基于卡尔曼滤波的交叉口动态O-D反推模型与算法

交叉口各进出口道之间的实时转向交通量是信号控制系统重要的输入数据,也是难以获得的数据.针对已有模型收敛速度较慢、无法满足实际系统应用需要的问题,提出了基于卡尔曼滤波的状态空间模型,设计了顺序卡尔曼滤波进行求解,并采用裁切和标准化对反推结果进行了修正.实例研究表明,模型和算法具有较高的效率和准确性,能够为实时自适应信号控制系统的开发提供支持.     

GPS动态定位中自适应卡尔曼滤波模型的建立及其算法研究

采用描述机动载体运动的“当前”统计模型，建立了一种新的ＧＰＳ动态定位自适应卡尔曼滤波模型。为了进一步提高滤波器的动态性能，提出一种改进的自适应滤波算法，大大提高了ＧＰＳ动态定位卡尔曼滤波器的跟踪能力，改善了滤波效果。计算机仿真结果验证了该算法的有效性。     

现代船舶动力定位系统设计

围绕现代动力定位系统的设计问题,讨论系统的构建、数学建模、控制器设计和推力器的推力分配,重点给出了基于扩展Kalman滤波的动力定位LQG控制器设计算法。     

结构水下爆炸响应的恢复与冲击谱计算

由于传感器受高强度冲击作用,实测的结构水下爆炸响应信号可能偏离正常特征,为进一步分析响应信号带来困难.文中针对实测加速度信号的噪声特征,对信号采用SVD及ARMA滤波处理,先恢复真实的响应信号,然后在此基础上,给出正确的冲击谱计算结果.计算结果说明了SVD结合无相差滤波能够准确分离具有阶跃特征的低频噪声信号,对低频段的冲击响应谱计算精度有利.     

一种低信噪比环境下的基音检测方法

噪声是低信噪比环境下影响基音检测准确率的主要因素之一,为此提出一种基于形态学滤波和小波变换相结合的基音检测方法。该方法首先用形态学滤波器滤除噪声,突出基音。然后在小波域利用Teager能量算子区分清、浊音,通过浊音小波系数模的极大值提取基音。实验结果表明,在信噪比较小时该方法也能准确地检测出语音信号的基音,与传统的基音检测方法相比,该方法有较强的抗噪性。     

基于LMS自适应滤波的模糊控制主动悬架研究

以车辆操纵稳定性及行驶平顺性为控制目标，根据路面一车辆系统的特点，提出一种在线可调整的模糊控制算法，利用LMS自适应模块调整模糊控制器的自调整因子，改善单一模糊控制算法对专家先期经验的依赖。针对简化的车辆模型，以路面信号作为激励源，进行悬架系统的振动控制研究，结果表明提出的算法对车辆悬架系统的振动控制具有较好的适应性。     

基于DSP的船舶电力推进系统滤波装置控制器设计

小型船舶电力系统中非线性负载多、谐波污染严重.针对这一情况,本文设计一款基于DSP的电力系统滤波装置控制器,该控制器结构简单,稳定性好,实验证明该控制器能有效降低谐波污染,具有一定实用价值.     

面向智能船舶的容错卡尔曼融合估计方法

针对智能船舶多传感器系统因未知海洋环境干扰和设备间干扰等因素导致的一个或数个传感器产生随机间歇性故障从而导致融合估计结果出现偏差甚至失真的问题,设计1种基于四分位滤波的容错方法,并针对该方法导致的观测时滞问题设计1种预报方法,提前预报观测值,进而抵消容错方法导致的时滞问题。此外,针对多传感器之间的互协方差难以准确估计的问题,采用CI融合估计方法进行融合估计。为验证算法的有效性和融合估计的精度,对带有间歇性故障的两传感器系统进行仿真试验,并与按矩阵、按对角阵和按标量3种分布式融合估计方法得到的结果进行对比。4种方法的均方误差系数大小对比结果显示,对于带间歇性故障的多传感器系统,设计的融合滤波不仅具有鲁棒性,而且具有较高的融合精度。     

Dynamic demand estimation and prediction for traffic urban networks adopting new data sources

Nowadays, new mobility information can be derived from advanced traffic surveillance systems that collect updated traffic measurements, both in fixed locations and over specific corridors or paths. Such recent technological developments point to challenging and promising opportunities that academics and practitioners have only partially explored so far.The paper looks at some of these opportunities within the Dynamic Demand Estimation problem (DDEP). At first, data heterogeneity, accounting for different sets of data providing a wide spatial coverage, has been investigated for the benefit of off-line demand estimation. In an attempt to mimic the current urban networks monitoring, examples of complex real case applications are being reported where route travel times and route choice probabilities from probe vehicles are exploited together with common link traffic measurements.Subsequently, on-line detection of non-recurrent conditions is being recorded, adopting a sequential approach based on an extension of the Kalman Filter theory called Local Ensemble Transformed Kalman Filter (LETKF).Both the off-line and the on-line investigations adopt a simulation approach capable of capturing the highly nonlinear dependence between the travel demand and the traffic measurements through the use of dynamic traffic assignment models. Consequently, the possibility of using collected traffic information is enhanced, thus overcoming most of the limitations of current DDEP approaches found in the literature.     

基于小波和粒子群算法的HEV行驶状况辨识方法研究

针对混合动力汽车(HEV)行驶状况(道路坡度和整车载荷)变化难以有效识别,导致驱动系统控制策略不能有效满足驾驶员意图问题,以混联式HEV为研究对象,提出了基于小波滤波和粒子群算法的HEV行驶状况辨识方法。首先建立了汽车行驶状况辨识模型,采用最小二乘法确立了优化目标函数,其次研究了基于小波滤波和粒子群算法的HEV行驶状况辨识原理,最后进行了行驶状况粒子群智能算法辨识试验。在采集实车数据的基础上,对实车数据进行小波滤波,并运用行驶状况辨识方法对道路坡度和整车载荷进行了辨识,并对辨识结果进行小波滤波,结果表明,试验工况下整车载荷辨识的相对误差绝对平均值为2.71%,道路坡度辨识的相对误差绝对平均值为3.85%,验证了所提出方法的有效性。