捷联惯性姿态测量系统的扩展遗忘因子递推最小二乘算法研究

在实际大型动态测量船动态变形测量应用中准确确定捷联惯性姿态测量系统噪声模型和相关性比较困难,采用常规卡尔曼滤波(KF)会导致较大的状态估计误差,甚至使滤波器发散.针对这一问题,在分析扩展遗忘因子递推最小二乘(EFRLS)算法的稳定性基础上将EFRLS估计误差与带系统相关噪声的卡尔曼滤波器估计误差进行了比较,并针对大型测量船动态环境采用EFRLS算法对变形参数进行了估计,仿真结果验证了EFRLS算法在噪声信息未知情况下的有效性.     

浮筏系统隔振性能的功率流评价指标

文章采用刚度为常数、阻尼随频率变化的Bush单元来模拟实际的5-200Hz的隔振器的垂向机械阻抗特性。通过有限元频率响应计算得到了浮筏隔振系统的结点响应信息,在此基础上采用隔振器机械阻抗方程求得隔振器两端的受力值,进而代入功率流表达式得到了系统的输入输出功率流。对系统输入输出的加速度响应和功率流进行了对比分析,结果表明了采用功率流来评价隔振系统的优劣更能反映隔振系统的实际隔振效果。采用功率流作为隔振系统隔振效果的评价标准是合适的,而且在某些方面要优于采用单一的加速度(速度)响应作为评价指标的评价体系。     

基于神经网络的磁性目标磁矩反演方法

针对磁性目标定位中的磁矩反演问题,提出一种基于神经网络的磁矩反演技术。首先,基于最小二乘原理,建立了磁性目标磁矩反演模型;其次采用Hopfield网络进行了优化求解,并针对模型求解过程中鲁棒性差的弊端,对网络进化策略进行了自适应修正;最后设计了仿真实验对其有效性进行了检验,仿真结果表明利用修正后的网络求解磁矩反演问题结果令人满意,具有一定的实用性。     

基于谱的海浪模拟与谱估计

针对掠海飞行器系统仿真的需要,研究了海浪仿真方法。选取P—M谱作为海浪谱,通过海况确定波谱参数,在波谱仿真带宽内采用频率等分法对其进行分割,根据Longuest—Higgins海浪模拟模型进行仿真,得出了海浪时域波形。并采用Welch法进行波谱估计,从波谱能量度量,仿真精确度达到了99．22％。     

基于神经网络的MUSIC计算方法

MUSIC方法是空间谱估计中经典的子空间方法,这类算法有个共同特点就是要对输出数据的协方差矩阵进行数学分解,其计算量较大,不适合实时处理。因此,文章提出了基于神经网络的高效迭代方法,不需进行数学分解,计算过程相对简单。仿真结果证明了该方法的有效性。     

DRM同步与均衡技术研究

DRM（Digital Radio Mondiale）是世界上唯一非专利的数字广播系统,它为30MHz以下频段的长波、中波、短波广播提供了数字化的标准。同步算法和信道估计作为其关键技术对系统性能有着十分重要的影响,文章提出了适用于DRM系统的符号同步算法、整数倍载波频偏估计算法、小数倍载波频偏估计算法以及时频域联合信道估计和均衡算法,并对这些算法进行了仿真分析。     

基于冗余信息融合的车辆质心侧偏角估计方法

车辆质心侧偏角是表征车辆横向稳定性的重要参数之一,相关的估计方法研究可为整车稳定控制提供重要支撑.为提高车辆质心侧偏角估计效果,提出了一种基于冗余信息融合的质心侧偏角估计方法.分别建立了车辆动力学模型和运动学模型,利用容积卡尔曼滤波算法分别设计了用于车辆行驶状态估计的动力学模型估计器和运动学模型估计器,同时,分析了动力...     

基于改进容量增量分析法的锂电池可用容量估计

针对动力锂电池在使用过程中难以高效准确估计其衰退后可用容量的问题,提出一种不依赖滤波算法的容量增量分析法获取不同型号电池的容量衰退特征,并基于数据驱动的方法搭建可用容量估计模型。首先,分别分析低通滤波与小波滤波在获取容量增量曲线中存在的问题,并对比差分电压值在1、10、20、50 mV时容量增量曲线的形态。其次,采用移动方差算法对不同电压差分值下容量增量曲线的波动性做出评价,确定出峰值特性明显且平滑的容量增量曲线。提取曲线的峰值作为动力锂电池的老化特征,运用斯皮尔曼相关性系数验证老化特征与电池老化状态之间的相关性。然后,引入门控循环单元建立锂电池的可用容量估计模型。最后,将不同老化测试条件下的2类电池老化数据集用于模型验证。研究结果表明:所建立的估计模型能够有效估算锂电池全寿命循环内的可用容量值,2组数据集中测试结果的相对误差除个别值外,多数相对误差值在2%以内;数据组1中,分别选取电池1和电池3测试数据的前50%为训练数据,后50%为测试数据,训练结果绝对误差稳定在0.05 A·h左右,测试结果绝对误差在0.04 A·h左右;对电池2与电池3的全寿命循环可用容量做出估计,结果相对误差稳定在2%左右;数据组2中对电池5、电池6和电池7的全寿命循环可用容量估计结果的相对误差整体亦在2%以内;且模型能够对锂电池循环过程中出现容量再生现象的循环做出4%以内的准确估计,显示出良好的估算精度和泛化能力。     

Simulation-based severe weather-induced container terminal economic loss estimation

Container terminals play a critical role in maritime supply chains. However, they show vulnerabilities to severe weather events due to the sea–land interface locations. Previous severe weather risk analysis focused more on larger assessment units, such as regions and cities. Limited studies assessed severe weather risks on a smaller scale of seaports. This paper aims to propose a severe weather-induced container terminal loss estimation framework. Based on a container terminal operation simulation model, monthly average loss and single event-induced loss are obtained by using historical hazard records and terminal operation records as model inputs. By studying the Port of Shenzhen as the case study, we find that the fog events in March lead to the longest monthly port downtime and the highest monthly severe weather-induced economic losses in the studied port. The monthly average loss is estimated to be 30 million USD, accounting for 20% of the intact income. The worst-case scenario is found to be a red-signal typhoon attack which results in nearly 20% decrease in the month’s income. The results provide useful references for various container terminal stakeholders in severe weather risk management.