利用多模型法的铁道车辆状态诊断

本文介绍利用多模型法中的IMM法检测铁道车辆悬挂系统故障的方法,开发了利用模型更新的IMM法推测车辆悬挂系统故障的算法,应用多车身动力学SIMPACK进行了车体、转向架间横向振动减振器的故障检测模拟,论证了检测精度的大幅提高。     

一种基于衰减记忆滤波的平方根无迹卡尔曼滤波PHD-SLAM方法

针对海洋背景噪声和水声传感器测量噪声大、信噪比低所导致的水下SLAM方法数据关联复杂、精度低的问题,提出一种基于衰减记忆滤波的平方根无迹卡尔曼滤波PHD-SLAM方法,该方法基于PHD滤波避免了复杂的数据关联,且在非线性函数高斯权重更新过程中引入平方根无迹变换,并进一步结合衰减记忆滤波,解决了由于模型误差和计算误差造成的协方差矩阵非正定和不对称性所导致的滤波发散问题,提高水下SLAM方法的精度.仿真实验将所提方法与RB-PHD-SLAM和UKF-PHD-SLAM方法进行对比分析,结果表明所提方法在对自身定位及地图特征估计精度上均有了明显的提高.     

基于非线性Kalman滤波器的长序列立体图象运动估计

讨论一种基于运动模型的，从长序列含噪立体图象中估计目标运动参数的方法，目标的运动模型具有恒进动的旋转分量和恒加速的平移分量，而模型参数和估计采用一个带阻尼因子的迭代Ｋａｌｍａｎ滤波器，为以非线性滤波器的发散性，文中建立了一个产生状态初始值的线性算法，最后给出计算机模拟的结果。     

基于UT变换改进多模型滤波的水下航行器导航方法

为了提高水下航行器组合导航系统的精度,针对滤波算法存在较大的截断误差和累积误差等问题,提出了一种基于无迹变换改进多模型滤波算法,并利用辅助信息对估计结果进行修正。首先通过无迹变换产生Sigma点对非线性测量方程进行近似,构造伪观测量进行偏差估计,然后利用基于加权因子的辅助信息融合算法,消除累积误差,进一步提高系统估计精度,最后给出算法的实现过程。仿真结果表明:与常规的多模型滤波算法相比,本文方法提高了估计精度。     

纯距离条件下的UKF目标参数估计方法

在多站测角的被动目标跟踪中,目标的状态与角度量测值之间存在非线性关系,现有的方法主要是对其进行线性化,但线性化过程会带来滤波精度的下降,甚至会产生滤波发散而丢失目标.无迹变换卡尔曼滤波器（Unscented Kalman Filter,UKF）通过产生采样sigma点对系统状态进行逼近,可以较好地解决这一问题.将UKF应用到多站测角被动目标跟踪问题中,并通过仿真试验证实了算法的有效性.     

基于多传感器信息融合的列车定位方法研究

针对城市轨道交通中列车定位问题,提出了一种基于联邦卡尔曼滤波器的多传感器信息融合列车定位方法,建立了GPS/IPS/DR信息融合模型,对GPS/IPS/DR组合的信息融合定位进行了MATLAB仿真,结果表明,GPS/IPS/DR融合定位能提高列车的定位精度和可靠度,能很好的抑制传统列车定位中的积累误差.     

多采样率卡尔曼滤波器在汽车状态估计中的应用

为了改善复杂系统中单采样率控制策略的控制品质,在深入研究多采样率数字控制系统和卡尔曼滤波算法的基础上,提出了输入多采样率的卡尔曼滤波算法.将该算法应用于汽车主动前轮转向系统中,对横摆角速度、质心侧偏角和纵向车速进行估计,通过Carsim与Simulink的联合仿真以及蒙特卡罗试验,验证了算法的有效性.研究结果表明:多采样率卡尔曼滤波算法有利于融合多个输入量的信息,能改善状态估计器的性能,比单采样率卡尔曼滤波算法具有更高的稳定性,且估计误差减小4.0%～48.7%.     

带有UKBF的船舶动力定位预测控制器设计

为了精准设计水面船舶动力定位控制系统,将无迹卡尔曼布西滤波与非切换解析模型预测控制方法相结合提出一种预测控制器的设计方法.采用无迹卡尔曼布西滤波算法解决非线性连续系统的滤波问题,获取船舶运动状态的估计值;结合相对阶概念,根据船舶运动非线性模型,应用非切换解析模型预测控制方法设计动力定位非线性控制器,使船舶保持在指定位置.研究结果表明:设计控制器的输出较为平滑,有利于减少推进器磨损;设计控制器使船舶北向位置调节时间小于40 s,超调量小于5%,东向位置调节时间小于60 s,超调量小于5%,艏向角度的最大偏移量小于1.5°,令船舶快速到达了指定位置.      

基于低空风预测模型的救援航迹修正规划方法

针对低空救援航迹易受到侧风影响难以获得准确的航迹规划路径问题,采用数据融合方法预测低空风,修正航空器的低空规划航迹.首先,将飞行区域内的国际交换站作为观测点,通过应用基于无迹卡尔曼滤波（UKF）的数值气象预报释用技术,将观测点的风速、风向记录数据与预报值进行融合,建立低空风预测模型;其次,利用该模型,校正预报数据的系统误差,得出修正的风预测值;最后,结合航空器的爬升率、巡航速度等性能参数与所经航路点的风速、风向信息,依据速度矢量合成原理,修正各航路点的过点时刻.仿真实验表明,与传统的卡尔曼滤波预测方法相比,由UKF方法预测得到的风速、风向RMSE分别减少了12.88%与17.50%,对初始规划航迹的修正更为精确.      

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。