基于无人集卡的自动化集装箱码头仿真研究

随着汽车自动驾驶技术与港口应用场景的深度融合,自动化集装箱码头装卸工艺系统方案呈现多样性。本文依托无人集卡运输方式,通过建立自动化集装箱码头装卸工艺系统仿真模型,结合码头相关运营模块,从岸桥装卸效率、集卡运输能力、码头整体交通流和闸口通过能力等四个方面进行仿真,以验证装卸工艺方案的合理性。     

基于扩展卡尔曼滤波的潜艇垂直面运动参数估计

潜艇水下航行环境复杂,现有测试技术无法对潜浮速率和纵倾角速度进行精确测量,论文中以潜艇垂直面非线性运动方程为基础,利用扩展卡尔曼滤波原理,得到潜艇垂直面参数的实时估计方法.仿真结果表明,该方法估计的潜浮速率、纵倾角速度有很高的精度.     

基于模型预测扩展卡尔曼滤波的动力定位状态估计

针对传统扩展卡尔曼滤波由于动力定位系统过程噪声不能自适应更新,导致滤波精度下降的问题,提出了一种模型预测扩展卡尔曼滤波算法。该算法通过比较一段时间内的量测值和预测值,估计系统噪声参数,从而实时修正系统过程噪声方差。仿真结果表明,当系统的过程噪声未知的情况下,模型预测扩展卡尔曼滤波的滤波性能明显优于传统扩展卡尔曼滤波。     

基于PSO优化扩展卡尔曼滤波的电机参数估计方法研究

针对传统扩展卡尔曼滤波算法应用于感应电机参数估计时,由固定测量噪声与真实噪声的差值所引起的估计误差问题,提出了一种粒子群优化扩展卡尔曼滤波的感应电机参数估计方法.以粒子群算法对扩展卡尔曼滤波算法中人为设定的固定测量噪声进行迭代寻优,同时引入全局最优变量,避免陷入局部最优,使寻优得到的测量噪声最大程度逼近真实的噪声水平....     

自动化码头内集卡作业调度优化

为了缩短因轨内作业无序导致的岸边集装箱起重机断档时间,从岸边生产组织、调度逻辑、操作界面3个方面提出自动化码头内集卡作业优化方案。实践表明,该优化方案可缩短岸边集装箱起重机轨内作业时间,提高船舶作业效率。     

基于卡尔曼滤波算法的电机转速精确估计

从无刷直流电机入手建立数学模型，利用卡尔曼Kalman（EKF）滤波原理算法，对无刷直流电机的转速进行精确估计，然后在Matlab环境下仿真，验证卡尔曼滤波算法对电机转速估计的精确性。     

基于改进蚁群算法的水面无人艇智能避碰方法研究

针对水面无人艇路径规划中算法搜索能力的不足以及蚁群算法的早熟和停滞现象的问题,本文提出了改进的蚁群算法。具体是：在基本蚁群的基础上,通过增加方向角权值这一参数,来改变选择概率,从而实现智能避碰和优化全局路径。二维路径的matlab仿真实验表明,改进的蚁群算法具有更好的路径规划和适应度值变化。     

基于改进无迹卡尔曼滤波的动力定位系统状态估计

动力定位（DP）船舶状态估计的准确性是影响其在海面上沿期望航迹运行或位置固定的关键因素。在DP状态估计研究中,当遇到观测噪声反常或噪声协方差与算法不符等情况时,无迹卡尔曼滤波（UKF）无法调整算法参数以适应海洋环境的变化,严重影响着状态估计的精度。鉴于此,提出一种基于误差序列协方差估计的自适应UKF,利用观测变量残差更新观测噪声协方差矩阵R。设计基于自适应UKF的状态估计器,对DP船舶纵荡、横荡和艏摇3个重要状态变量进行估计。数值仿真结果表明,提出的自适应UKF能明显降低纵荡、横荡和艏摇3个状态变量的估计误差,状态估计的准确性和滤波平滑性均优于传统UKF算法。     

基于扩展卡尔曼滤波的船舶纵向运动受扰力与力矩的估计

基于递推最小二乘法设计并实现海浪干扰力和干扰力矩的成型波滤器,对有色的次优卡尔曼滤波和扩展卡尔曼滤波(EKF)的效果进行对比.通过引入成型滤波器,采用EKF,提高了状态估计的精度,实现对随机海浪扰动力和力矩的估计.仿真结果表明,通过扩展卡尔曼滤波对海浪扰动力和力矩进行估计是可行的.     

基于扩展卡尔曼滤波的船舶SCR脱硝系统状态估计

如今,选择性催化还原法(SCR)是船舶尾气脱硝的主流方法。为了实现SCR脱硝系统的闭环控制,准确获取系统各个状态变量的值十分重要。但是其中的氨覆盖率θNH3无法直接用传感器测量,即存在不可测的问题。并且,由于受到实际运行时的噪声影响,NH3和NOx浓度传感器的测量值并不精确。考虑到扩展卡尔曼滤波(EKF)算法能减弱噪声、实现状态变量的最优估计,设计了基于3状态SCR脱硝系统模型的EKF状态观测器。为了考察该观测器的性能,在船舶柴油机排气参数剧烈变化的工况下进行仿真试验。结果表明,该EKF观测器的估计值与参考值的吻合度十分良好。     

