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PSO算法的船用永磁电机齿槽转矩优化

高效率、高转矩密度特性使得永磁电机已被广泛应用于舰船推进领域,然而永磁电机的齿槽转矩却降低了电机的性能。永磁电机齿槽转矩受多个电机参数的影响,这些参数与电机齿槽转矩之间存在非线性关系,通过参数优化来削弱齿槽转矩成为永磁电机齿槽转矩研究的重点。提出一种基于粒子群算法的永磁电机齿槽转矩优化方法,该方法选择对齿槽转矩影响较大的极弧系数、永磁体厚度和定子槽宽度3个参数为优化变量,以齿槽转矩峰值最小为优化目标,在对永磁电机齿槽转矩解析模型进行变形和简化的基础上,使用粒子群算法对解析模型进行参数优化,得到最优参数组合,并用有限元方法进行验证。结果表明,经该优化方法优化后,电机的齿槽转矩大幅降低。     

基于扩展卡尔曼滤波算法的港口智能无人内集卡状态估计研究

为了保证港口智能无人内集卡行驶安全和作业效率,使用Trucksim软件模拟货车的运行条件,同时采用Simulink软件建立魔术轮胎模型并设计扩展卡尔曼滤波算法,对智能无人内集卡的纵向车速、横摆角速度和质心侧偏角进行估计。在典型工况下对比实际输出参数与估计参数,结果验证了算法的准确性与实时性,可为智能无人内集卡行驶状态参数估计研究提供技术指导。     

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。     

基于粒子群优化卡尔曼滤波的水下机器人信号处理

在卡尔曼滤波的基础上,引入粒子群优化算法,对卡尔曼滤波方法进行改进,提出基于粒子群优化的卡尔曼滤波器模型,从而提高水下机器人测量数据的精度,降低系统噪声和量测噪声所带来的误差。水池仿真试验结果表明改进的滤波方法有效、实用。     

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。     

一种基于改进PSO的无人机航路规划方法

针对无人机航路规划问题,提出了一种改进的粒子群的无人机航路规划方法.该方法将UAV的航路规划问题通过目标转换,形成一个考虑威胁优先,路径优化其次的单目标航路优化问题,并引入局部搜索改进粒子群算法求解该问题的收敛性.仿真结果证明了该方法对解决无人机的航路规划问题高效可行.     

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。     

基于粒子群优化算法的船舶机舱布置优化

船舶机舱布置的优化设计是现代船舶设计的重要研究领域,一个合理的机舱布置不仅能满足整体的空间需求,同时还能提升船舶动力系统性能。船舶机舱布置的优化是一个多条件约束问题,随着现代船舶结构复杂度增加,传统CAD交互式设计方法已经不能满足现代机舱布置优化性能要求。粒子群优化算法是一种基于遗传算法的智能优化算法,能够对多边界条件进行模拟,算法复杂度较低。本文设计了基于粒子群优化算法的船舶机舱布置的优化系统,并进行仿真。     

一种航迹网络图粒子群优化生成方法

提出一种航迹网络图粒子群优化生成方法。首先介绍了航迹网络图的基本结构,然后将网络图看作一个粒子,以网络图中所有节点的坐标来描述粒子的位置信息。为了使航迹网络图整体代价较优,设定合适的粒子适应度函数对航迹网络图进行优化,评价指标包括两项：航迹网络图中所有航迹段的代价总和以及随航迹片段数目减少而增加的惩罚代价。实验结果表明,该算法能有效地优化航迹网络图,得到航迹片段较为丰富的航迹网络。     

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MATLAB的卡尔曼滤波法参数辨识与仿真

本文介绍了基于MATLAB的使用卡尔曼滤波法进行参数辨识的设计与仿真方法。简述了参数辨识的概念和卡尔曼滤波法应用于参数辨识的基本原理,结合实例与最小二乘法进行比较,给出了相应的仿真结果和分析。     

异步电动机参数辨识仿真研究

将卡尔曼滤波算法与PID控制算法相结合,将该方法应用到异步电动机的参数辨识过程中,卡尔曼滤波算法可以消除控制系统中的干扰和噪声,改善了控制系统的动态特性,保证被控对象的性能,通过仿真可以看出,该方法可以有效的对被控对象进行参数辨识,具有较强的鲁棒性。     

基于量子行为粒子群算法的可测试性设计方法

将量子行为粒子群算法用于复杂电子设备测试点选取问题中.该算法以最少的测试点、测试代价和最大的故障隔离率、检测率为目标定义粒子适应度函数,保证了算法的全局最优性能.仿真结果表明,与其他算法相比,量子行为粒子群算法提高了测试点选取的效率,能较好的保证其算法全局最优性能,为粒子群算法的改进和多目标优化问题提供了新的思路.     

基于免疫机制的改进粒子群优化算法研究

针对粒子群优化(PSO)算法容易陷入局部极值的不足,引入免疫机制对PSO算法进行优化,实现全局搜索。通过免疫机制的应用,根据亲和度的高低进行粒子克隆、选择、淘汰和高频变异,增强了算法全局搜索的能力,提高了收敛速度和精度。实验表明,改进后的算法完成全局搜索所需的迭代次数明显少于PSO算法,具有优良的自适应调整性能。     

基于UKF和线性优化的改进粒子滤波算法

针对标准粒子滤波算法存在的粒子退化问题,提出了一种改进的粒子滤波算法,该算法将不敏卡尔曼滤波算法（UKF）、线性优化的思想和基本粒子滤波算法相结合,运用不敏卡尔曼滤波算法获得重要性概率密度函数,提高了粒子的使用效率;运用线性优化的思想,保证了所有粒子都以一定的概率对状态估计作出贡献,提高了粒子的多样性。仿真结果表明,改进的算法很好的解决了基本粒子滤波存在的粒子退化问题,具有更高的状态估计精度。