乔列斯基分解应用于偏相干问题的可行性研究

在应用传统的偏相干方法进行噪声源识别时,计算条件输入和耦合较为繁琐、复杂。文章首先通过对偏相干和乔列斯基分解的分析,得到两者之间的关系;进一步运用数学归纳法,从理论上证明了乔列斯基分解应用于偏相干问题的可行性;然后指出对归一化互谱矩阵进行乔列斯基分解,可直接得到各源的贡献比大小;最后给出了应用乔列斯基分解解决偏相干问题的一般步骤。舱段试验验证了该方法的可行性和实时性。     

强跟踪滤波在动基座传递对准中的应用

在保证捷联惯性导航系统（SINS）动基座传递对准具有一定精度的前提下,为了缩短传递对准的时间,对强跟踪滤波（STF）在动基座传递对准中的应用进行了研究。通过在一步预测方差P（k＋1｜k）中引入渐消因子λ（k＋1）,以此减弱老数据对当前滤波值的影响。同时,对渐消因子λ（k＋1）的计算做出修正,使得状态估计更加平滑。最后,在匀速拐弯的机动方式下进行了仿真,结果表明强跟踪滤波在对准精度与速度上比Kalman滤波有更好的表现。     

利用ICCP的水下地磁修正惯导方法研究

迭代最近等值线算法（ICCP）是一种重要的地磁匹配导航算法。首先,为了获取相对精度较高的位置信息,又在一定程度上达到弥补实测数据精度不足的目的,将二次插值技术应用到地磁匹配算法中;然后,仿真计算得到了最佳匹配位置;最后,针对目前水下航行器通过航位推算等传统方法实现惯导重调的弊端,提出将地磁匹配位置误差作为观测量,用卡尔曼滤波对惯导系统的速度、位置和姿态误差进行最优估计。由最后仿真结果表明,以磁场匹配位置误差作为观测量来估计惯导误差是可行的。     

兰彻斯特方程的参数取值与计算

文章分析了兰切斯特方程各个参数的影响因素,提出了参数的取值和计算方法,计算过程不需要专家给出主观数值。文中恰当的将火力分配问题转化为目标选择问题,应用ISM模型构建了目标选择结构图,给出了火力分配系数的计算方法。     

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。     

滤波方法在反舰导弹高度测量系统中的应用

为了得到更加准确的导弹飞行高度信息,通过组合无线电高度表和加速度计建立一种具有较高精度的导弹高度测量系统。首先对各传感器的特性进行分析;其次,根据传感器测量模型,采用噪声淹没技术建立导弹高度测量系统的状态方程和量测方程;最后,用卡尔曼滤波的方法进行仿真实验,得到高度估计。仿真结果表明,相比用单个传感器的高度测量方式,该方法具有更高的精度。     

电分相设置对高速动车组运行速度及时分影响研究

高速铁路对列车运行安全及运输效率的要求越来越高,电分相对列车运行速度和时间的影响逐步受到重视。本文重点研究采用不带电过分相方式对列车运行速度及时分的影响,通过描述动车组不带电自动电分相的微观过程,建立了电分相对速度及时分影响的算法,模拟计算了不同运行条件、不同设置位置和纵断面情况下电分相对列车速度及时分的影响,提出高速...     

基于扩展卡尔曼滤波的船舶电力推进系统仿真

针对船舶电力推进系统中采用传统直接转矩控制存在磁链和转矩脉动较大,以及速度传感器的使用降低了系统可靠性,增加了系统成本等问题.提出采用扩展卡尔曼滤波器精确估计电机的定子磁链和电机转速,间接估计转矩,从而实现永磁同步电机的无速度传感器直接转矩控制.保持了直接转矩控制的转矩快速响应和系统鲁棒性强的优点,降低磁链和转矩脉动,减小了系统因电机参数的变化和负载扰动带来的影响.仿真结果表明,基于扩展卡尔曼滤波的船舶电力推进系统具有良好的转速和转矩控制性能.     

电力电子变压器多指标非线性控制研究

电力电子变压器是一种通过电力电子变换实现电力系统能量传递的新型变压器.以微分几何理论为基础,实现非线性系统的多性能指标控制,提出基于跟踪偏差的非线性控制器,以实现改善电力系统控制性能的目的,从而可在统一的非线性控制设计框架下同时对系统中多个状态量的性能指标提出要求.所提控制策略解决了系统的非线性问题,改善了系统的动态性能,仿真结果表明设计的控制方法在电力电子变压器输出稳定性控制.     

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.