锡膏印刷作为表面贴装技术(Surface Mount Technology,SMT)工艺流程的第一道工序,也是SMT质量的基础。针对平台纠偏定位精度不高而导致印刷后PCB锡膏偏移的问题,从全自动锡膏印刷机并联平台的结构分析出发,根据其运动特性,建立平台的运...锡膏印刷作为表面贴装技术(Surface Mount Technology,SMT)工艺流程的第一道工序,也是SMT质量的基础。针对平台纠偏定位精度不高而导致印刷后PCB锡膏偏移的问题,从全自动锡膏印刷机并联平台的结构分析出发,根据其运动特性,建立平台的运动分析模型,结合最小二乘法原理,给出了一种定位速度快、精度高的定位算法。实验与应用中,通过机器视觉系统获取PCB与钢网上Mark坐标差值,经该算法定位后结合误差理论分析定位误差。结果表明,该算法可一次性完成纠偏,不仅节省了平台机械定位时间,而且有效避免了并联平台分步运动时的耦合误差,平台重复定位精度稳定在±10μm、±0.005°以内。展开更多
针对单系统在遮挡环境下可见卫星数较少、历元利用率低、定位稳定性、定位可靠性和定位精度较差的问题,首先,利用间接平差法对BDS/GPS/GLONASS/Galileo组合观测方程进行求解;然后,运用最小二乘法原理求解待估参数,最终解算出测站点坐标...针对单系统在遮挡环境下可见卫星数较少、历元利用率低、定位稳定性、定位可靠性和定位精度较差的问题,首先,利用间接平差法对BDS/GPS/GLONASS/Galileo组合观测方程进行求解;然后,运用最小二乘法原理求解待估参数,最终解算出测站点坐标。采用MGEX站部分测站的数据对不同截止高度角下(7°、15°、20°、30°、40°、45°)不同模式GPS、GPS+Galileo、GPS+GLONASS、BDS+GLONASS+Galileo、GPS+BDS、GPS+GLONASS+BDS、GPS+GLONASS+BDS+Galileo的单点定位(single point positioning,SPP)进行解算和数据处理。结果表明,在截止高度角为45°时,点位离散程度变差,但相比其他模式特别是GPS单系统,GPS+GLONASS+BDS+Galileo组合稳定性和可靠性都较好;GPS单系统历元利用率较低,全天不足1/3,然而GPS+BDS、GPS+GLONASS+BDS、GPS+GLONASS+BDS+Galileo组合历元仍然全天可用,GPS部分历元精度优于GPS+GLONASS+BDS和GPS+GLONASS+BDS+Galileo组合,但整体定位性能较差。GRCE组合在全天历元可用和实现单点定位前提下,整体定位性能优于其他模式。展开更多
针对动态室内环境的变化及时变的接收信号强度(Received signal strength,RSS)对定位精度的影响,提出了一类基于核自适应滤波算法的农业无线传感器网络室内定位方法。核自适应滤波算法具体包括量化核最小均方(Quantized kernel least me...针对动态室内环境的变化及时变的接收信号强度(Received signal strength,RSS)对定位精度的影响,提出了一类基于核自适应滤波算法的农业无线传感器网络室内定位方法。核自适应滤波算法具体包括量化核最小均方(Quantized kernel least mean square,QKLMS)算法及固定预算(Fixed-budget,FB)核递推最小二乘(Kernel recursive least-squares,KRLS)算法。QKLMS算法基于一种简单在线矢量量化方法替代稀疏化,抑制核自适应滤波中径向基函数结构的增长。FB-KRLS算法是一种固定内存预算的在线学习方法,与以往的"滑窗"技术不同,每次时间更新时并不"修剪"最旧的数据,而是旨在"修剪"最无用的数据,从而抑制核矩阵的不断增长。通过构建RSS指纹信息与物理位置之间的非线性映射关系,核自适应滤波算法实现WSN的室内定位,将所提出的算法应用于仿真与物理环境下的不同实例中,在同等条件下,还与其他核学习算法、极限学习机(Extreme learning machine,ELM)等定位算法进行比较。仿真实验中2种算法在3种情形下的平均定位误差分别为0.746、0.443 m,物理实验中2种算法在2种情形下的平均定位误差分别为0.547、0.282 m。实验结果表明,所提出的核自适应滤波算法均能提高定位精度,其在线学习能力使得所提出的定位算法能自适应环境动态的变化。展开更多
