多传感器融合技术在船舶液位监测中的应用

目前国内外许多船舶采用了液位监控系统,极大地提高了船舶的自动化程度。为了保证液位监测的准确性与可靠性,针对环境干扰易导致液位测量结果出现偏差的问题,构建新的液位监控系统,对液位测量的精度进行分析和改进。考虑液位监控系统中存在一步随机时滞的情况,对传感器测量液位的过程进行数学建模,基于卡尔曼滤波和矩阵加权融合算法,提出一种新的多传感器融合算法。通过仿真实验,表明多传感器滤波融合算法能够使液位测量更精确、更稳定,且易于故障监测和分离。     

基于多传感器鲁棒容积卡尔曼融合的半潜式起重平台立柱快速压载舱液位估计

在半潜式起重平台立柱快速压载舱的液位测量过程中，由于可能存在传感器故障和外界干扰等因素，从而产生观察野值并导致系统输出的可靠性降低。针对此问题，本文提出一种基于多传感器鲁棒容积卡尔曼融合（Multi-Sensor Robust Cubature Kalman Fusion,MSRCKF）的液位估计算法。借鉴Huber等价权函数的思想，引入一个自适应因子以抑制观测野值对容积卡尔曼滤波的影响，再通过基于扩展信息滤波的矩阵变换推导出近似等效于集中式融合的MSRCKF算法。仿真结果表明，MSRCKF算法可以在单传感器发生故障的情况下有效地提高液位测量系统估计值的可靠性和稳定性。     

改进区间Kalman滤波器及其在船舶组合导航中的应用

具有执行简便和高精度优点的测量值融合技术已经在船舶组合导航中得到了广泛应用。但由于船舶组合导航系统中各子系统模型参数的不确定性,传统的多传感器数据融合算法状态估计精度难以保证,因此提出了一种多传感器数据融合的改进算法。该改进算法不仅具有常规区间Kalman滤波器的鲁棒性,而且实用性较强。其具有如下特点：将所有系统不确定性和观测不确定性等效为系统噪声和观测噪声的不确定性,简化了系统模型;采用一种较为简单的区间矩阵综合求逆方案;利用时变马尔可夫模型在线调整滤波输出加权系数。仿真结果表明：该改进算法的状态估计精度较高。     

基于模型库的船舰组合导航信息融合算法

在船舰组合导航系统中,由于各导航传感器自身物理特性、工作原理的差异,无法同步获得船舰目标的观测信息,因此船舰组合导航问题实质上是一类典型的异步融合估计问题.然而,现有的异步融合估计算法无法兼顾滤波精度的最优性以及滤波过程的实时性.为此,针对舰船稳态运行过程中的线性平稳过程,提出利用模型库设计一种船舰组合导航信息融合的新算法.仿真实验验证了所提方法的有效性,能同时满足实时性和最优性的要求,并且简捷,易于实现.     

多航向传感器信息融合与容错联邦卡尔曼滤波器在舰艇综合导航系统中的应用

不同的航向确定方法呈现不同的误差特性,通过多航向传感器的信息融合能够获得更稳定、准确的航向测量。本文提出了一种包含多个航向传感器数据融合和故障容错联邦卡尔曼滤波器的组合导航方法。该方法能够实现多个航向传感器的数据融合,同时还能实现传感器的在线故障检测和实时容错。首先基于输出误差协方差的权值法对航向测量进行最优融合,然后基于状态卡方和残差卡方设计了一个容错联邦卡尔曼滤波器,该滤波器能够检测并隔离故障的航向传感器。实测数据试验表明,该方法能够达到预期的舰艇组合导航系统的故障容错性能。     

基于UT变换改进多模型滤波的水下航行器导航方法

为了提高水下航行器组合导航系统的精度,针对滤波算法存在较大的截断误差和累积误差等问题,提出了一种基于无迹变换改进多模型滤波算法,并利用辅助信息对估计结果进行修正。首先通过无迹变换产生Sigma点对非线性测量方程进行近似,构造伪观测量进行偏差估计,然后利用基于加权因子的辅助信息融合算法,消除累积误差,进一步提高系统估计精度,最后给出算法的实现过程。仿真结果表明:与常规的多模型滤波算法相比,本文方法提高了估计精度。     

