自适应卡尔曼滤波在简易瞬态工况法中的应用

文章建立了简易瞬态工况法(VMAS)测试中速度信号滤波的状态空间模型。提出了基于Kalman滤波收敛性判据和由普通的Kalman滤波算法和渐消因子的强跟踪Kalman滤波算法相结合形成的自适应Kalman滤波算法。通过实车测试数据,与普通Kalman滤波进行比较,检验了该算法在VMAS中应用的有效性。     

基于自适应卡尔曼滤波的轮速信号处理技术

分析了轮速信号的检测误差,建立了轮速估计的系统状态空间模型,采用了用于轮速估计的自适应卡尔曼滤波算法.利用MATLAB进行了仿真,验证了算法的有效性.实车试验表明,滤波后的轮速信号延时小,响应速度快,平滑效果比较理想,可以用来直接估计车速.     

基于衰减记忆滤波法的桥梁变形监测数据分析

指出了卡尔曼滤波基本方法在模型不准确时可能出现的发散现象,提出了利用衰减记忆滤波处理桥梁自动监测系统监测数据的方法,并通过实例进行了说明。实际算例表明,滤波值、原始值与预报值变化趋势一致,且滤波值改善了原始观测值,较好地解决了发散问题,说明这种方法适用于处理桥梁全自动监测数据。     

基于非参数回归-粒子滤波模型的公交到站时间预测

为进一步提高公交到站时间的预测精度,提出了一种基于非参数回归-粒子滤波模型的组合预测方法。首先利用非参数回归预测方法,对公交站间速度顺序进行了预测。考虑到速度自身的时变特性,采用了扩展欧式距离作为度量相似度大小的准则来预测下一个站间速度,保证了速度曲线的相似性和模型的鲁棒性。然后利用采样-重要性重采样思想,构建了基于粒子滤波的公交车辆到站时间预测模型。最后以北京市区内3条典型公交线路为例,利用其工作日早高峰时段的历史运行数据检验模型的准确性。结果表明:(1)基于非参数回归方法预测得出的公交站间速度与实际值更为接近,预测精度显著优于加权平均法的预测结果;(2)基于非参数回归-粒子滤波算法得出的公交到站时间预测结果,线路平均绝对误差在1.5 min内,标准误差在3 min内,平均绝对百分误差均小于4%,预测精度也显著高于加权平均法-粒子滤波、非参数回归-卡尔曼滤波和加权平均法-卡尔曼滤波3种组合算法。模型的敏感度分析结果也进一步显示,预测误差会随着粒子数目的增加而逐渐趋于稳定状态,进而证明提出的方法能有效预测公交到站时间。     

在用汽油车瞬态工况排放测试方法研究

通过对15辆车采用相同的底盘测功机,分别用汽车排放总量分析系统(VMAS)和定容采样系统(CVS)进行瞬态采样测试,并对测试结果进行了分析。阐述了VMAS由于系统测量精度、系统响应时间、工况变化等因素的影响,使得对HC、CO、CO2和NOx的测量与CVS有不同程度的偏差。但VMAS仍有较好的测试准确性和较低的成本,适用于在用汽油车检测。     

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.     

基于卡尔曼滤波的汽车纵向速度滤波算法及应用

针对现有车速计算方法精度不高、波动大的问题,研究基于车速信号的车辆纵向速度卡尔曼滤波估计算法,并实现该算法在整车控制器中的应用。仿真和实车试验表明,该卡尔曼滤波车速算法具有良好的实时性与较高的滤波精度。     

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.     

ABS车轮角加速度的卡尔曼滤波技术研究

汽车防抱制动系统(ABS)控制的关键在于对车辆轮速信号的处理,好的滤波方法对它来说尤为重要。卡尔曼滤波法作为一种非线性滤波方法,相对于传统滤波能够更快捷、更准确、更有效、更真实地反应出汽车行驶工况。     

出租车PEMS与VMAS排放测试比较

以1辆LPG出租车为研究对象,研究PEMS排放测试与VMAS排放测试的差异性与相关性,在转鼓试验台上按IG195简易瞬态工况运行,分别采用VMAS与PEMS排放测试系统进行CO,HC与NOx排放测试.对排放速率、排放因子测试结果进行对比分析,发现两种测试方法下对应工况排放值的变化趋势相同;两者测试原理不同,PEMS测得...