基于卡尔曼滤波的磁偶极子目标张量定位

采用现有单点磁梯度张量定位方法定位磁偶极子目标时,易出现定位结果受测量噪声影响而发散的现象。针对该方法的不足,根据磁偶极子磁感应强度与磁场梯度张量的基本关系式,建立张量定位的状态空间模型,并采用卡尔曼滤波器对状态向量进行估计,实现目标定位。设计数值算例对定位方法进行检验,定位结果表明,基于卡尔曼滤波的定位方法具有较高的精度和稳定性,可用于航空磁探测和水下小目标磁场探测。     

基于EKF的AUV协同定位方法仿真与验证

自主水下航行器（AUV）协同导航定位技术是解决复杂作业环境下导航问题的重要途径,研究了单领航艇的主从式多AUV基于扩展卡尔曼滤波（EKF）算法的协同到导航定位问题。AUV协同定位时,主AUV内部装备高精度导航设备,从AUV内部装备低精度导航设备,外部配有测距装置,舰艇间是通过通信装置来交换自身位置和状态信息并同时测量通信双方的相对距离,通过信息融合对自身定位进行修正,利用EKF算法对系统中传感器所传递信息进行融合,对从AUV进行实时定位。通过仿真验证此算法可以显著提高导航定位精度。     

Simple adaptive filtering scheme to improve measurement accuracy of gyroscope on angular motion base

The objective of this work is to improve the measurement accuracy of a gyroscope on a angular motion base with a simple adaptive filter scheme. Two main topics are highlighted in this work. The first topic is to show building a dual-process model employed for the conventional Kalman filter. The second topic is to show developing a modified noise adaptive algorithm when measurement noise and process noise are unknown. The experimental results are presented to show that the simple adaptive filtering scheme outperforms the other conventional scheme in this paper in terms of noise reduction.     

卡尔曼滤波法在斜拉桥换索中的应用

由于斜拉索锈蚀、锚具松脱、混凝土的收缩徐变以及施工、养护等原因,许多20世纪修建的混凝土斜拉桥面临换索问题.以前的斜拉桥换索施工控制方法很难对斜拉桥索力及主梁标高进行有效的控制.笔者结合皎平渡斜拉桥换索工程,运用卡尔曼滤波法对斜拉桥换索进行施工控制,结果表明应用此法换索后的混凝土斜拉桥换索后总索力与设计合理总索力差2 926 kN,控制在3%以内,主梁标高与设计标高最大处差5 mm,满足桥梁施工控制的要求,换索后桥面线形有所优化.因此卡尔曼滤波法可用于混凝土斜拉桥换索工程的施工控制.     

基于衰减记忆滤波法的桥梁变形监测数据分析

指出了卡尔曼滤波基本方法在模型不准确时可能出现的发散现象,提出了利用衰减记忆滤波处理桥梁自动监测系统监测数据的方法,并通过实例进行了说明。实际算例表明,滤波值、原始值与预报值变化趋势一致,且滤波值改善了原始观测值,较好地解决了发散问题,说明这种方法适用于处理桥梁全自动监测数据。     

汽车离合器从动盘测试机电控系统设计

基于滑模控制算法和卡尔曼滤波算法的分析,设计了基于卡尔曼滤波的复合滑模控制算法,并将其应用于设计的离合器从动盘测试机的电控系统,以提高测试机的控制性能．经仿真分析验证,复合滑模控制算法比复合PID算法响应速度快,具有较好的稳态精度和跟踪精度,卡尔曼滤波算法能有效消除现场随机干扰和抑制了工频干扰．检测数据表明,测试机的位移和力矩检测精度分别达到了±0．005mm和±0．05N·m．     

基于扩展卡尔曼滤波的汽车质心侧偏角估计

基于二自由度汽车动力学模型和轮胎模型,运用扩展卡尔曼滤波方法建立了汽车质心侧偏角估计器.利用汽车动力学仿真平台,通过仿真对比了线性轮胎模型和非线性轮胎模型的质心侧偏角估计结果.仿真结果表明,轮胎模型对于质心侧偏角估计精度至关重要,而采用非线性轮胎模型能显著提高质心侧偏角估计精度,估计结果能满足ESC控制的要求.     

多源数据融合的区问车辆速度预测算法研霸

不同的交通信息采集方式由于其硬件和采集条件的不同,数据的适用范围和准确性也不同。在短时交通预测中,对于来自于不同检测器的交通流数据进行融合,并在数据融合的基础上进行区间速度的预测,可以有效地改善预测结果的准确性和可靠性。文中提出一种基于卡尔曼滤波的数据融合和区间速度预测方法。在对数据进行预处理和交通状态划分的基础上,根据不同的交通状态,进行多源交通数据融合和区间速度的预测。研究确定了卡尔曼滤波方法中的各个参数,并使用人工神经网络的方法求解状态转移矩阵。算法验证结果表明,速度预测的精度在90％以上。     

基于探测车数据的路段行程时间估计

利用探测车数据进行路段行程时间估计面临着两类误差：采样误差和非采样误差,从而导致估计结果精度不高和可靠性差。在回顾已有估计方法的基础上,有针对性地引入了自适应式卡尔曼滤波,建立了相应的状态方程和观测方程,利用相似时间特征的历史数据标定了状态转移系数,并对滤波进行了求解。以实际数据对估计方法进行了验证,平均相对误差为13.13%。研究表明,自适应式卡尔曼滤波能够应用到基于探测车数据的路段行程时间估计中来,并具有估计精度高、收敛速度快、参数少、对初值不敏感等优点。     

基于RFID电子车牌数据的公交行程时间预测方法

为了给公交优先信号配时系统提供足够的"思考"时间和准确的控制依据,基于重庆市RFID电子车牌数据提出了一种采用自适应渐消卡尔曼滤波和小波神经网络组合模型动态预测公交行程时间的方法。综合分析公交行程时间的动态和静态影响因素,选取的模型输入参量为标准车流量、路段车辆平均行程时间、平均车速离散性和前班次公交行程时间。利用RFID电子车牌系统采集重庆市鹅公岩大桥路段车辆行驶数据,选取3 000组实际运行数据完成公交行程时间预测模型的训练,另筛选50组数据验证模型的有效性和准确性。研究结果表明：组合模型可动态自适应预测公交行程时间,预测值平均相对误差为3.23%,绝对误差集中在8 s左右,明显优于2种单一模型和基于传统GPS数据的公交行程时间预测模型,可认为选择RFID电子车牌数据作为组合模型的输入,能够明显改善模型预测精度;组合模型预测值的残差分布更为集中、鲁棒性较好,泛化能力强。选择平均绝对误差值、均方根误差值和平均绝对百分比误差作为模型评价指标,结果进一步表明,组合模型的综合预测效果明显优于单一的自适应渐消卡尔曼滤波和小波神经网络。研究方案可为先进公交信息化系统提供良好的技术支撑。