CAUKF算法在船载导航目标跟踪中的应用

为定量分析内河船舶导航系统的跟踪性能,建立基于GPS/DR组合信息的船载导航系统非线性模型,以该模型作为系统模型,采用附有航向约束参考条件的自适应无迹变换卡尔曼滤波算法,推导得出非线性导航滤波器的滤波方程。按照船载目标的实际非线性模型进行演化时,采用此算法能够较好地实现非线性函数后验信息与估计误差的拟合。仿真结果表明,此算法比以往扩展卡尔曼滤波类算法在减少运算量和提高跟踪效果方面改善明显,具有良好的实用性。     

基于SVD的复数UKF及电力系统对称分量估计

电力系统对称分量的检测对于电力系统安全稳定的运行具有很重要的意义。利用复数域无迹卡尔曼滤波算法,对三相电压系统的正负序分量及频率进行了估计。为了提高复数无迹卡尔曼滤波的参数估计精度及算法稳定性,引入最优自适应因子并对预测协方差矩阵进行SVD分解,提出了基于SVD的自适应CUKF算法。为消除零序分量,对三相电压分量进行αβ变换,定义了复数形式的状态变量,建立了非线性状态方程及观测方程,实现了正序、负序对称分量估计。通过与普通复数域无迹卡尔曼滤波算法对比,所提研究方法在估计精度及收敛速度等方面优于传统无迹卡尔曼滤波方法。     

自适应算法在单轴激光惯导初始对准中的应用

针对传统的卡尔曼滤波在单轴旋转激光惯导动基座初始对准中当系统噪声和量测噪声未知时,会导致滤波精度下降甚至发散的问题,设计了简化Sage-Husa自适应滤波算法,建立了动基座条件下的单轴旋转激光捷联惯导的误差方程,利用设计的算法进行了仿真,结果表明在误差模型较大时,自适应滤波算法可以很好的提高滤波精度和稳定性。     

一个变系数非线性演化方程新的精确解

通过推广的F-展开法研究一个变系数非线性演化方程的精确解.首先通过线性变换将变系数非线性演化方程约化为标准椭圆方程形式,再由标准方程行波解的结构求出原方程的解,从而得到了变系数非线性演化方程丰富的精确解.     

利用Mehra自适应卡尔滤波进行船舶目标跟踪

基于无线传感网络的目标跟踪技术在航海中应用越来越多,卡尔曼滤波是目标跟踪系统中求解非线性最优解的主流技术。卡尔曼滤波算法通过传感网络中的定位值进行"预测-修正-调整"的自适应反馈调整,能动态的调整跟踪精度。随着无线传感器的采集数据的增加及部署密度的增强,传统的最小二乘法算法已经不能适应船舶目标跟踪。本文分析基于无线传感网络目标跟踪模型,在此基础上设计基于Mehra卡尔曼滤波的移动目标跟踪算法。     

基于UKF的大失准角条件下单轴旋转SINS初始对准方法

论文阐述了单轴旋转调制技术对捷联惯导系统误差抑制的原理,针对单轴旋转捷联惯导系统的初始对准,推导了大失准角误差条件下非线性初始对准误差模型,同时为充分利用惯导系统输出信息,提出了一种“加速度+速度”的非线性观测模型;根据系统误差方程和观测方程同时非线性,设计了一种Unscented卡尔曼滤波算法,并对静基座单轴旋转SINS初始对准进行了仿真试验.结果表明,采用该算法水平和方位对准在较短时间内都能达到较高精度,同时对加速度计零偏和三个陀螺漂移实现有效标定.     

舰船航向非线性自适应鲁棒控制方法

舰船航行时由于存在线性干扰,使得航向控制方法鲁棒性较差。为此,提出舰船航向非线性自适应鲁棒控制方法研究。基于惯性坐标系的空间位置和姿态角,将舰船运动化为3个平面运动,建立舰船操作运动方程,依据运动方程,计算舵力及舵机特性,在考虑舵力的作用下,计算非线性控制律,去除线性干扰项,设计自适应鲁棒控制器,达到控制舰船航向的目的。测试结果表明:与传统的控制方法相比,设计的舰船航向非线性自适应鲁棒控制方法转艏角速度更接近0,且船首向角定向需要的时间更少,说明该控制方法鲁棒性更好,适合应用在舰船航向控制中。     

基于EKF神经网络的潜艇运动模糊控制

非线性与大惯性是潜艇运动的主要特性,基于试验模型得到的潜艇标准运动方程在很多情况下无法准确描述潜艇的运动过程,特别是当潜艇运动方程建模误差较大时,传统基于模型的控制器设计方法就显得力不从心。因此,本文提出了一种不基于模型的卡尔曼神经网络模糊控制算法,在神经网络学习训练过程中,利用卡尔曼滤波算法优越的数学特性将扩展卡尔曼滤波递推公式与RBF算法结合训练神经网络权值,根据神经网络输出的潜艇运动参数设计模糊控制器。仿真结果表明,该算法具有很好的控制精度、动态特性和鲁棒性。     

一种双基阵纯方位机动目标被动跟踪方法

利用2部被动声呐基阵获取的目标方位信息对水中机动目标的跟踪实质是一个非线性状态估计问题,由于观测方程的非线性性,滤波环节不可避免地要用到非线性滤波算法.以往解决此问题的方法是在基于交互多模型(IMM)算法并在其滤波环节应用扩展卡尔曼滤波(EKF)算法.然而,EKF算法在计算滤波误差协方差阵时没有融入当前观测信息.为此提出在原方法的基础上用其改进算法即修正协方差扩展卡尔曼滤波(MCEKF)算法取代EKF算法,以改善跟踪性能,从而得到一种新的方法.经仿真验证了所提方法的正确性和有效性.     

