卡尔曼滤波)算法，其可用于封闭环境并能够对机动目标进行精确定位和实时跟踪。为了引入卡尔曼滤波器，先将RSSI(Received Signal Strength Indication，接收信号强度指示)值带入测量方程，即可获得状态空间模型。根据一种基于路径损耗模型的可用于机动目标跟踪的“当前”统计模型，提出了改进的自适应UKF算法。通过引入一种改进的Sage-Husa估计器的新颖思想，使过程噪声协方差Q(k)具有了较好的自适应性。通过模糊控制思想的引入，提出了改进的模糊自适应 UKF算法用于估计观测噪声协方差 R(k)。通过与其他算法的仿真对比实验，研究了该算法的定位精度和运动轨迹实时跟踪能力。　　根据巡检系统应用现场的环境特点和使用需求，设计了一套能够在高温、强辐照环境下使用的视频采集和传输系统。通过与市场上成熟商业产品的对比实验，研究了所设计系统的环境适应能力。通过图像增强对比实验，研究了辅助一定的图像增强手段来提高视频图像清晰度的必要性并验证了图像增强功能的有效性。　　最后，本论文提出了要害区域高精度巡检系统的总体架构，阐述了系统的工作原理。根据系统设计要求，完成了其他硬件模块的设计。随后介绍了巡检系统的软件结构，详细阐述了前端模块所用的核心算法。在介绍了模拟场地实验方案后，分别进行了压力传感器非线性误差校正实验、封闭环境中目标定位和运动轨迹实时跟踪实验，温度采集实验以及无线视频采集与显示实验，并给出了相应的实验结果。实验结果很好地验证了实验方案的合理性以及本论文所提出的算法的有效性和可靠性。
作者：	彭晓钧
专业：	光电信息工程
导师：	杨坤涛
授予学位：	博士
授予学位单位：	华中科技大学
学位年度：	2015
正文语种：	中文