基于多传感器数据融合算法的轴荷称重

为了提升轴荷动态称重系统在载荷任意位置加载时的称重精度，提出了基于多传感器的卡尔曼数据融合算法。通过分析均载与偏载下纯位移称重算法输出的称重数据，建立位移与车厢姿态角度关系的车厢数学模型；利用该模型建立位移与角度的卡尔曼数据融合算法；通过实车数据采集验证该算法的有效性。多传感器数据融合算法与单一位移称重算法相比，平均称重准确率提高了2.78%。     

基于Elman网络的舰船组合导航系统误差补偿研究

为了提高卡尔曼滤波估计精度，提出了一种基于回归神经网络补偿卡尔曼滤波器估计误差的方法。根据Elman网络与非线性ARMA模型工作原理的相似性，利用Elman网络做误差估计器，补偿卡尔曼滤波器的估计精度。实际舰船航行数据仿真测试表明，该方法有效可行。     

利用多模型法的铁道车辆状态诊断

本文介绍利用多模型法中的IMM法检测铁道车辆悬挂系统故障的方法,开发了利用模型更新的IMM法推测车辆悬挂系统故障的算法,应用多车身动力学SIMPACK进行了车体、转向架间横向振动减振器的故障检测模拟,论证了检测精度的大幅提高。     

基于非线性Kalman滤波器的长序列立体图象运动估计

讨论一种基于运动模型的，从长序列含噪立体图象中估计目标运动参数的方法，目标的运动模型具有恒进动的旋转分量和恒加速的平移分量，而模型参数和估计采用一个带阻尼因子的迭代Ｋａｌｍａｎ滤波器，为以非线性滤波器的发散性，文中建立了一个产生状态初始值的线性算法，最后给出计算机模拟的结果。     

基于多传感器信息融合的列车定位方法研究

针对城市轨道交通中列车定位问题,提出了一种基于联邦卡尔曼滤波器的多传感器信息融合列车定位方法,建立了GPS/IPS/DR信息融合模型,对GPS/IPS/DR组合的信息融合定位进行了MATLAB仿真,结果表明,GPS/IPS/DR融合定位能提高列车的定位精度和可靠度,能很好的抑制传统列车定位中的积累误差.     

带有UKBF的船舶动力定位预测控制器设计

为了精准设计水面船舶动力定位控制系统,将无迹卡尔曼布西滤波与非切换解析模型预测控制方法相结合提出一种预测控制器的设计方法.采用无迹卡尔曼布西滤波算法解决非线性连续系统的滤波问题,获取船舶运动状态的估计值;结合相对阶概念,根据船舶运动非线性模型,应用非切换解析模型预测控制方法设计动力定位非线性控制器,使船舶保持在指定位置.研究结果表明:设计控制器的输出较为平滑,有利于减少推进器磨损;设计控制器使船舶北向位置调节时间小于40 s,超调量小于5%,东向位置调节时间小于60 s,超调量小于5%,艏向角度的最大偏移量小于1.5°,令船舶快速到达了指定位置.      

天文定位的最优估计方法及其应用

论述了天文定位的最优估计方法及其精度。六分仪观测值与依赖于ＧＭＴ和推算船位的该值的预测值之差，与来自卡尔曼滤波器增益阵的ＫΦ和Ｋλ相乘，可以得到推算船位与最优估计船位的差值ＤΦ和Ｄλ。它们与推算船位的线性组合可以实时地给出最佳船位，即使只有一次观测亦是这样。最优估计方法被应用于作者研制的ＨＸ－１１１３天文导航仪和ＧＰＥＳ１型电子六分仪，海上试用的结果表明，该方法不仅定位方便，而且精度高，中午附近定位误差可达１ｎｍｉｌｅ之内。     

一种基于卡尔曼最优平滑方程的开关电容网络——第三代（光？…

列车轴温光纤传感探测器的输入信号十分微弱并混有噪声，为此研制一种特殊的波滤器就显得尤为必要。文中分析了该探测器的噪声源，并根据光电变换信号的微分表达式建立了卡尔曼最优平滑方程，采用开关电容滤波器精确实现了该方程，解决了列车轴温光纤传感探测器中的信号平滑滤波问题，大大提高了系统的探测率。     

基于卡尔曼滤波的城市快速路交通密度估计与拥堵识别

针对城市快速路网中只有部分路段检测器可用的情况,为准确地估计交通密度并基于此快速识别路网所有路段的交通拥堵情况,研究了基于宏观交通流模型的卡尔曼滤波器设计方法.结合动态图混杂自动机(DGHA)与元胞传输模型(CTM)对快速路网建模,在此基础上推导出分段仿射线性系统(PWALS)模型.基于所得到的模型设计出切换型卡尔曼滤波器进行交通密度估计,并通过将路段密度估计值与临界拥堵密度进行对比来对快速路网的拥堵进行识别.以京通快速路为例进行实验,结果表明,真实值与估计值的平均绝对误差为MAE=0.625 988,显示了所提方法的有效性.      

汽车质心侧偏角融合估计方法EI北大核心CSCD

基于质心侧偏角的运动学与动力学估计方法,提出了一种新的质心侧偏角融合估计器。它有3个基于不同估计模型的卡尔曼子滤波器,分别独立估计横向车速,并作为初步估计结果送入主滤波器,主滤波器根据信息融合规则,对这些初步估计结果进行融合,得到全局融合估计结果,最后用它算出质心侧偏角。实车试验结果显示,相比于单一估计方法,融合估计器有更高的估计精度和对传感器信号偏差的鲁棒性。