文摘锡膏印刷作为表面贴装技术(Surface Mount Technology,SMT)工艺流程的第一道工序,也是SMT质量的基础。针对平台纠偏定位精度不高而导致印刷后PCB锡膏偏移的问题,从全自动锡膏印刷机并联平台的结构分析出发,根据其运动特性,建立平台的运动分析模型,结合最小二乘法原理,给出了一种定位速度快、精度高的定位算法。实验与应用中,通过机器视觉系统获取PCB与钢网上Mark坐标差值,经该算法定位后结合误差理论分析定位误差。结果表明,该算法可一次性完成纠偏,不仅节省了平台机械定位时间,而且有效避免了并联平台分步运动时的耦合误差,平台重复定位精度稳定在±10μm、±0.005°以内。
文摘针对单系统在遮挡环境下可见卫星数较少、历元利用率低、定位稳定性、定位可靠性和定位精度较差的问题,首先,利用间接平差法对BDS/GPS/GLONASS/Galileo组合观测方程进行求解;然后,运用最小二乘法原理求解待估参数,最终解算出测站点坐标。采用MGEX站部分测站的数据对不同截止高度角下(7°、15°、20°、30°、40°、45°)不同模式GPS、GPS+Galileo、GPS+GLONASS、BDS+GLONASS+Galileo、GPS+BDS、GPS+GLONASS+BDS、GPS+GLONASS+BDS+Galileo的单点定位(single point positioning,SPP)进行解算和数据处理。结果表明,在截止高度角为45°时,点位离散程度变差,但相比其他模式特别是GPS单系统,GPS+GLONASS+BDS+Galileo组合稳定性和可靠性都较好;GPS单系统历元利用率较低,全天不足1/3,然而GPS+BDS、GPS+GLONASS+BDS、GPS+GLONASS+BDS+Galileo组合历元仍然全天可用,GPS部分历元精度优于GPS+GLONASS+BDS和GPS+GLONASS+BDS+Galileo组合,但整体定位性能较差。GRCE组合在全天历元可用和实现单点定位前提下,整体定位性能优于其他模式。
文摘针对动态室内环境的变化及时变的接收信号强度(Received signal strength,RSS)对定位精度的影响,提出了一类基于核自适应滤波算法的农业无线传感器网络室内定位方法。核自适应滤波算法具体包括量化核最小均方(Quantized kernel least mean square,QKLMS)算法及固定预算(Fixed-budget,FB)核递推最小二乘(Kernel recursive least-squares,KRLS)算法。QKLMS算法基于一种简单在线矢量量化方法替代稀疏化,抑制核自适应滤波中径向基函数结构的增长。FB-KRLS算法是一种固定内存预算的在线学习方法,与以往的"滑窗"技术不同,每次时间更新时并不"修剪"最旧的数据,而是旨在"修剪"最无用的数据,从而抑制核矩阵的不断增长。通过构建RSS指纹信息与物理位置之间的非线性映射关系,核自适应滤波算法实现WSN的室内定位,将所提出的算法应用于仿真与物理环境下的不同实例中,在同等条件下,还与其他核学习算法、极限学习机(Extreme learning machine,ELM)等定位算法进行比较。仿真实验中2种算法在3种情形下的平均定位误差分别为0.746、0.443 m,物理实验中2种算法在2种情形下的平均定位误差分别为0.547、0.282 m。实验结果表明,所提出的核自适应滤波算法均能提高定位精度,其在线学习能力使得所提出的定位算法能自适应环境动态的变化。