基于扩展卡尔曼滤波的动态协同定位算法

  目的  针对多自主水下航行器(AUV)上装备的惯性导航系统(INS)和多普勒速度计程仪(DVL)失效或未配备的情况,结合传统的扩展卡尔曼滤波(EKF)估计,提出一种基于双模型的协同定位方法。  方法  建立相对运动模型和双领航状态空间模型,通过水声通信,利用相对运动模型估计跟随AUV的速度信息,再应用双领航模式的多AUV协同定位状态空间模型,进一步提高协同定位系统的鲁棒性和准确性,利用海试数据进行半实物仿真验证。  结果  结果表明,基于双模型的主从式多AUV协同定位方法,能够在跟随AUV上没有INS和DVL的情况下,实时估计跟随AUV的位置。  结论  该方法能够保障协同定位系统定位精度在允许的范围内,降低多AUV协同定位系统的成本。     

基于集员估计理论的神经网络学习算法

针对前馈神经网络BP算法在处理非线性对象时,收敛速度慢,易陷入局部极值,需调节参数多等缺陷,提出了将最优定界椭球(OBE)算法引入到神经网络的学习中,该算法比BP算法在收敛速度,精度方面都有显著提高,仿真结果证明了此算法的有效性。     

基于复数无迹卡尔曼滤波的电力系统频率和谐波估计

针对噪声干扰条件下传统的扩展卡尔曼滤波方法在电力系统频率和谐波估计精度问题,本文提出了基于复数无迹卡尔曼滤波的频率和谐波估计方法.利用欧拉公式,对电力系统信号进行适当变换,获得电力系统信号复数状态空间模型,实现了系统信号频率和谐波估计.为了验证噪声干扰条件下本文方法参数估计有效性,通过在系统信号中增加不同信噪比噪声干扰,分别利用本文方法和通用扩展卡尔曼滤波方法对参数进行估计.结果表明,在噪声干扰条件下,本文方法的估计精度优于通用扩展卡尔曼滤波方法,这表明本文方法更适于强噪声干扰条件下的系统信号频率和谐波估计.     

基于扩展卡尔曼滤波的多传感器目标跟踪

系统所处环境的复杂性使得现在科技对目标跟踪精度的要求越来越高,而且单传感器状态的估计已经无法满足系统感知外部环境的需要。在此,研究了基于扩展卡尔曼滤波的多传感器目标跟踪方法。仿真表明,扩展卡尔曼滤波对于非线性系统跟踪的效果更好。     

海洋船舶的轨迹估计算法

准确估计和预测海洋导航中机动船舶的轨迹是改善海上安全和保安的重要工具。因此,许多常规海洋导航系统和船舶交通管理和报告服务都为此目的配备了雷达设施。然而,船舶操纵轨迹的预测的准确性主要取决于船舶位置,速度和加速度的估计的良好性。因此,本研究提出了一个基于曲线运动模型的机动海洋船只模型,其基于用于相同目的的线性位置模型的测量。此外,还假定与白高斯噪声相关联的系统状态和测量模型。扩展卡尔曼滤波器被提出作为用于估计位置,速度和加速度的自适应滤波器算法,用于预测机动的海洋船舶轨迹。最后,提出的模型被实施,并获得成功的计算结果,在本研究中的海洋导航中的船舶操纵轨迹的预测。     

并行扩展卡尔曼滤波的船舶模型参数辨识研究

随着人类对海洋的开发,对船舶数学模型的要求越来越高。为确定船舶运动模型的未知参数,首先针对船舶特点建立相应的数学模型,并提出一种并行扩展卡尔曼滤波算法,该方法通过一种并行计算使辨识效率更高,之后设计辨识实验,将得到的辨识结果进行仿真,并且与传统扩展卡尔曼辨识的结果进行对比,仿真结果表明改进的算法优于扩展卡尔曼滤波。     

一种基于波形检测的多地磁集卡定位算法

在集装箱码头中,有效获取集卡位置是场地设备自动化调度的基础条件.为有效可靠地获取集卡定位信息,在三轴异向磁阻传感器车辆检测原理基础上,以检测码头集卡作业停车为背景,提出一种基于波形检测的多地磁集卡定位算法.该方法消除固定阈值所带来的累积误差和部分特殊场景的检测错报,同时降低单个地磁检测的误判率.目前,该算法已集成在集卡...     

基于智能预测控制的鱼雷状小型无人艇轨迹跟踪研究

[目的]针对无人艇（USV）在狭窄湖泊、涵洞作业时存在精度保持难和航迹控制难的问题,以自主研制的一款鱼雷状小型USV为对象,提出一种轨迹跟踪智能预测控制方法。[方法]首先,构建自主研制的欠驱动USV非线性状态空间模型;然后,设计智能预测控制器,该控制器基于模型预测控制的设计思想并结合改进的粒子群算法,在线决策、优化每一时刻的性能指标并纠正预测状态;最后,开展仿真和湖试试验测试系统对参考轨迹的跟踪性能,并与线性模型预测控制器的跟踪性能进行比较。[结果]结果表明,所设计的智能预测控制器超调小、抗干扰性好。[结论]所提方法不仅能运用于鱼雷状小型USV跟踪系统,也能对其他USV跟踪系统起到很好的借鉴作用。     

基于混合遗传算法的无人船自动航向控制方法

针对无人船航向控制提出了基于模糊及遗传算法的控制策略。考虑无人船航向控制及其具有的强非线性和不确定性,文章将基于智能策略和常规策略的无人船航向舵角控制作为主要控制框架。通过导引律计算期望的角度,并根据自主船的无人船航向控制动态模型进行分析。该模型考虑了舵和船舶推进系统的物理阈值,提出了一种适用于不同无人船航向控制的自适应控制算法,借助增益调度方法(GS),利用PID控制器和遗传算法(GA)对不同的操作点进行全流程的混合遗传算法(GS-PID-GA)优化。通过将真实数据比例缩小进行模型试验,并与传统控制方法进行比较,验证了所提控制方法的有效性。