基于模糊控制的潜器悬停系统

潜器水下悬停是一个非线性过程,随潜器状态及航行环境的不同而有很大变化。简要论述了潜器水下悬停的概念及对潜器的意义,研究分析了潜器水下悬停运动的数学模型及干扰力数学模型,将模糊控制技术引入潜器水下悬停控制过程中,通过仿真与传统的控制方式比较证明模糊控制具有的控制优势。     

基于PID的潜器悬停控制仿真研究

潜器水下悬停是指潜器在水下无航速时深度的保持和变动.这是一个非线性过程,随潜器状态及航行环境的不同而有很大变化.传统的控制方法缺乏自适应能力从而影响了控制效果.通过对潜器水下悬停运动的基本特征、实现条件及造成悬停深度不稳定等因素进行分析,建立潜器悬停运动数学模型及干扰力计算模型.并运用PID控制技术对潜器水下悬停运动的控制进行仿真研究,为潜器实现悬停提供技术支持和保障.     

基于CFD的潜器外形优化

潜器的外形对于其总体性能非常重要,而传统的外形设计方法难以满足优化设计的需要。通过对潜器外形特点的分析,建立其外形几何表达式,并以排水量和浮心纵向位置建立约束方程。该数学模型生成的外形方案可以满足性能要求,减少设计过程中的重复,同时还解决了优化所需的方案集的难题。通过建立优化代理机制,可减少数值模拟计算次数;拟合函数的极值求取,又可为优化指明方向;最后,可采用计算流体动力学(CFD)数值模拟对优化的结果进行验证。     

引发海战革命的无人潜器

无人潜器是一种正在发展之中的新技术，它包括两种类型——遥控潜器和自主潜器。以英、美两国的发展情况为背景，介绍了这两种无人潜器的应用情况以及未来的发展，并认为无人潜器将使未来海战产生根本性变革。     

基于卡尔曼滤波的磁偶极子目标张量定位

采用现有单点磁梯度张量定位方法定位磁偶极子目标时,易出现定位结果受测量噪声影响而发散的现象。针对该方法的不足,根据磁偶极子磁感应强度与磁场梯度张量的基本关系式,建立张量定位的状态空间模型,并采用卡尔曼滤波器对状态向量进行估计,实现目标定位。设计数值算例对定位方法进行检验,定位结果表明,基于卡尔曼滤波的定位方法具有较高的精度和稳定性,可用于航空磁探测和水下小目标磁场探测。     

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.     

基于卡尔曼滤波的船舶侧偏角软测量

船舶在航行过程中会受到外界环境的干扰,对船舶的运动状态产生影响。为了保证行使的安全性需要对船舶的关键状态变量进行控制。本文利用软测量技术对船舶的相关参数进行获取,并且通过卡尔曼滤波技术进行状态估计。最后进行的实船实验结果表明,本文算法能够有效对船舶的侧偏角进行测量,误差控制在10%以内。     

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。     

遥控潜器的现状与未来

介绍遥控深潜器(ROV)的概况，尤其是它们在3 048m以下深海中的使用情况。虽然是针对系缆式自由航行的潜器，但是为完整起见，也讨论了拖曳潜器和自主潜器(AUV)。为了准确地论述这些深海潜器系统的技术发展水平，还将讨论它们在不足3 048m深度的性能。另外，对它们在新千年初期的用途进行了计划和设想。     

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。     

基于USQUE的四元数容积卡尔曼滤波算法在组合导航中的应用

组合导航是导航领域中一个重要的研究领域和应用方向。传统的基于惯导误差模型的组合导航模式,因模型在建立过程存在各种近似计算,这必然使得建立的模型中引入诸多近似误差和模型误差,因此,其信息融合的估计精度下降。论文基于USQUE计算流程,提出一种四元数容积卡尔曼滤波算法,并将该算法应用于SINS/GPS位置松组合导航问题当中,仿真结果验证该算法的有效性并且具有较高的估计精度。     

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。     

导航信号卡尔曼滤波定位解算方法研究

研究了导航信号的卡尔曼滤波定位解算方法，该方法能够实现用小全的测量值完成导航解的估值解算，同时还可以对导航解进行平滑，减小噪声对导航解的影响。仿真结果证明了该方法在导航定位解算中的有效性和可行性。     

伪距GPS/INS组合导航系统的多模型自适应卡尔曼滤波器设计

对多模型自适应估计滤波进行了仿真研究.仿真结果表明,多模型自适应估计滤波可以克服单一模型卡尔曼滤波器在对真实系统状态参数发生变化时的滤波误差过大甚至发散的问题,对于环境的变化具有较强的适应性,整体上可提高组合导航系统的导航精度.     

自适应卡尔曼滤波技术在水下机器人运动控制中的应用

水下机器人的位置和速度传感器受环境影响较大，数据滤波问题是运动控制的核心问题之一。建立了水下机器人运动的状态方程和量测方程，并在此基础上采用自适应卡尔曼滤波方法对水下机器人的传感器数据进行了滤波分析，并引入渐消记忆指数加权方法，避免了系统误差和量测误差统计特性的不准确对系统滤波效果的影响。结果表明此方法能达到很好的滤波效果。     

基于卡尔曼滤波的地形辅助导航

利用海底地形辅助导航是水下载体导航技术致力研究的新方向。该文利用多波束测深系统测量真实地形数据,在此实测地形图的基础上,采用ICCp算法为对准匹配算法,得到水下载体的最佳匹配位置,提高水下载体的导航精度。并利用仿真以平台式惯导系统为例,用卡尔曼滤波对惯导系统误差进行最优估计,取得了较好的效果。     

强跟踪滤波在动基座传递对准中的应用

在保证捷联惯性导航系统（SINS）动基座传递对准具有一定精度的前提下,为了缩短传递对准的时间,对强跟踪滤波（STF）在动基座传递对准中的应用进行了研究。通过在一步预测方差P（k＋1｜k）中引入渐消因子λ（k＋1）,以此减弱老数据对当前滤波值的影响。同时,对渐消因子λ（k＋1）的计算做出修正,使得状态估计更加平滑。最后,在匀速拐弯的机动方式下进行了仿真,结果表明强跟踪滤波在对准精度与速度上比Kalman滤波有更好的表现。     

Data assimilation with the Ensemble Kalman Filter and the SEIK filter applied to a finite element model of the North Atlantic

Currently there are different approaches to filter algorithms based on the Kalman filter. One of the most used filter algorithms is the Ensemble Kalman Filter (EnKF). It uses a Monte Carlo approach to the filtering problem. Another approach is given by the Singular Evolutive Extended Kalman (SEEK) and Singular Evolutive Interpolated Kalman (SEIK) filters. These filters operate explicitly on a low-dimensional error space which is represented by an ensemble of model states. The EnKF and the SEIK filter have been implemented within a parallel data assimilation framework in the Finite Element Ocean Model FEOM. In order to compare the filter performances of the algorithms, several data assimilation experiments are performed. The filter algorithms have been applied with a model configuration of FEOM for the North Atlantic to assimilate the sea surface height in twin experiments. The dependence of the filter estimates on the represented error subspace is discussed. In the experiments the SEIK algorithm provides better estimates than the EnKF. Furthermore, the SEIK filter is much cheaper in terms of computing time.