简易瞬态工况法排放测试中车速信号的卡尔曼滤波研究

针对采用简易瞬态工况法(VMAS)进行排放测试时,速度信号受干扰导致加速度计算误差大的问题,提出了用卡尔曼滤波进行降噪处理的方法.用仿真算例分析了该滤波方法的滤波效果,并与传统的FIR滤波法的滤波效果进行了比较,证明了卡尔曼滤波法的有效性.同时还建立了VMAS测试中速度滤波的状态空间模型.基于这一模型,用卡尔曼滤波方法进行了等速和加速工况的实测信号验证,结果表明方法正确有效.     

基于SINS/GPS的高速列车组合导航系统

为提高高速列车的导航精度,提出了一种基于SINS/GPS的组合导航系统.分析了SINS和GPS的误差源,设计了SINS/GPS高速列车组合导航算法.仿真结果表明,所提出的SINS/GPS高速列车组合导航系统精度高,可靠性好,克服了惯性导航系统误差随时间增大的缺陷.     

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Kalman滤波的城市环路交通流短时预测研究

在介绍现有的主要交通流预测方法的基础上，阐述了基于卡尔曼滤波（Kalman）的预测模型及其具体算法。结合城市环路的交通运行特性，构建了基于卡尔曼滤波的交通流短时预测模型，并根据北京市三环路的实际数据对模型进行验证。实证数据表明．所建立的交通流动态实时预测模型的预测效果比较理想，算法的实时性也满足实际预测系统的要求，可应用于交通流预测及交通智能控制。     

基于卡尔曼滤波理论的交通信息预测模型及其应用

为了改善交通预测值的精度，采用改进的卡尔曼滤波法进行交通信息预测，提出了其噪声协方差μ的计算方法。改进的预测法能利用实测的交通参数对未来的预测值不断进行修正，适用于交通状况的实时分析。     

基于卡尔曼滤波的Galileo动态定位

采用一种Galileo动态定位滤波的方法，该方法从Galileo接收机输出的定位结果入手，将各种误差因素的影响等效为一个总误差，对Galileo接收机的机动载体加速度采用当前统计模型，利用线性卡尔曼滤波器进行动态定位数据的处理，并将带次优渐消因子的卡尔曼滤波算法应用到Galilex，动态定位中。本模型简单，实时性好，滤波后定位精度得到提高。     

一种模型预测控制算法在国产DP系统中的应用

在动力定位系统对风和流的作用力进行前馈控制的基础上,将卡尔曼滤波的状态估计方法运用于估算船舶低频运动信号,提出一种基于专家经验的模型预测控制算法.为检验该算法的控制精度和控制稳定性等技术指标,结合目标船的实际情况,对动力定位系统的水池试验进行了设计.不同模拟环境下的试验结果表明,该控制算法能够满足目标船对动力定位控制系统的技术要求,具有良好的控制精度和稳定性.     

基于USQUE的四元数容积卡尔曼滤波算法在组合导航中的应用

组合导航是导航领域中一个重要的研究领域和应用方向。传统的基于惯导误差模型的组合导航模式,因模型在建立过程存在各种近似计算,这必然使得建立的模型中引入诸多近似误差和模型误差,因此,其信息融合的估计精度下降。论文基于USQUE计算流程,提出一种四元数容积卡尔曼滤波算法,并将该算法应用于SINS/GPS位置松组合导航问题当中,仿真结果验证该算法的有效性并且具有较高的估计精度。     

AKF算法在城市快速路行程时间计算中的应用

卡尔曼滤波算法具有动态性、实时性的优点,但在用FCD数据对城市快速路进行行车时间计算中,要求对参数计算值进行实时跟踪与识别,需要使用具有一定跟踪能力的自适应递推算法,如自适应卡尔曼滤波（AKF）算法。文中通过采用AKF算法计算上海市南北高架道路的行程时间,定量证明了AKF算法的高精度。