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Hopfield神经网络的导航系统的滤波估计

介绍了以中精度惯性导航系统INS(Inertial Navigation System)为主,与全球导航定位系统GPS(Global Position System)等多个次级导航系统组成的导航系统的实现方案.设计了基于Hopfield神经网络的导航系统的滤波估计算法.经计算机模拟仿真证明,神经网络的算法优于通常的卡尔曼滤波方法.     

船载炮的射击误差分析及消除方法

基于船舶在海浪中运动模型，结合炮兵射击学原理，研究了船舶摇摆导致火炮基座运动以及杆臂效应导致子惯导初始对准误差等因素对火炮射击的影响，分析了传递对准消除对准误差角的效果。仿真表明，低射界射击情况下，纵摇和横摇对射击距离的影响随射程增大而减小；对射击方向而言，纵摇的影响随射程增大而减小，而横摇的影响则随射程增大而增大；由安装偏差所造成的杆臂效应产生的误差角对射击的影响也很明显，其影响随船舶振荡运动的幅度的增加而增大；采用基于卡尔曼滤波的传递对准能快速消除船载炮初始对准角误差，从而提高火炮初始装定射角的准确性。     

一种V2X环境下基于改进卡尔曼滤波的CACC数据精度提高方法

针对V2X环境下通过车车、车路通信获取的CACC车辆行驶状态数据(包括位移、速度和加速度等)存在噪声的问题,考虑车辆在弯道行驶过程中速度方位角的变化,提出了一种改进卡尔曼滤波算法的CACC车辆行驶数据精度提高方法。该方法根据CACC车辆在弯道行驶的几何关系,通过考虑上一时刻和当前时刻车辆行驶位移、速度等行驶状态的变化,将其行驶数据经过改进卡尔曼滤波后对车辆行驶状态做出最优估计,进而提高CACC车辆行驶状态数据精度。通过CarSim和Simulink联合仿真平台建立改进卡尔曼滤波算法对CACC车辆在弯道行驶过程中获取数据的仿真和验证。仿真结果表明,改进的卡尔曼滤波算法使车辆行驶位移的精确度MSE提高了81.04%,RMSE提高了56.96%,更接近期望值,具有更好的准确性。     

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。     

金山大桥局部拆除后续运营期性能和实测分析

挠度是连续刚构桥悬臂施工控制的重要对象,其实测值受多个因素影响,从实测挠度中获悉反应结构受力的真实挠度,对其施工控制具有重要意义。本文基于改进的自适应卡尔曼滤波算法从挠度实测值中提取出真实信号,预测待浇梁段的挠度变化,并调整施工预拱度,使施工实际状态逼近理论计算轨迹,达到施工监控的目的。通过实际工程的应用证明该方法具有良好的适用性。     

基于约束卡尔曼滤波的短时交通流量组合预测模型

为了克服单一的交通流预测模型性能不稳定的问题,提出了基于约束卡尔曼滤波的短时交通流量组合预测模型。约束卡尔曼滤波组合预测模型以各单一预测模型的权重为状态变量,交通流量为观测变量,预测结果是单一预测模型的加权和,加权系数由约束卡尔曼滤波方程递推动态确定,最后通过广深高速公路上采集的交通流量数据对算法进行了验证。结果表明,在不同预测步长情况下,约束卡尔曼滤波组合预测模型要优于最佳的单一预测模型或与其持平,并且不受某一较差的预测模型影响,具有较高的鲁棒性。