利用速度信息改进城市道路短时交通量预测

利用速度消息的时变特性,提出了1种无需假设状态变量为平稳的基于卡尔曼滤波算法的短时交通量预测模型。依据城市道路网上下游路段交通流之间的时空演化关系,利用实时采集的路段平均速度信息构建时变的状态转移矩阵来取代常数状态转移矩阵,对现有基于卡尔曼滤波算法的短时交通量预测模型进行改进。最后以2个真实路段4d的交通量进行预测试验,相关计算结果表明:由于加强了模型的动态性,改进后的预测模型较原模型的预测精度在整体上有所提高,其中平均绝对相对误差由7.64%及16.04%分别下降至7.25%及15.75%,均等系数则由0.9572及0.9250分别提高至0.9602及0.9268,而对于交通量急速变化的时段,提高的幅度更为明显,平均绝对相对误差可降低14.8%,从而验证了所提出方法的有效性。      

宜万铁路危岩落石监测预警系统

宜万铁路是铁路史上桥隧比例最高的铁路,沿线的大量隧道口危岩给铁路行车安全带来重大威胁,工程防护手段并不能完全解除危岩落石的威胁.结合目前铁路危岩落石监测主流技术和宜万铁路的实际情况,提出了基于红外激光轨面扫描成像和非接触式振动波信号检测技术的融合检测技术体系,研制了宜万铁路危岩落石监测预警系统.已建成的9套监测系统在宜万铁路近1年的运行情况表明,该系统监测能力完备可靠,与其他的危岩落石监测技术相比具有极低误报率,能够充分保障宜万铁路的行车安全.      

Path following control of underactuated ships based on unscented Kalman filter

A path following controller is proposed to force an underactuated surface ship which is suffering from disturbance to follow a predefined path.The controller is based on analytic model predictive control and unscented Kalman filter(UKF) techniques.The analytic model predictive control provides a systematic method to get appropriate controller parameters to guarantee the stability of the closed-loop system,and the well-defined relative degree is guaranteed by introducing output-redefinition.The UKF is used t...     

城市快速路行程时间预测模型研究

根据快速路行程时间数据序列规律分析,选择移动平均参数预测模型、指数平滑参数预测模型与卡尔曼滤波预测模型进行比对.通过上海市快速路车牌识别设备采集的行程时间实测数据,对各种模型的效果进行评估,结果表明:卡尔曼滤波预测模型在不同数据特征案例情况下均取得比较理想的效果.     

扩展卡尔曼滤波法在12相发电机定子参数辨识中的应用

利用新型电源12相发电机精确的数学模型,得到其离散状态空间方程,在此基础上,应用扩展卡尔曼滤波算法首次实现了其定子参数辨识.利用PSCAD和MATLAB软件分别实现了电机的仿真与辨识;辨识程序分无噪声和有噪声2种情况,且2种情况辨识结果误差均控制在9%以内,证明了此方法的有效性.     

基于自适应卡尔曼滤波的轮速信号处理技术

分析了轮速信号的检测误差,建立了轮速估计的系统状态空间模型,采用了用于轮速估计的自适应卡尔曼滤波算法.利用MATLAB进行了仿真,验证了算法的有效性.实车试验表明,滤波后的轮速信号延时小,响应速度快,平滑效果比较理想,可以用来直接估计车速.     

融合多源数据与元胞传输模型的高速公路交通状态估计方法

针对高速公路管控和决策应对交通状态进行准确、可靠和精细化估计的需求,本文提出了一种基于多源数据+元胞传输模型（Multi-Source Data Cell Transmission Model,MD-CTM）的交通状态估计方法。该方法针对传统CTM模型要求元胞长度必须一致的局限性,提出了一种元胞长度划分的优化方法,能够灵活调整元胞长度和数量。同时,应用卡尔曼滤波技术,将ETC门架流量、稀疏视频检测器流量和样本车辆平均速度数据融合,并与CTM模型相结合,实现高速公路元胞级交通状态估计。为了验证本文提出方法的有效性和准确性,我们利用VISSIM软件构建了长度5 km的高速公路仿真场景。仿真案例结果表明,本文提出的MD-CTM模型能够较为准确地反映不同流量需求下交通流状态的时空演化特征,且相较于CTM模型,其元胞密度估计精度提高12.59%～36.26%。此外,本文选取了成都市绕城高速路段实际场景,对模型的运行效果进行了展示。     

水下航行器模型参数辨识技术

采用系统辨识技术识别水下航行器模型参数,是修正理论计算或船模水动力试验结果,实现精确数学建模的有效手段,对水下航行器总体性能优化、操纵性预报、控制器设计等方面都具有重要意义。重点对基于最小二乘法、人工智能和卡尔曼滤波的3种典型参数辨识方法进行分述,并对相关领域取得的成果、存在的问题和研究热点进行系统梳理。最后,对系统辨识技术在水下航行器模型参数辨识应用领域的发展趋势进行展望。     

基于扩张状态卡尔曼原理的海浪滤波算法

针对海浪干扰下船舶控制系统存在的无效舵问题以及风、流干扰下观测器存在的静差问题,提出一种基于扩张状态卡尔曼原理的海浪滤波算法。该方法首先对船舶一阶Nomoto模型进行离散化,基于带遗忘因子的最小二乘法对模型中的参数进行辨识;以海浪二阶传递函数与一阶Nomoto模型建立用于海浪滤波的四阶状态方程,并以Nomoto模型中环境干扰与未建模动态组成的综合干扰项为扩张状态建立五阶状态方程,基于卡尔曼滤波算法设计海浪滤波器,在实现海浪滤波的同时消除干扰环境下状态观测静差问题。仿真结果表明,本文提出的海浪滤波算法能够有效的滤除船舶航向的高频信号并正确的估计出船舶的运动状态,显著减少了船舶航行时的无效舵问题。     

IXSea Gaps超短基线定位数据卡尔曼滤波研究

文章介绍了IXSea Gaps超短基线定位系统及其优势,以及卡尔曼滤波的基本原理、特点、初始值选取和测量过程中所产生的野值的判断准则。在此基础上编写了适用于超短基线定位数据的卡尔曼滤波程序。对水下定位试验所采集的数据进行卡尔曼滤波,得到了较平滑且与原始数据相吻合的滤波数据。