多目标对单矢量水听器俯仰角测量的影响研究

单矢量水听器可以对单目标进行俯仰角的测量,当出现多目标时会使得俯仰角测量结果出现误差,文章通过理论推导给出了多目标情况下对俯仰角测量的影响。结果表明,当出现多目标时,尽管在两目标俯仰角相同的情况下,利用传统的俯仰角测量公式测得的结果仍是错误的,测量结果会比实际俯仰角值大。当两目标俯仰角不同时,测得的俯仰角结果也并不像水平方位角那样是合成方位,测得的俯仰角值可能大于两目标任意俯仰角值,具体值则跟两目标的水平方位夹角有关。最后,通过仿真和实验对上述分析结果进行了验证。     

基于光滑整形自抗扰的双摆起重机消摆控制

为解决无负载摆角传感器的双摆桥式起重机消摆时间长、定位精度不高、抗干扰能力差的问题,提出一种光滑整形与自抗扰控制相结合的双摆起重机防摆控制方法。针对传统梯形速度轨迹对双摆起重机冲击较大的问题,利用光滑整形技术对梯形速度轨迹进行光滑整形,得到平滑的运行速度轨迹,以保障系统平稳运行。对双摆起重机的动力学模型进行变换,得到包含总扰动及未知负载摆角的台车运动及负载摆动的状态方程。为了抑制总扰动对台车运动、负载摆动的影响,实现无负载摆角传感器情况下的负载状态反馈,设计扩张状态观测器分别对台车运动回路、负载摆动回路的总扰动进行估计并补偿,对负载摆角进行实时观测并反馈到前端对负载动态进行控制,进而形成了桥式起重机定位消摆双通道自抗扰闭环控制器,并对闭环系统的稳定性进行了严格的理论证明。仿真结果表明：所设计的扩张状态观测器组能够对台车运动及负载摆动的总扰动进行准确估计,对负载摆角进行实时观测,所设计的混合控制策略在模型参数发生变化和外扰作用下可全过程平稳将吊重搬运到目标位置,且能有效地抑制负载摆动。     

基于DRL的四轮独立驱动电动车辆的侧向车速估计

为精确估计车辆行驶状态,提出了一种四轮独立驱动电动车辆侧向车速估计方法。基于深度强化学习(DRL)范式,设计了侧向车速估计方法的架构;基于深度确定性策略梯度(DDPG)算法,设计了DRL智能体;采用循环神经网络,搭建了DDPG算法中的Actor网络和Critic网络。基于设计的奖励函数和训练场景,借助Matlab/Simulink软件,完成了算法的实现和训练;并通过在车辆双车道变换等实际行驶工况的仿真,进行了验证。结果表明：在经过了630次的学习训练之后,与扩展Kalman滤波方法相比,本文方法的估计精度提升40%。因而,本文方法能够在常用行驶工况中对车辆侧向车速进行估计。     

抗差Kalman滤波算法研究及其在GPS监测数据中的应用

针对传统Kalman滤波在异常噪声作用下滤波估计会出现较大偏差等问题,研究基于稳健估计准则、最大相关熵准则的抗差Kalman滤波的算法原理及模型构建,推导基于Huber法、最大相关熵法的抗差Kalman滤波公式,并利用经典kalman滤波、Huber法抗差Kalman滤波、最大相关熵法抗差Kalman滤波以及小波阈值去...     

网络背景下的高职化学自主学习探析

基于网络环境下的自主学习对学生来说,是一种全新的学习方式。文章围绕自主学习的内涵、心理机制和网络自主学习的特点,分析了高职化学课程开展网络环境下自主学习的优势和特征,并对高职化学教学开展基于网络环境下的自主学习提出了要求。     

一类非线性波动方程的整体吸引子

为了更好地了解非线性波动方程解的性态,研究了一类含有混合导数项的非线性波动方程的整体吸引子的存在性问题：在引用Kuratowski测度的定义并对其基本性质进行讨论的基础上,通过渐近先验估计,证明了解半群{S（t）}t≥0在Kuratowski测度下的渐进光滑性,从而得到了这类含有混合导数项的非线性波动方程在H0^1（Ω）×L^2（n）上的整体吸引子的存在性定理．     

电动助力转向系统回正控制算法研究

提出了一种电动助力转向系统回正控制算法以提高转向盘的回正性。开发了一种基于转向盘转角估计的PID控制算法，该控制算法不需要转向盘转角或者电动机转速传感器，降低了控制系统的成本。同时，对提出的控制算法进行了仿真，并与其它回正控制算法的试验进行对比，结果证实此算法可提高转向盘的回正性和稳定性。     

基于低信噪比AIS数据的船舶航迹精准预测

针对船舶自动识别系统(AIS)数据存在较大的实时系统噪声和测量噪声,且易丢包和产生错误的问题,提出了滑动卡尔曼循环网络.该方法采用加窗处理的方式,通过在各窗口中建立状态方程,并使用实时计算的噪声对其进行更新,将非线性高斯系统转化为线性高斯系统.将该高信噪比状态参数输入相应时刻的循环单元中,训练网络参数,从而拟合其非线性关系,实时预测船舶的航迹进行.试验对"大连—烟台"航段的AIS数据进行分析,并将所得结果与传统方法相对比,证明该方法具有较高的精度和较快的速度,可实时对船舶航行轨迹进行精准预测.     

基于非参数贝叶斯模型的列车卫星定位方法

基于卫星导航的列车测速定位是当前新型列车控制技术领域的研究热点。针对现场运行环境中卫星定位观测特性的不确定性对动态定位解算性能的不利影响,在卫星定位估计解算过程中引入基于Dirichlet过程的非参数贝叶斯模型,在导航卫星观测特性不定且存在性能退化风险的条件下,提出了基于Dirichlet过程混合模型驱动的高斯分布混合更新策略,给出了多滤波器动态联合状态估计计算方案。分别采用仿真数据及现场实测数据进行计算的结果表明,在常规定位估计解算中引入Dirichlet过程混合模型,能够对未知不确定的导航卫星观测特性实现有效适应,提升定位性能对观测条件的容忍能力,降低单一观测分布假设的模型失配和性能劣化风险。