舰载雷达目标跟踪的非线性滤波仿真

雷达观测模型常常是非线性的,目标跟踪问题是一个非线性状态混合估计.考虑目标稳定跟踪与实时性要求,采用"当前"统计目标运动模型与粒子滤波(PF)非线性方法对雷达机动目标跟踪进行算法分析.仿真验证了"当前"统计模型下的非线性粒子滤波及扩展卡尔曼滤波(EKF)目标跟踪性能,表明非线性粒子滤波,尤其是U变换粒子滤波(UPF)目标跟踪精度和稳定性较好,值得工程应用与推广.     

二维浮式结构物与完全非线性波相互作用数值分析

基于粘流理论、流固耦合理论和自由液面追踪技术——VOF(Volume of Fluid)法,以不可压缩流体的连续方程和N-S方程及结构动力学方程为基本控制方程,利用商用软件ANSYS Workbench的二次开发功能,建立了粘性数值波浪水池,数值模拟了完全非线性波的生成,计算分析了二维浮式结构物遭遇波浪的完全非线性现象,得到了甲板上浪水位高度和结构物的纵摇、垂荡、横摇等运动响应。结果表明:文中的方法可以用于波浪与浮式结构物相互作用的完全非线性数值模拟.     

一种船舶组合导航系统混合误差模型及应用

针对GPS与微机电系统组合导航系统存在高非线性的缺陷,特别是GPS失效期间同卡尔曼滤波方位估计相关的不确定性的影响,提出混合误差模型。使用支持向量机对卡尔曼滤波输出进行建模,利用基于自回归的快速正交搜索对非线性方位误差进行建模,针对GPS/简化的惯性传感器系统利用混合支持向量机-快速正交搜索方法同传统卡尔曼滤波和增强卡尔曼滤波-快速正交搜索方法进行比较,结果表明,混合支持向量机-快速正交搜索方法优于卡尔曼滤波算法和增强卡尔曼滤波-快速正交搜索算法。     

基于改进自适应Kalman滤波的地铁变形监测研究

为解决传统自适应卡尔曼滤波收敛速度缓慢甚至发散的问题,提出一种改进自适应卡尔曼滤波算法。该方法在传统算法的基础上引入一个指数型衰减因子,并且根据残差序列保持正交的特性,推导出能够抑制滤波发散的幂值表达式,使得在信息输入的每一步中,都能保证对滤波增益阵进行实时修正,使其达到最优,从而降低陈旧测量值对估计过程的影响并能快速趋近于真实值。将提出的算法应用到地铁变形监测中,通过与经典卡尔曼滤波算法、方差补偿自适应卡尔曼滤波算法的比较,仿真结果显示提出的算法具有收敛速度快的优势,同时提高了精确性与稳定性。     

一种雷达目标运动要素解算方法研究

针对船舶导航避碰对水面目标运动要素实时高精度估算的要求,给出了一种基于去偏转换坐标卡尔曼滤 波思想的目标跟踪算法.在算法中,通过非线性坐标转换并去偏后得到去偏转换测量值,实现目标状态方程和量测方程在笛卡尔坐标系的线性方程,采用标准卡尔曼滤波算法进行滤波.因此,只要解出去偏转换量测值误差方差即可按标准的卡尔曼滤波算法对目标进行跟踪.仿真结果表明,在保证滤波器不失配的前提下,去偏转换坐标卡尔曼滤波(DCMKF)算法收敛迅速并有较高精度,能够满足导航雷达实时应用的需求.     

二阶全非线性Boussinesq方程的二维数值模拟研究

在非交错网格下采用有限差分法首次对一组非线性精确至()Ομ2阶的全非线性Boussinesq方程数学模型进行了二维数值模拟分析。首先通过在方程的非线性项中引入缓坡假定,考察了其对模型数值精度的影响;其次,在模型中对二阶非线性项采用不同精度,考察了其对模型数值结果的影响。数值模拟结果表明,所建立的二阶完全非线性Boussinesq方程二维数值模型具有良好的适用性,模型非线性项中引入缓坡假定以及在二阶非线性项选用不同的精度对数值模拟结果影响不明显。     

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.     

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。     

基于测姿GPS及电子罗盘组合的姿态估计算法

针对低成本姿态测量应用需求,研究了由测姿GPS与电子罗盘组合的姿态估计算法。以捷联姿态误差模型为基础,利用等效倾角误差表示姿态误差,引入角速率误差作为状态参量,通过四元数微分方程推导等效倾角误差传递模型。从GPS双差载波相位测量方程和电子罗盘地磁矢量方程出发,从观测量的物理意义出发推导了等效倾角误差为状态参量的非线性观测方程。采用扩展卡尔曼滤波对姿态参数进行状态估计。车载实验表明该算法能够有效地提高姿态测量精度和系统的鲁棒性,具有较好的实用性。     

迎浪时基于非线性运动方程的船舶RANS数值模拟

针对传统方法存在数值模拟效果差的问题,提出迎浪时基于非线性运动方程的船舶RANS数值模拟方法。根据非线性运动规则,结合船舶自身的稳定性能,计算航行控制边界稳定限值,利用二阶映射方法,描述一个微分方程映射解,构建非线性运动方程。采用消波方法消除船舶迎浪出口传递过来的波浪,保证非线性运动方程运用的稳定性。选取自适应最优解,对船舶RANS数值进行模拟,并进行迭代处理,获取归一化权重向量,由此获取RANS数值仿真结果。通过实验对比结果可知,该方法最高模拟效果可达90%,可实现对船舶超稳定性控制。