基于无迹卡尔曼滤波和门控循环单元的道路坡度估计

针对外接激光雷达等传感器普适性差,而传统道路坡度估计方法仅根据车载CAN总线数据在车辆起步、换挡、制动和停车4种特殊工况中的估计误差较大的问题,提出了一种基于无迹卡尔曼滤波（UKF）和门控循环单元（GRU）的道路坡度估计方法。根据车速等数据识别工况,在非特殊工况下,建立车辆动力学模型并采用UKF来估计坡度;在特殊工况下,将规律性不稳定的时序坡度转换为距序坡度,并利用GRU进行短距坡度预测。仿真和实车试验结果表明：在非特殊工况下,该方法通过UKF可准确估计道路坡度;在特殊工况下,该方法通过GRU可有效跟踪距序坡度变化趋势,显著提高了道路坡度估计精度。     

电机节电负荷控制器研究及其应用中的几个问题

本文论述了感应电动机节能装置研制的背景，及对我国能源节约的意义。介绍了本研究不同于美国宇航局诺拉“功率因数控制器”这处，本研制的原理、特点、产品应用范畴，技术水平指标，以及节电器推广应用中的几个问题及前景。     

广义相关时延估计方法在神经系统损伤检测中的应用

应用广义相关时间延迟估计方法,经由诱发电位潜伏期变化的测定,分析研究了撞击加速度和缺窒息实验条件下中枢时间系统的损伤问题。计算机模拟和诱发电位信号分析表明,当神经系统发生损伤时,诱发电位的潜伏期会出现显的变化,这种化可以由广义相关时间延迟估计方法而有效测定。     

城市道路网络动态OD估计模型

针对以动态交通管理与控制为目标的动态交通需求计算问题, 分析了OD量与交叉口转向交通量的动态关系, 将其作为新的系统测量量引入, 以此建立了同时考虑路段断面交通量和交叉口转向交通量的状态空间模型, 得到了基于城市道路网络的动态OD估计模型, 给出了考虑不等式约束的卡尔曼滤波递推方程及相应算法过程。利用微观仿真软件Paramics所建立的实验平台对该模型进行了仿真验证。结果表明: 应用该模型进行交通量计算, 与传统的仅考虑路段断面交通量模型相比, 绝对误差平均减少9%, 相对误差平均减少20%, 而且其能更好地反映交通量真实值随时间变化的情况, 计算结果明显优于传统模型。     

观测路径出行时间下随机网络交通需求估计

道路网络起讫点(OD)需求是城市决策长期交通规划和短期交通管理中的基础参数,准确的交通需求更是实施交通拥堵控制、限行限速、路径诱导等措施的先决条件.综合运用观测的轨迹已知和未知路径出行时间,建立随机网络交通需求估计双层规划模型.上层广义最小二乘模型最小化历史交通需求与待估交通需求、观测路径出行时间与待估路径出行时间之间...     

一种基于扩展状态观测器的智能船舶Nomoto模型参数辨识方法北大核心CSCD

[目的]为了支持制导、导航、控制等船舶智能化技术的测试验证平台的搭建,利用系统辨识技术得到高精度的智能船舶野本(Nomoto)运动模型参数。[方法]充分结合扩展状态观测器(ESO)以及鲁棒加权最小二乘支持向量回归(RW-LSSVR)算法的优势,提出一种高效低成本的混合参数辨识方法。为解决模型参数辨识中无法直接有效获取某些状态量的问题,构建了基于ESO的状态估计方法。基于估计方法与直接测量的船舶运动状态量,采用具有较强抗异常值干扰的RW-LSSVR对智能船舶二阶线性Nomoto运动模型参数进行辨识。以已知模型的两艘船舶为测验对象,对所提参数估计与辨识方法进行综合测验。[结果]在利用较少传感器的情况下,通过ESO可较精确地估计出非直接测量的船舶运动状态量,并且利用RW-LSSVR辨识得到的参数值十分接近标准值。[结论]利用所提方法获得的估计状态可用于参数辨识,并且辨识模型具有较好的泛化性。     

基于STFT和FPO的旋转机械阶次分析

针对在无转速计下发动机转速难以估计的问题,采用短时傅里叶变换（short-time Fourier transform,STFT）和快速路径优化（fast path optimization,FPO）相结合的方法对发动机进行转速估计,结合无转速计阶次分析方法对某客车变速箱底部振动信号进行分析。使用STFT分析振动信号,运用FPO算法从时频图中提取特征阶次所对应的瞬时频率值,计算得到发动机转速曲线,通过积分采样得到等角度间隔信号,最终得到阶次图。仿真分析和试验分析的结果表明：文中方法在提取时频图中相应的瞬时频率值有较高的精度和较好的抗噪性,能够在无转速计的情况下有效实现旋转机械振动信号的阶次分析。     

考虑环境温度影响的超级电容SOC加权融合估计方法

超级电容荷电状态（SOC）的准确估计,直接决定了电动汽车的起动、爬升和加速性能,是电动汽车混合储能系统最重要的任务之一。为此,本文中提出了一种基于模糊熵加权融合的超级电容SOC估计方法。首先,利用粒子群算法辨识了-10、10、25和40℃下的戴维南模型参数,并且采用最近邻点法建立了其与温度之间的映射关系。然后,利用模糊熵设计了基于3种典型卡尔曼滤波的SOC加权融合估计方法。最后,选择自适应加权平均以及残差归一化加权融合的SOC估计方法用于进一步评估该方法的性能表征。结果表明,基于模糊熵加权融合的超级电容SOC估计方法能够提高超级电容SOC估计精度,尤其在高温环境（40℃）下提升效果更为显著。     

基于SVD的复数UKF及电力系统对称分量估计

电力系统对称分量的检测对于电力系统安全稳定的运行具有很重要的意义。利用复数域无迹卡尔曼滤波算法,对三相电压系统的正负序分量及频率进行了估计。为了提高复数无迹卡尔曼滤波的参数估计精度及算法稳定性,引入最优自适应因子并对预测协方差矩阵进行SVD分解,提出了基于SVD的自适应CUKF算法。为消除零序分量,对三相电压分量进行αβ变换,定义了复数形式的状态变量,建立了非线性状态方程及观测方程,实现了正序、负序对称分量估计。通过与普通复数域无迹卡尔曼滤波算法对比,所提研究方法在估计精度及收敛速度等方面优于传统无迹卡尔曼滤波方法。     

基于强跟踪滤波器的多传感器非线性动态系统状态容错融合估计

将强跟踪滤波理论与多传感器数据融合估计方法相结合,提出基于强跟踪滤波器的多传感器数据融合估计新算法。对拥用相同采样的分布式多传感器单模型非线性动态系统,应用强跟踪滤波器,得到目标状态基于全局信息融合估计结果,并利用计算机仿结果对算法的有效性进行了验证。这些工作初步解决了Kalman滤波中由于模型的不确定性而造成估计误差值偏大情况下的状态融合估计问题,从而丰富和发展了多源信息融合理论。