基于强跟踪滤波器的多传感器非线性动态系统状态容错融合估计

将强跟踪滤波理论与多传感器数据融合估计方法相结合，提出基于强跟踪滤波器的多传感器数据融合估计新算法。对拥用相同采样的分布式多传感器单模型非线性动态系统，应用强跟踪滤波器，得到目标状态基于全局信息融合估计结果，并利用计算机仿结果对算法的有效性进行了验证。这些工作初步解决了Kalman滤波中由于模型的不确定性而造成估计误差值偏大情况下的状态融合估计问题，从而丰富和发展了多源信息融合理论。     

UKF和PF融合算法在动力定位船舶状态估计中的应用研究

针对船舶动力定位状态估计时使用扩展卡尔曼滤波导致模型失配而产生滤波精度不高甚至滤波发散的问题,设计一种融合无迹卡尔曼滤波和粒子滤波的动力定位船舶状态估计算法。该算法以粒子滤波作为整体框架,运用无迹卡尔曼滤波对粒子状态的每次更新进行最优化估计,从而最优化了每个粒子的状态,再根据每个粒子的重要性分布,得出船舶复合运动中的低频状态。Matlab仿真结果表明,该方法能够从含有高频和噪声干扰的测量信息中估计出的船舶低频运动状态,相比于直接使用UKF,该方法的滤波精度更高,滤波性能也比较稳定。     

UKF和PF融合算法在动力定位船舶状态估计中的应用研究

针对船舶动力定位状态估计时使用扩展卡尔曼滤波导致模型失配而产生滤波精度不高甚至滤波发散的问题,设计一种融合无迹卡尔曼滤波和粒子滤波的动力定位船舶状态估计算法.该算法以粒子滤波作为整体框架,运用无迹卡尔曼滤波对粒子状态的每次更新进行最优化估计,从而最优化了每个粒子的状态,再根据每个粒子的重要性分布,得出船舶复合运动中的低频状态.Matlab仿真结果表明,该方法能够从含有高频和噪声干扰的测量信息中估计出的船舶低频运动状态,相比于直接使用UKF,该方法的滤波精度更高,滤波性能也比较稳定.     

H∞滤波及数据融合在目标跟踪中的应用

为了解决在强干扰下的目标跟踪问题,本文基于H∞滤波和数据融合的思想提出一个多传感器跟踪算法.与卡尔曼滤波算法相比,本文提出的方法具有较高的滤波精度和较强的鲁棒性.最后的仿真表明了该算法的优良性能.     

基于多传感器递推总体最小二乘融合的水下机器人动力学模型参数辨识

对于水下机器人动力学模型辨识问题,如果其观测方程的系数矩阵包含随机扰动,则其最小二乘估计一般是有偏的。为此,该文提出一种基于多传感器递推总体最小二乘融合的水下机器人动力学模型辨识算法(RTLS_F)。首先,给出了集中式总体最小二乘融合的算法;然后,在总体最小二乘框架下,推导出多传感器递推融合估计算法。通过仿真实验对RTLS_F与其它水下机器人动力学参数辨识算法进行了比较。实验结果表明,在系数矩阵和观测向量都含有误差的情况下,最小二乘融合是有偏估计且难以提高估计精度,而RTLS_F算法可以有效改善参数辨识性能。     

Application of the fault diagnosis strategy based on hierarchical information fusion in motors fault diagnosis

1Introduction Withthedevelopmentofequipmentinsize,complexity andsystematization,ithasdrawnwideattentionof scholarsathomeandabroadtointroducetheinforma tionfusiontheoryintothefieldoffaultdiagnosis.Neu ralnetworktechnology[1,10]isconsideredpracticaland effe…     

基于采样的非线性滤波算法比较

在处理目标跟踪等动态系统实时估计问题中,通常采用EKF作为状态估计方法提高估计精度。由于EKF进行非线性估计存在一些缺陷,将系统进行线性化近似存在估计误差,从而影响目标跟踪的精度。为了获得更高的估计精度,介绍了几种非线性滤波算法,包括unscented卡尔曼滤波算法、简单粒子滤波算法以及无味粒子滤波算法（UPF）。分析了这几种算法的原理和实现,对各种算法的适应性进行了比较。通过目标跟踪仿真实验,表明UKF、PF较EKF估计精度和收敛速度有所提高。     

