基于改进无迹卡尔曼滤波的动力定位系统状态估计

动力定位（DP）船舶状态估计的准确性是影响其在海面上沿期望航迹运行或位置固定的关键因素。在DP状态估计研究中，当遇到观测噪声反常或噪声协方差与算法不符等情况时，无迹卡尔曼滤波（UKF）无法调整算法参数以适应海洋环境的变化，严重影响着状态估计的精度。鉴于此，提出一种基于误差序列协方差估计的自适应UKF，利用观测变量残差更新观测噪声协方差矩阵R。设计基于自适应UKF的状态估计器，对DP船舶纵荡、横荡和艏摇3个重要状态变量进行估计。数值仿真结果表明，提出的自适应UKF能明显降低纵荡、横荡和艏摇3个状态变量的估计误差，状态估计的准确性和滤波平滑性均优于传统UKF算法。     

组合导航中自适应算法的设计分析

随着海上交通运输的自动化、网络化,船舶的导航系统需要具备更加精确的位置导航和更加快速的数据传输。传统的单一导航模式如GPS导航等已经难以满足需求,组合导航系统成为了船舶工业领域的研究热点。本文研究的主要内容是船舶组合导航系统的数据分析,开发了一种基于卡尔曼滤波的自适应算法,具有一定的应用价值。     

置信检验自适应联邦卡尔曼滤波及其水下机器人组合导航应用

[目的]为解决载体受到扰动时组合导航精度下降的问题,提出一种基于置信检验自适应联邦卡尔曼滤波(CC-AFKF)框架.[方法]首先,将电子罗盘(EC)、全球定位系统(GPS)与惯性导航系统(INS)相结合;其次,构建置信检验模型,有效滤除INS/GPS和INS/EC子系统中低置信度的量测值,保证量测值的准确性;最后,提出...     

船舶导航轨迹识别中智能算法研究

以船舶导航作为研究对象,对船舶导航航行轨迹识别方法进行研究,给出一种智能航迹识别算法。在该算法中,首先通过聚类算法进行航迹图谱的挖掘,得到历史航迹图谱,然后根据航迹图谱,利用卡尔曼滤波方法对航迹异常行为进行识别与预测。实验结果表明,本文给出的船舶导航轨迹智能识别方法具有较好的识别效果。     

云平台在船舶导航集成系统中的应用

随着海洋开发的深入,基于导航信息的应用越来越广泛,如卫星导航系统可以通过接收卫星信息来获取船舶的坐标及计算航向航速;同样,采用位置传感器也可以得到相关信息。这2种不同类型的导航系统各有各的优点及缺点。基于云平台的船舶导航集成系统通过云计算中心将不同的导航设备进行有机组合,并对各个导航系统获取的数据进行融合。本文将传感器导航及卫星导航以及不同卫星系统的导航设备进行集成,有效提高了船舶导航系统的准确性及稳定性。     

一种单轴旋转INS大方位失准角下快速对准方法

以单轴连续旋转式惯导系统为研究对象,针对惯导系统误差模型的非线性本质和对初始对准快速性的要求,通过推导其静基座条件下大方位失准角误差方程,设计一种利用超球体单形采样的UKF滤波器,并通过实际测试验证其有效性。实验结果表明,利用所设计的UKF滤波算法,10 min方位角对准精度能够达到优于0.008°。     

基于卡尔曼滤波的多传感器跟踪融合算法

总结了基于卡尔曼滤波技术的各种跟踪融合算法,分别介绍了集中式和分步式跟踪融合算法,仿真了融合效果.集中式融合算法具有最优的估计性能但是对资源的要求也最高.分布式融合算法可以节省计算量和通信带宽,在一定条件下也可以实现对目标的最优估计.     

基于BP神经网络的舰船组合导航算法研究

针对GPS/惯导组合导航系统的滤波定位算法,文章提出利用BP神经网络,用其输出修正组合导航滤波输出结果,提高组合导航系统的定位精度。通过仿真试验表明滤波的效果对导航精度有所提高,同时也说明了该方法是可行的、正确的。     

基于自适应卡尔曼滤波的商用车横向载荷转移率估计

为解决商用车由于质心高、轮距小而易发生侧翻事故的问题,建立了3自由度参考模型,提出了基于自适应卡尔曼滤波算法的状态估计器,并以估计器估计结果对车辆状态和横向载荷转移率进行计算.利用TruckSim仿真软件对自适应卡尔曼滤波估计算法进行了验证,验证工况为30 km/h和90 km/h双移线工况.通过估计结果与仿真数据对比,验证了此估计算法能够很好地估计计算车辆状态和车辆横向载荷转移率值.