高精度巡檢系統(tǒng)壓力傳感器標校及目標跟蹤算法研究.pdf

1、要害區(qū)域高精度巡檢系統(tǒng)不但可以實現(xiàn)要害區(qū)域內管路壓力數(shù)據(jù)的高精度監(jiān)測，為測控設備提供必要的提示信息，而且能夠在要害區(qū)域內對巡檢人員進行精確定位并實時跟蹤其巡檢路線，通過智能行為分析為巡檢人員提供更高級別的人身安全防護。本論文對要害區(qū)域高精度巡檢系統(tǒng)中所涉及的探測技術、數(shù)據(jù)采集技術及算法進行了深入研究，同時還設計了一套用于特殊環(huán)境下的視頻采集和傳輸系統(tǒng)。
　　針對要害區(qū)域高精度巡檢系統(tǒng)中管路壓力數(shù)據(jù)采集模塊的設計要求，選擇了一款滿足

2、應用需求的壓力傳感器。根據(jù)其輸入輸出特性曲線，建立了非線性誤差校正模型，提出了一種高精度的非線性誤差校正算法。該算法不同于常規(guī)的BP(error Back Propagation，誤差反向傳播)和RBF(Radius Basis Function，徑向基函數(shù))，其先通過RBF網(wǎng)絡得到某一溫度下輸入輸出特性曲線的斜率和截距，然后描述出電壓-壓力曲線。仿真對比實驗顯示：本算法具有較快的收斂速率、較強的魯棒性和極小的SSE(Sum of Sq

3、uares for Error，誤差平方和)。實際應用結果表明：應用該算法的標校系統(tǒng)的測量精度優(yōu)于0.1％。
　　為有效對要害區(qū)域內的強機動和弱機動運動行為進行三維空間定位和運動軌跡實時跟蹤，我們提出了一種改進的CAUKF(Current statistical model based Adaptive Unscented Kalman Filter，基于“當前”統(tǒng)計模型的自適應不敏卡爾曼濾波)算法，其可用于封閉環(huán)境并能夠對機動目

4、標進行精確定位和實時跟蹤。為了引入卡爾曼濾波器，先將RSSI(Received Signal Strength Indication，接收信號強度指示)值帶入測量方程，即可獲得狀態(tài)空間模型。根據(jù)一種基于路徑損耗模型的可用于機動目標跟蹤的“當前”統(tǒng)計模型，提出了改進的自適應UKF算法。通過引入一種改進的Sage-Husa估計器的新穎思想，使過程噪聲協(xié)方差Q(k)具有了較好的自適應性。通過模糊控制思想的引入，提出了改進的模糊自適應 UKF算

5、法用于估計觀測噪聲協(xié)方差 R(k)。通過與其他算法的仿真對比實驗，研究了該算法的定位精度和運動軌跡實時跟蹤能力。
　　根據(jù)巡檢系統(tǒng)應用現(xiàn)場的環(huán)境特點和使用需求，設計了一套能夠在高溫、強輻照環(huán)境下使用的視頻采集和傳輸系統(tǒng)。通過與市場上成熟商業(yè)產(chǎn)品的對比實驗，研究了所設計系統(tǒng)的環(huán)境適應能力。通過圖像增強對比實驗，研究了輔助一定的圖像增強手段來提高視頻圖像清晰度的必要性并驗證了圖像增強功能的有效性。
　　最后，本論文提出了要害區(qū)域