一种基于移动矢径的单信标测距定位算法

针对水下航行器利用移动单信标进行同步式测距定位时受初始位置误差和声速误差影响的问题,给出一种基于移动矢径的单信标同步式测距定位算法。参考移动矢径的概念建立了移动单信标测距定位模型,利用扩展卡尔曼滤波算法实现了定位滤波算法的设计。仿真和试验结果表明:本文算法可以有效减小初始位置误差带来的定位误差,并对未知声速误差进行实时估计,显著提高了水下航行器的定位精度。     

基于数据融合技术的路段出行时间预测方法

为了精确预测路段出行时间,分析了国内外基于多数据源的路段出行时间预测方法的优缺点,应用自适应卡尔曼滤波算法,通过融合环形线圈检测器数据和浮动车数据,建立了路段出行时间估计模型,在交通高峰期和事故情况下,比较了采用基于环形线圈检测器、浮动车和自适应卡尔曼滤波3种出行时间预测方法预测路段出行时间的平均绝对百分比误差。比较结果表明:基于自适应卡尔曼滤波算法融合了来自环形线圈检测器和浮动车的数据,预测值更接近实测值,预测精度高。     

基于改进扩展卡尔曼滤波算法的SOC估算

在电动车、储能系统和移动设备等领域中,电池管理系统是保障电池组性能和安全性的关键技术之一,而电池荷电状态（SOC）估算是其重要的组成部分。文章重点针对18650型号的磷酸铁锂电池（单体电池）SOC估算展开研究和设计,首先选择双阶远程控制（RC）模型作为电池模型,通过电池容量标定实验、开路电压（OCV）-SOC标定实验、混合功率脉冲特性（HPPC）实验确定了双阶RC模型的各个动态参数,在MATLAB/Simulink中搭建动力电池仿真模型,验证了所选模型的可靠性。然后,为了解决单体电池SOC估算精度和成本等问题,以扩展卡尔曼滤波（EKF）算法为基础提出了一种改进方法,即在预测第k个时间步的误差协方差矩阵时,引入了时变渐消因子,在更新方差Q和R时引入自适应分子。最后,通过不同循环工况对提出的算法进行仿真分析,结果显示,提出的算法提升了SOC估算的精度,实用性强。     

基于卡尔曼滤波的赛道检测优化算法

为了验证卡尔曼滤波算法在摄像头智能车赛道检测方面的应用效果,使用英飞凌TC264单片机为主控制器,通过摄像头采集赛道的灰度图像。根据图像的像素矩阵结合软件编程和比例-积分-微分（PID）算法,计算出电机和舵机的占空比,正确控制摄像头智能车的前进方向,从而实现循迹功能。在摄像头智能车能够正常循迹之后,将卡尔曼滤波算法嵌入到原有算法中,比较前后两种算法在摄像头智能车上的具体应用效果。经过调试,摄像头智能车可以实现循迹功能,速度可达1.4 m/s,且加入卡尔曼滤波算法之后,摄像头智能车能够预测前方赛道。试验结果表明,卡尔曼滤波算法可以对赛道识别起到优化作用。     

护栏立柱性能测试智能虚拟仪器系统的实现方法

针对护栏立柱性能测试智能虚拟仪器系统开发过程中Labview数据处理和分析能力的不足,结合MATLAB强大的数据运算能力进行智能虚拟仪器系统开发。以在Labview中调用MATLAB卡尔曼滤波算法对传感器采集信号进行处理为例,分别实现基于MATLAB脚本节点、COM组件技术和DLL(动态链接库)3种Labview和MATLAB混合编程方法的卡尔曼滤波算法开发,并对3种混合编程方式的运行速度、技术特点等进行对比分析。结果表明,DLL实现方式的运行速度最快,运行时间为3.1 ms; MATLAB Script次之,运行时间为190.3 ms; COM最慢,运行时间为1 453.2 ms。     

H^∞滤波在无源北斗／SINS组合导航系统中的应用

无源北斗接收机输出有色噪声大,数据跳变点多,噪声分析和建模工作困难。而传统的卡尔曼滤波存在不确定的滤波统计参数,滤波稳定性不高,提出将H^∞滤波用到无源北斗／SINS组合导航系统中。H^∞滤波追求噪声干扰对可控输出的影响最小,即强调系统的鲁棒性,而且不需要建立精确的数学模型,也不需要精确知道系统的统计特性,滤波参数设置简单。通过仿真实验验证,在相同滤波误差模型下,其滤波算法稳定性高于卡尔曼滤波的稳定性。     

SINS/GPS/LORAN-C多传感器组合导航系统研究

基于联邦滤波的捷联惯导与GPS、Loran-C组合导航系统,是利用GPS、Loran-C等子系统提供的参数信息对组合导航系统进行联邦卡尔曼滤波,校正捷联惯导系统的误差。在对系统进行了理论仿真的基础上,进行了海上试验,给出了静态和动态试验的结果。理论仿真和基于实测数据的试验结果表明,此滤波器具有较高的滤波性能和精度,而且提高了导航系统的可靠性。     

神经网络在组合导航定位算法中的应用研究

针对无源北斗1号/惯导组合导航系统滤波定位算法,文章提出并设计了神经网络及其训练算法RLS,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。通过仿真验证了此方案的可行性,并能有效提高北斗1号组合导航系统的定位精度。     

基于EKF神经网络的潜艇运动模糊控制

非线性与大惯性是潜艇运动的主要特性,基于试验模型得到的潜艇标准运动方程在很多情况下无法准确描述潜艇的运动过程,特别是当潜艇运动方程建模误差较大时,传统基于模型的控制器设计方法就显得力不从心。因此,本文提出了一种不基于模型的卡尔曼神经网络模糊控制算法,在神经网络学习训练过程中,利用卡尔曼滤波算法优越的数学特性将扩展卡尔曼滤波递推公式与RBF算法结合训练神经网络权值,根据神经网络输出的潜艇运动参数设计模糊控制器。仿真结果表明,该算法具有很好的控制精度、动态特性和鲁棒性。