基于信息论准则的信源数估计改进算法研究

MDL准则和AIC准则是基于信息论准则的信号源数目估计算法。针对其只适用于白噪声背景而不适用于色噪声背景的限制提出了两点改进,首先根据信号协方差矩阵特征值大小分布特点提出一种减小色噪声背景下信号协方差矩阵噪声特征值发散程度的特征值校正算法。该算法可以明显改善色噪声背景下噪声特征值的特性,使其接近白噪声条件下特征值的特性,利用校正后的特征值,MDL准则和AIC准则可以进行色噪声背景下的信源数目估计。然后为了提高检测精度,采用了基于MDL准则和AIC准则函数比值的估计方法。理论分析和仿真结果表明,改进后的MDL准则和AIC准则可以有效估计色噪声背景下的信号源数目,并且性能优于适用于色噪声背景的盖尔圆算法。     

面向目标跟踪的传感器调度方法

针对传感器网络对目标的跟踪问题,提出一种传感器优化调度方法。该方法以传感器使用成本和允许激活的最大传感器数量为约束条件,把最小化目标位置误差作为优化目标,运用二进制凸规划技术对优化调度问题进行建模,采取逼近算法迭代求解规划模型。蒙特卡罗实验表明,对于节点数目小于70的传感器网络,优化调度方案可以获得高精度的目标跟踪结果。     

A new source number estimation method based on the beam eigenvalue

Most source number estimation methods based on the eigenvalues are decomposed by covariance matrix in MUSIC algorithm. To develop the source number estimation method which has lower signal to noise ratio and is suitable to both correlated and uncorrelated impinging signals, a new source number estimation method called beam eigenvalue method (BEM) is proposed in this paper. Through analyzing the space power spectrum and the correlation of the line array, the covariance matrix is constructed in a new way, which is decided by the line array shape when the signal frequency is given. Both of the theory analysis and the simulation results show that the BEM method can estimate the source number for correlated signals and can be more effective at lower signal to noise ratios than the normal source number estimation methods.     

基于改进的联邦UKF无人艇组合导航系统设计

针对无人艇在高海况下长航时,大幅度作业滤波精度较低的问题,提出一种基于联邦结构的无迹卡尔曼滤波（Unscented Kalman Filtering,UKF）算法,将其应用于自主研制的无人艇组合导航系统中。建立系统误差方程和量测方程;引入渐消因子、基于量测值与预测量测值差值的可变因子和自适应最优信息分配因子对联邦UKF算法进行改进,保持信息的强跟踪特性和组合导航系统的信息融合精度,得到全局最优估计值。 开展湖试试验,验证该组合导航系统的有效性,结果表明该系统实时性、稳定性好,抗干扰能力强,能有效提高导航精度。该方法不仅能为无人艇作业提供安全保障,而且可供其他组合导航系统设计参考。     

基于异类传感器的数据融合系统

运用各种有源和无源探测设备在内的异类多传感器集成提供多种观测数据,同时通过不同传感器之间的关联来提高数据精度,可以得到关于目标的更多特征信息,从而为身份识别、态势估计提供更多的依据.基于异类传感器的数据融合系统实现了雷达、ESM等异类传感器的数据关联与融合.仿真结果表明:系统能提供更高精度的数据,获得目标的更多特征信息,并可对目标实施有效识别.     

基于神经网络的磁性目标磁矩反演方法

针对磁性目标定位中的磁矩反演问题,提出一种基于神经网络的磁矩反演技术。首先,基于最小二乘原理,建立了磁性目标磁矩反演模型;其次采用Hopfield网络进行了优化求解,并针对模型求解过程中鲁棒性差的弊端,对网络进化策略进行了自适应修正;最后设计了仿真实验对其有效性进行了检验,仿真结果表明利用修正后的网络求解磁矩反演问题结果令人满意,具有一定的实用性。     

船舶机械振动源激励力的间接估计工程方法

船舶机械设备输出到船体上的激励力对船舶结构振动预报有着重要意义,文章讨论了两种间接估算激励力的方法,目的是希望在工程现场应用这些工程方法取代激励力的直接测量.对刚性安装的机器推荐采用最小二乘方法,该方法是基于支撑结构的加速度导纳特性进行估算.对弹性安装的机器而言,推荐采用基于隔振器阻抗特性的激励力间接估算方法.力的估算是逆问题,文中采用奇异值分解技术来处理会遇到的病态问题,从而尽量降低估算误差.文中还对估算的准确度、估算质量评价等进行了讨论.条件数的倒数在最小二乘法响应点的选取时可作为优选的先验判据,归一化残差可作为估算质量的后验判据.实验证明了间接估算方法是确定船舶机械激励力的恰当选择,实验结果的最小二乘法相对误差为3分贝.测试中的信噪比被认为在力估算过程中有重要影响,低信噪比很可能是实际测试时的首要误差来源.该文也可用于指导船舶振动源特性描述的研究.