两种自适应噪声抵消算法的性能仿真

介绍了自适应噪声抵消系统及其核心部分一自适应滤波器的基本原理和常见算法,并采用LMS、NLMS算法在Matlab平台中进行了系统消噪性能的仿真对比,讨论了不同参数设定对系统性能的影响.结果表明,当其他条件不变时,所选用步长或者滤波器阶数的增加,会造成滤波器自适应学习时间加长,失调系数变大,消噪性能趋于恶化;对于有色噪声的消除,NLMS算法有明显优势和效果,而LMS算法则存在梯度噪声被放大、失真度高等问题.     

基于EKF的AUV协同定位方法仿真与验证

自主水下航行器（AUV）协同导航定位技术是解决复杂作业环境下导航问题的重要途径,研究了单领航艇的主从式多AUV基于扩展卡尔曼滤波（EKF）算法的协同到导航定位问题。AUV协同定位时,主AUV内部装备高精度导航设备,从AUV内部装备低精度导航设备,外部配有测距装置,舰艇间是通过通信装置来交换自身位置和状态信息并同时测量通信双方的相对距离,通过信息融合对自身定位进行修正,利用EKF算法对系统中传感器所传递信息进行融合,对从AUV进行实时定位。通过仿真验证此算法可以显著提高导航定位精度。     

基于瞬时线速度的捷联惯导系泊精对准方法

针对捷联惯导系统系泊精对准问题,提出了一种利用舰船瞬时线速度作为参考速度的精对准方法.通过大量试验研究,分析捷联惯导系统输出速度的信号特征,设计数字高通滤波器,从捷联惯导系统速度中提取舰船瞬时线速度信息.建立了适用于系泊条件的捷联惯导系统误差模型,并以计算出的舰船瞬时线速度作为参考速度完成卡尔曼滤波精对准.试验结果表明,所提取出的舰船瞬时线速度误差小于0.08m/s,且新方法的对准精度和重复性明显优于以零速为参考量的对准方法.     

基于二维高斯样条函数的水下重力被动定位

目前利用水下地理信息对惯导误差进行校正多以各类匹配算法为核心,对此论文提出一种基于二维高斯样条函数的水下重力被动定位新模式.文章首先介绍了一种利用二维高斯样条函数逼近的连续局部重力场模型,随后在该模型的基础上将实测重力表示为连续的解析形式,最后以实测重力作为包含目标位置信息的量测值,并结合扩展卡尔曼滤波算法对目标位置进行最优估计.这种方法无需使用常用的匹配算法,因而也就摆脱了匹配算法的诸多限制.以分辨率为2＆#39;＆#215;2＆#39;的某区域重力异常数据为背景场进行仿真,最终的仿真结果表明：经高斯样条函数逼近的局部重力场模型平均误差小于0.19mGal,水下平均经、纬定位误差分别小于0.59和0.74海里.     

主动来流模拟技术试验研究

随着现代大跨度桥梁不断向长大化方向发展,风荷载作用越来越突出,风洞试验作为研究的最重要手段需要精细化,以准确模拟自然风特性。本文在充分调研基础上,进行主动来流模拟技术研究,基于主动控制风洞,制作主动振动机翼,调整不同来流的能量分配,实现了多点来流风速与气动力分量等试验数据实时同步采集,提出空间同步转换法,解决了试验模型处流场真实状况准确测试问题,充分模拟多项气动力,为更加精细化分析提供有效的方法和手段。利用主来流模拟技术,通过数值分析,从理论上对窄带谱、宽带谱来流的空间相关性进行研究,分析解释了部分典型气动力现象,得到有意义结论,为深入研究提供参考资料。     

闭环系统辨识的模型结构检验

对于闭环系统辨识的模型结构检验问题,在预测误差辨识法的前提下,从参数估计的统计特性中推导出两概率模型不确定性边界及最优的输入滤波器形式。概率边界及输入滤波器是基于参数估计的渐近正态分布的方差矩阵,该方差矩阵由采样数据估计而得。根据未知参数的渐近方差矩阵内积形式从概率统计意义上构造模型参数及互相关函数的不确定性边界,从优化的角度推导输入滤波器的选取形式。最后用仿真算例验证本文辨识方法的有效性。     

Simple adaptive filtering scheme to improve measurement accuracy of gyroscope on angular motion base

The objective of this work is to improve the measurement accuracy of a gyroscope on a angular motion base with a simple adaptive filter scheme. Two main topics are highlighted in this work. The first topic is to show building a dual-process model employed for the conventional Kalman filter. The second topic is to show developing a modified noise adaptive algorithm when measurement noise and process noise are unknown. The experimental results are presented to show that the simple adaptive filtering scheme outperforms the other conventional scheme in this paper in terms of noise reduction.     

A novel approach to design robust fault detection filter for networked control systems

In this paper, an approach for designing robust fault detection filter (RFDF) of networked control systems (NCSs) with unknown inputs is studied. The design aims at implementing the optimal trade-off between robustness of unknown inputs (including the item produced by networked-induced delay) and sensitivity of fault. The key design issue is to introduce an optimal fault detection filter based on NCSs with the control law compensation as the reference residual model of NCSs and to formulate the RFDF design as a model-matching problem. By applying H _∞ optimization technique, linear matrix inequality (LMI) approach is given to solve the model-matching problem. The validity of the proposed approach is shown by a numerical example.      

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。