随机状态模型参数辨识的多步算法

基于解耦辨识和多步计算思想,本文提出了一种状态空间模型参数辨识的多步算法.计算法包括二步加权最小二乘法、一步输出信息序列的修正和一步自适应 Kalman滤波过程,具有全局收敛且对待辨识参数初始估值设置不敏感等特点.仿真结果表明,在受控系统承受测量噪声和过程噪声的情况下,该算法对线性状态空间模型的参数辨识是十分有效的.     

高速铁路CP0基线解算中天顶对流层参数估计研究

对流层延迟是GPS测量的重要误差源之一,对模糊度解算及基线精度均有较大影响。高速铁路CP0框架控制网基线解算中采用PWL分段线性法估计天顶对流层湿延迟参数的方法提高对流层折射改正精度,因此研究PWL分段线性法中参数估计的时间间隔对CP0基线解算的影响是十分必要的。介绍GPS对流层延迟的改正原理,通过设计不同解算方案采用工程测量数据对天顶对流层湿延迟参数估计的合理时间间隔进行研究。结果表明,每4~6 h估计一个天顶对流层湿延迟参数效果较好,能真实反映出对流层折射影响随时间变化的趋势,从而提高基线解的精度。     

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.     

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.     

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。      

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...     

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．     

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。     

垂直相关仪测量高速目标深度的仿真分析

高速运动目标产生结构振动噪声,其多普勒效应对相关信号处理的参数估计造成影响。双阵元垂直相关仪主要测量目标俯仰角,并对目标深度进行估计。由带通型限带白噪声的相关特性分析,推导了多普勒容限的理论计算公式,在积分时间较短的条件下可避免互相关损失。浅海多途信道将导致相关峰出现多峰现象,沿深度方向高速运动目标有助于抑制交叉峰。仿真结果表明,信号多普勒容限与理论分析一致,垂直相关仪的时域相关峰结构与实际目标及其界面镜像空间分布规律一致,因而有利于识别直达声信号,且目标深度测量误差控制在10 m内。