四年就奔五十岁了，却整天围着陈延森打转，一口一个陈老师的叫着。
这时，章延杰抱着一台笔记本电脑凑到陈延森的面前问道：“陈老师，您昨天说的扰动补偿算法流程图，我回去想了半宿，有个地方还是没吃透。”
他顿了顿又说：“扩展卡尔曼滤波器在估算外部扰动时，怎么平衡响应速度和估算精度？我按您给的参数做仿真，响应快了，误差就飘到200纳米以上，想把误差压到50纳米以下，响应速度又变慢了，遇上突发的扰动情况，根本来不及补偿。”
陈延森停下脚步，紧盯着屏幕看了几十秒，随即开口说道：“老章，你看这条扰动曲线，外部干扰不是恒定的，比如气浮组件的压力波动，有时候是高频小幅度的，有时候是低频大幅度的。
你之前用的是固定增益的卡尔曼滤波器，自然没法兼顾速度和精度，可以加个自适应增益模块，让滤波器自己判断扰动类型。
高频小扰动时，把增益调大，加快响应；低频大扰动时，降低增益，减少误差。
我昨天做了组仿真，用这个逻辑，响应时间能控制在10毫秒以内，误差能稳定在20纳米以下，你今天试试这组参数。”
章延杰眉心深蹙，过了好一会儿，才拍着大腿喊道：“对啊！我怎么没想到要分扰动类型调整增益！”
有些技术障碍，其实就像一层窗户纸，一捅就破。
可要是没人点拨，说不定就得在门口绕上数月、乃至数年的弯路。
听到动静，周围几个埋头干活的研发工程师也围了过来。
清华自动化系的李拓扑指着图上的模块问道：“这个自适应增益的阈值该如何设定？如果对扰动类型判断失误，会不会反过来影响精度？”
其他几人的脸上，同样带着好奇。
陈延森微微颔首，拉过一把椅子坐下，直接用章延杰的电脑调出了一组实验数据：“可以用前500毫秒的扰动数据做特征提取，比如频率超过100Hz、幅度小于0.5纳米的，归为高频小扰动；
频率低于50Hz、幅度大于1纳米的，归为低频大扰动，中间模糊地带的，用加权算法平衡增益，这样判断准确率能达到98%以上，基本不会出错。”
几名来自清华自动化系的教授听后，眼前一亮，不由地咽了咽口水。
哈工大的几位博士面面相觑，眼中闪过一抹震惊之色。
本章未完，请点击下一页继续阅读！