面向智能船舶的容错卡尔曼融合估计方法

针对智能船舶多传感器系统因未知海洋环境干扰和设备间干扰等因素导致的一个或数个传感器产生随机间歇性故障从而导致融合估计结果出现偏差甚至失真的问题,设计1种基于四分位滤波的容错方法,并针对该方法导致的观测时滞问题设计1种预报方法,提前预报观测值,进而抵消容错方法导致的时滞问题。此外,针对多传感器之间的互协方差难以准确估计的问题,采用CI融合估计方法进行融合估计。为验证算法的有效性和融合估计的精度,对带有间歇性故障的两传感器系统进行仿真试验,并与按矩阵、按对角阵和按标量3种分布式融合估计方法得到的结果进行对比。4种方法的均方误差系数大小对比结果显示,对于带间歇性故障的多传感器系统,设计的融合滤波不仅具有鲁棒性,而且具有较高的融合精度。     

饱和地基下桩柱结构地震响应

通过建立两相饱和地基下桩-土耦合系统的动力分析有限元数值模型,对饱和自由场地基以及桩柱结构在地震作用下的动力响应进行数值模拟研究。结果表明:在地震作用下超孔隙水压沿深度方向呈现出指数衰减趋势,在地表处更易导致地基液化从而散失承载能力。随着超孔隙水压的上升土体强度降低后,饱和地基土层对地震波的高频成分有明显的选择性滤波作用。在桩柱结构地震响应分析中,受桩土间动力耦合作用的影响,桩侧土体比远场地基土更易液化。随着地基承载力的降低,导致桩柱动力以及弯矩响应上升。研究结果与已有桩基础震害经验相符,其方法和结论可对饱和可液化地基抗震工程提供参考。     

基于卡尔曼滤波的4WD电动车辆寄生功率的测量技术

根据串励直流电动机工作特性,利用车辆行驶过程中较易测得的驱动电机工作电流及驱动轮转速,运用MATLAB/SIMULINK软件,建立基于卡尔曼滤波的驱动轮滑转率模型和寄生功率模型并进行仿真;通过道路试验对电动机工作电流和驱动轮转速的检测,实时预测驱动轮的滑转率与产生的寄生功率。结果表明,驱动轮滑转率和寄生功率的仿真结果与试验结果非常接近。     

存在车辆干扰的车道线识别

为避免道路上行驶的其它车辆对车道线识别的干扰,提出了一种结合车辆识别的车道线识别方法。融合雷达数据,车辆识别模块首先在图像中识别出车辆占据的区域;对于每一个车道线识别模块挑出的车道线候选点进行判断,去除处于车辆区域的车道线点;如果有效车道线点数目不足,则利用卡尔曼滤波的跟踪结果,确定符合最小风险函数的车道线位置。经过多种工况下的试验验证,该方法能够稳定地对车道线进行识别,准确地提取车道线参数,并且算法对车辆干扰有良好的抵抗能力。     

防火墙技术的探讨

介绍了防火墙的概念、原理、分类及比较,指出了传统防火墙存在的不足之处,提出了一种新型防火墙系统——嵌入式防火墙系统,并对防火墙的发展作了前景展望。     

基于感应滤波的电力推进船舶电网谐波抑制

为研究谐波抑制方法在电力推进船舶电网中的应用,提出了一种基于感应滤波方式,同时具有自耦补偿和谐波抑制作用的新型推进变压器结构。该变压器二次侧采用延边三角形接线,它将传统滤波和无功补偿装置移至绕组内部且公共绕组的等效短路漏电感为零设计,使船舶大功率变流设备在电能变换过程中产生的谐波源无法进入交流网侧,有效地抑制了谐波对船舶电网的污染。对比船舶电网传统滤波方法,对新型推进变压器的结构设计,滤波原理进行了介绍,并分别对基于新型和传统推进变压器的6相交直交推进方式船舶电力系统进行了SIMU-LINK仿真,仿真结果的电流波形和电流频谱验证了方案的正确性和可行性。     

一种新型城市道路雨水收集与利用系统的研究与设计

结合工程实际,介绍了集汇水、过滤、灌溉、储水和自动排水功能为一体的道路雨水资源收集与利用系统的设计,有关经验可供相关专业人员参考。     

一种单脉冲末制导雷达抗质心干扰算法

为了提高单脉冲末制导雷达的抗质心干扰能力,结合信号到达方向（DOA）的极大似然估计法和卡尔曼滤波,提出了一种新的算法。首先,在假设目标和干扰数量、参数已知的情况下,建立雷达多次接收信号匹配滤波后跟踪回波附近的多个相邻采样点的似然函数。其次,计算得到目标和干扰信号DOA、延迟和功率的极大似然估计,并应用最小描述长度（MDL）准则判断目标和干扰数量。最后,设计了合适的卡尔曼滤波器用于正确跟踪目标。仿真结果验证了算法的有效性。     

基于频域滤波的噪声识别去噪算法

在频域滤波的基础上,对图像的高频部分进行噪声识别,区分边缘与噪声,进而通过改进的空间滤波算法实施去噪,使图像边缘细节部分得到保护,再将处理后的高频图像与其对应的低频图像进行融合,以获得完整的高质量图像.实验结果表明通过新算法处理后的图像可以达到较好的降噪效果.     

Estimation of road profile variability from measured vehicle responses

When assessing the statistical variability of fatigue loads acting throughout the life of a vehicle, the question of the variability of road roughness naturally arises, as both quantities are strongly related. For car manufacturers, gathering information on the environment in which vehicles evolve is a long and costly but necessary process to adapt their products to durability requirements. In the present paper, a data processing algorithm is proposed in order to estimate the road profiles covered by a given vehicle, from the dynamic responses measured on this vehicle. The algorithm based on Kalman filtering theory aims at solving a so-called inverse problem, in a stochastic framework. It is validated using experimental data obtained from simulations and real measurements. The proposed method is subsequently applied to extract valuable statistical information on road roughness from an existing load characterisation campaign carried out by Renault within one of its markets.