舱容计量中高精度点云配准研究

为了提高点云配准精度,研究了基于特征的配准方法。介绍了点云配准的六参数法。基于特征的配准方法利用特征点与周围特征的方位、距离等几何条件进行附加约束,实现点云配准。方法适用性强,可通过利用同名反射标志或直接利用点云数据实现,最后采用稳健模型参数估计算法——RANSAC算法提高配准参数估计的稳健性和可靠性。     

基于浮动车数据的随机路径选择模型参数估计

提出利用浮动车出行数据对城市路网多OD对logit 随机路径选择模型参数估计方法.首先采用相对阻抗,实现logit 模型参数无量纲化和单一化,将离散多项logit 模型转化为相对阻抗的连续概率模型;然后对多OD对的浮动车数据进行分区和权重处理,计算得到概率分布;最后在推导连续型概率密度和累积概率函数基础上,利用最小二乘法进行参数估计.以广州市浮动车数据对方法进行验证,结果拟合优度高,所得参数可有效反映实际路径选择行为.方法简单实用,特别适用于利用海量浮动车数据进行路径选择行为分析.     

基于支持向量机的线性模型鲁棒参数估计

探讨了基于支持向量机的线性系统参数估计问题,利用最小二乘支持向量机来估计自回归滑动平均模型（ARMA）的参数,并在理论上证明了在高斯噪声下比最小二乘估计方法具有更小的均方差;随后利用标准支持向量机来估计ARMA的参数,并利用它的性质从理论上分析了其对大噪声和小噪声的鲁棒性．仿真结果表明支持向量机方法能有效克服样本中的异常点和噪声对参数估计的干扰,比最小二乘估计方法具有更好的鲁棒性．     

运输方式选择行为模型的参数估计方法

文对运输方式选择行为模型的参数估计和检验进行了分析和研究,提 供三种可行的计算方法。并列举一个实例:采用层次分析法(AHP)估计 运输方式选择行为模型的参数。      

遗传算法在估计瞬时单位线参数中的应用

以matlab为平台,应用遗传算法和matlab工具箱中的统计函数,通过求解还原洪水过程与实测洪水过程之差绝对值的加权之和最小化问题来优化估计瞬时单位线的参数,避免了用近似公式法求解带来的方法误差.实例研究表明该方法是有效的,其精度明显高于矩法,也较近似公式法高.     

基于蚁狮算法的UKF车辆状态参数估计器

为了准确获取分布式驱动电动汽车状态参数信息,满足车辆稳定性控制系统的需求,提出一种基于蚁狮算法的无迹卡尔曼滤波状态参数估计器。针对无迹卡尔曼滤波（UKF）过程中噪声协方差矩阵的不确定性,采用蚁狮优化算法（ALO）对其进行寻优,并引入奇异值分解（SVD）的方法来维持噪声协方差矩阵的正定性,此外,基于指数加权最小二乘法对车辆侧偏刚度进行辨识并将其作为状态参数估计器输入。基于MATLAB/Simulink和CarSim联合仿真平台,建立分布式驱动电动汽车参数估计模型,分别进行双移线工况和正弦迟滞工况仿真,并基于A&D5435快速原型开发平台进行双移线工况实车试验。仿真与试验结果表明：相比于SVDUKF算法估计结果,双移线仿真工况下,基于ALO-SVDUKF算法估计得到的质心侧偏角和横摆角速度的均方根误差分别降低了55.7%、30.7%,正弦迟滞仿真工况下,均方根误差分别降低了58.1%、85.1%,且在车辆处于极限失稳状态时仍能维持较好的估计效果;双移线试验工况下,横摆角速度的估计值与实际测量值之间的均方根误差仅为0.938 4（°）·s^-1;提出的基于ALO-SVDUKF算法的分布式驱动电动汽车状态参数估计器能够有效提高质心侧偏角和横摆角速度的估计精度,可为车辆稳定性控制提供精确的状态信息。     

基于SR-UKF的潜艇水动力系数辨识方法

[目的]针对潜艇运动模型中水动力系数难以准确获取的问题,采用平方根无迹卡尔曼滤波(SR-UKF)算法进行系统辨识.[方法]首先,以潜艇垂直面运动非线性数学模型为基础,结合SR-UKF算法,建立潜艇垂直面水动力系数辨识模型;然后,利用自动操舵控制潜艇在垂直面进行类正弦机动,将运动仿真生成的数据作为SR-UKF参数辨识的输...     

LM-CDBN超高层变形预测模型的构建与应用

为提高超高层建筑变形预测精度，对附有条件的深度信念网络（conditional deep belief network，CDBN）模型中权值及阈值调整方法进行了改进，使用LM （Levenberg-Marquardt）算法作为新的模型定权机制，构建了LM-CDBN网络模型；将构建的LM-CDBN超高层变形预测模型应用于一座298 m超高层建筑中；然后用训练误差、预测值拟合度、预测结果稳定性组成的综合评价体系对模型进行了评价；最后，将LM-CDBN模型分别与深度信念模型（deep belief network，DBN）、极限学习机（extreme learning machine，ELM）、基于无迹卡尔曼滤波的支持回归向量机（unscented Kalman filter-support vector regression，UKF-SVR）进行了预测结果对比. 结果表明:在超高层建筑的变形预测中，相比DBN、ELM和UKF-SVR，LM-CDBN预测精度分别提升了32%、55%及24%，模型的信息提取稳定性及处理时变系统非线性问题的泛化能力得到了提高.      

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.仿真结果表明,使用粒子群优化的扩展卡尔曼滤波方法降低了感应电机参数估计的误差,证明了该方法的有效性.     

基于手机信令数据的职住地识别方法

理解城市居民的日常活动模式对于优化城市空间组织形式、提高城市空间质量具有重要意义，基于手机信令数据的个体活动模式挖掘成为近年城市研究热点之一。然而，在利用手机信令数据识别职住地的过程中，通常通过设置停留时长参数提取用户的驻留点，存在较强的主观性。因此，研究提出以非参数概率密度估计为核心的驻留点提取思路，以提高职住地识别结果的准确性。为验证方法的有效性，以西安为例对手机用户的居住地和工作地进行识别。结果表明，该方法的准确性较高，能够为个体时空行为分析提供支持。