基于扩展卡尔曼滤波的轨道垂向不平顺估计

轨道不平顺是影响列车平稳性和舒适度的关键因素,因此及时掌握线路状态对保证列车的运行安全具有重要意义。针对采用单个惯性量较难达到对不同波段不平顺的检测,通过观测多个惯性量,运用扩展卡尔曼滤波解决非线性离散系统的最优估计原理,根据车辆轨道耦合状态空间方程计算递推雅克比矩阵,并结合线性观测方程得到最优状态估计,实现轨道不平顺估计。在Matlab平台下,进行了实测轨道不平顺激励作用下的仿真,将仿真得到的观测值采用本文提出的方法进行轨道垂向不平顺估计,结果表明该算法具有很好的精确性。     

基于改进卡尔曼滤波锂离子电池SOC估计

为了估算锂离子电池的剩余电量，考虑估计过程中的噪声影响，采用卡尔曼滤波方式进行电池的荷电状态估计研究。以戴维南等效电路模型为基础进行了电池参数的辨识，利用Simulink建立基于卡尔曼滤波的电池荷电状态估计模型。分析了电池在不同的放电电流的工况下，测量误差对电池荷电状态估计的影响，提出了改进卡尔曼滤波算法。仿真结果表明：与拓展卡尔曼滤波算法相比，改进卡尔曼滤波算法精度更高。     

基于多传感器鲁棒容积卡尔曼融合的半潜式起重平台立柱快速压载舱液位估计

在半潜式起重平台立柱快速压载舱的液位测量过程中，由于可能存在传感器故障和外界干扰等因素，从而产生观察野值并导致系统输出的可靠性降低。针对此问题，本文提出一种基于多传感器鲁棒容积卡尔曼融合（Multi-Sensor Robust Cubature Kalman Fusion,MSRCKF）的液位估计算法。借鉴Huber等价权函数的思想，引入一个自适应因子以抑制观测野值对容积卡尔曼滤波的影响，再通过基于扩展信息滤波的矩阵变换推导出近似等效于集中式融合的MSRCKF算法。仿真结果表明，MSRCKF算法可以在单传感器发生故障的情况下有效地提高液位测量系统估计值的可靠性和稳定性。     

高性能MINS/GPS组合导航计算机研究

针对MINS/GPS组合导航计算机设计中所面临的具体要求,设计了一款基于高性能浮点DSP及FPGA的组合导航计算机.在该系统的设计中,FPGA EP20K160E负责系统的数据采集和主要的逻辑控制,浮点DSP TMS320C6713则在植入嵌入式操作系统后主要负责导航信息的处理,并能够有效支持本系统所采用的基于模糊自适应卡尔曼滤波器的数据融合方法.跑车实验结果证明基于选用的DSP和FPGA所设计的导航系统的精度和实时性均能达到设计要求,并具有低成本、体积小等优点,对微型导航技术的广泛应用具有实际意义.     

预应力混凝土连续刚构箱梁桥施工中的桥面高程控制

结合岳潜项目部施工的英山河大桥的施工实践，对大跨度刚构一连续梁桥的挂篮悬臂浇注施工过程中产生挠度的因素进行分析和总结，分析了影响该桥施工控制的主要因素和关键技术，论述桥面高程控制的理论和方法，通过设置合理的预拱度达到对成桥线形的控制。并采用了离散性线性系统的卡尔曼滤波来估算分析现场施工中的标高误差。调整立模标高，使成桥后线形满足设计要求。     

卡尔曼滤波在光纤测温隧道火灾监测系统中的应用

公路隧道具有结构封闭且狭长的特殊性,隧道内的环境温度监测系统,需要在保证连续实时测量的同时,不引入额外风险。光纤测温技术具有测量连续实时、现场无需供电等优点,适合用于公路隧道的环境温度监测。所以对测温信号进行合理的处理和分析,提升监测的有效性,是需要重点研究的问题。文中采用卡尔曼滤波方法进行光纤测温系统的滤波降噪,并与现有方法进行比较,由实验结果可得,采用卡尔曼滤波方法的测温系统,其工作效果具有更好的实时性和灵敏度,可对高速公路隧道中的温度异常情况进行及时有效地反馈。     

协方差自动加权卡尔曼滤波在水下舰位推算中的应用

本文分析了潜艇采用罗经和计程仪提供的信息并以经典卡尔曼滤波算法推算水下舰位时容易引起发散的原因，提出了抑制发散的协方差自动加权卡尔曼滤波算法。大量的仿真实验结果表明其效果十分显著。     

基于状态空间的连续断面船舶交通流量预测研究

船舶流量预测是船舶交通流研究的重要内容,建立科学合理的船舶流量预测模型有助于航道的设计、规划和管理。将传统的单断面船舶交通流预测方法向多断面进行改进和推广,提出基于状态空间和卡尔曼滤波的多断面交通流预测模型。利用船舶交通流多断面流量数据的时间序列进行多维线性回归,并转化为状态空间模型形式;在此基础上由卡尔曼滤波算法对交通流量进行递推预测,得到多断面交通流的预测值。作为实证研究,分别对武汉长江大桥、武汉长江二桥2个断面,以及长江重庆段朝天门、万州、巫山3个断面进行实际数据分析来验算模型的有效性,并与单断面多维线性回归预测方法进行对比。结果表明,使用状态空间模型得到的武汉长江大桥、二桥预测结果的平均相对误差分别减少4.59%,0.97%;而重庆段3个连续观测点采用状态空间法预测比使用时间序列预测平均绝对误差和平均相对误差均有不同程度的降低,其中平均相对误差分别降低1.08%,4.28%, 3 .54%。因此,在不同时间维度上,该模型有助于提高多断面交通流预测精度。      

基于卡尔曼滤波的机械振动信号建模和预测

机械设备的振动信号包含了其运行状态的许多宝贵特征。现利用卡尔曼滤波技术来研究振动信号的预测问题，详细阐述了卡尔曼滤波预测模型和具体递推算法。并利用建立的卡尔曼振动预测模型对某实测振动信号通过Matlab编程进行预测仿真。仿真结果表明：使用卡尔曼滤波对振动信号进行建模预测可以获得较高的精度，同时兼有良好的实时性。