高精度系统时钟下的相对定位算法研究

在TDMA消息分发机制的网络中,获取成员之间准确地相对位置关系十分重要。由于一般导航系统提供的经纬度误差较大,本文提出一种在高精度系统时钟下,通过伪距测量实现网内节点相对定位的算法。在此基础上,详细介绍了针对高动态用户的TOA测量与惯性导航系统（INS）相结合的组合导航算法,建立以导航控制器为坐标原点的相对导航坐标系,根据惯导误差理论设计卡尔曼滤波器,并进行仿真分析。结果显示,该算法对于网内节点的定位精度有明显提高。     

基于快速卡尔曼滤波的SAS水下组合导航方法

合成孔径声呐(SAS)成像是基于匀速直线运动这一理想模型的,因此需要对其进行水下导航运动参数估计并确定出1条用于运动补偿的理想航迹。一般可以利用高精度的组合导航方法测量获得。文中研究了基于光纤陀螺惯导(Octans)和多普勒声速剖面仪(ADCP)等设备的SAS水下导航方法,建立组合导航系统的误差方程,并利用快速跟踪卡尔曼滤波技术进行了SAS的运动参数估计仿真。仿真结果表明,位置误差精度达到航程的0.24%,可作为SAS的水下导航方法。     

区间平滑在船用INS/GPS姿态组合导航系统事后评估中的应用

组合导航系统事后区间平滑算法处理数据精度较在线滤波算法高,通常以经过事后处理的惯导状态信息作参考,对中低精度的舰船导航设备工作性能进行评估。在以速度、位置作为观测量的INS/GPS量测方程的基础上,增加姿态外部修正信息,采用固定区间平滑算法进行处理得出高精度的评估数据,进而分析舰船导航设备的数据输出精度。仿真分析结果表明,增加姿态信息并结合固定区间最优平滑算法的处理方法,可以使系统的姿态测量精度获得大幅度提高,并能克服最优滤波对平台误差角初期估计精度低的缺点,可以作为一种评估舰船导航设备工作性能的事后分析方法。     

基于多传感器采集信息的水下机器人导航系统

设计基于多传感器采集信息的水下机器人导航系统,确保水下机器人能够高效完成水下任务,并改善其导航效果。构建水下机器人导航系统结构,传感器采集模块通过安装于水下机器人上的惯性测量单元、水温水压传感器、GPS传感器、视觉传感器获取其姿态、深度、位置、运动环境信息,数据处理模块调用联合卡尔曼滤波算法实现各种信息的融合后,经通信串口传输至运动控制模块,由主控制器实现水下机器人的运动控制。经以太网通信模块将融合后的数据传输到上位机中,导航模块通过避障算法和路径规划算法实现水下机器人的导航,并呈现导航结果。实验结果表明：该系统可实现多传感器采集信息的融合,融合后速度、位置误差获得有效降低;导航轨迹曲线与实际轨迹基本一致;可实现障碍物避障,并规划出运动轨迹。     

桥梁健康监测中车辆荷载应变的实时分离

通过对桥梁健康监测中不同应力数据处理方法的对比分析,提出采用分段小波分析的方法进行车辆荷载应变效应的实时分离,能够满足实际工程需要,通过对车辆荷载产生应变进行统计分析,确定相应的预警阈值,从而可实时判断结构的受力状况,保障大桥的受力安全。     

舰船电子海图显示与信息系统发展评述

电子海图显示与信息系统(ECDIS)已成为现代舰船导航系统的重要配套设备,其设计日趋合理,各种不同类型的产品由国内、外产业界相继推出,同时涌现出一大批适合电子海图显示与信息系统需求的理论、技术、算法,电子海图显示与信息系统正朝着多功能、多模式、高精度、高可靠性的方向发展.文章着重综述了电子海图显示与信息系统的现状,阐述了舰船电子海图显示与信息系统的最新总线结构、扩展功能,指出了在21世纪初舰船电子海图显示与信息系统的发展趋势.     

基于推广卡尔曼滤波的无源定位系统仿真

在现代电子战、信息战环境中,由于利用目标辐射电磁信息的无源探测定位系统具有自身隐蔽和探测距离远等优点,因此它具有重要的应用价值,并已成为当今非线性跟踪与估计研究领域的热点问题.针对无源定位中状态空间模型非线性和程度较高所引起的滤波发散问题,分析总结了推广卡尔曼滤波(EKF)次优递推滤波过程,最后给出滤波方程及仿真结果.     

基于多信息融合的全轮独立电驱动车辆车速估计

鉴于用非驱动轮轮速信号来估计车速的方法已不适用于没有非驱动轮的全轮独立电驱动车辆,提出了借融合车载普通传感器信号和驱动电机反馈信号等多信息源,并基于稳态工况下的轮速信号卡尔曼滤波和瞬态工况下的加速度积分的全轮驱动车辆车速估计方法.通过实车试验对该方法的有效性、适用性和精度进行了验证.     

数据融合在轮速信号处理方面的研究

在轮速采集试验台采用双传感器采集数据,用多传感器卡尔曼滤波融合技术对其进行滤波处理,将处理结果和传统卡尔曼滤波比较,发现此方法能够比较精确的提取一些制动工况的特征参量,削减外界噪声,能够比较真实的反应制动规律。多传感器卡尔曼滤波融合技术能有效提高ABS控制性能。     

基于卡尔曼滤波理论的电力短期负荷预测模型

为了提高超短期负荷预测的精度, 通过卡尔曼滤波理论建立了实时调度子系统的超短期负荷预测模型,并用两种方法对基本模型进行改进。利用电能管理系统记录的各交易段实际调度负荷和各竞价电厂以机组申报的竞价数据,预测未来各时段的调度负荷。通过对3种模型所预测出的电力短期负荷预测结果比较,表明对原始数据进行比例变换的预测方法更为理想。