考虑轨迹预测补偿的履带车辆滑动参数估计方法

由于履带与地面之间的相互作用力复杂,因此为履带车辆建立精确的模型较为困难.该文提出了一种基于轨迹预测补偿的双重无遗Kalman滤波(DUKF)的履带车辆滑动参数实时估计方法.上层无迹Kalman滤波(UKF)利用历史轨迹信息对滑动参数进行初步估计,将初步估计的滑动参数输入基于履带车辆瞬时转向中心(ICR)的车辆模型进行...     

地面不平条件下考虑滑动转向特性的履带车辆路径跟踪控制

针对履带式车辆自主行驶控制中滑动参数难以精确估计和在复杂地面条件下难以稳定跟踪目标路径的问题,提出一种考虑履带车辆滑动转向特性的改进模型,并以此为被控对象设计基于深度强化学习方法的路径跟踪控制器.首先,基于球?面接触原理建立履带车辆的动力学模型.其次,提出基于实车稳态转向实验数据的滑移率估计方法,并结合履带车辆的滑动转...     

复杂信号环境下的鲁棒卡尔曼滤波算法

该文提出一种有效减小全球导航卫星系统接收机在复杂信号环境下定位误差的鲁棒卡尔曼滤波算法。该算法对基于高斯白噪声模型的传统Kalman进行了改进,引入了污染分布,并提出了一种基于加权组合正态分布模型下的滤波算法。同时利用矩估计理论对算法中的污染率给出了一种在线估计方法。通过模拟数据和真实采集信号的测试证明,本文提出的算法可在线对污染率进行准确稳定的估计,抑制粗差的效果明显优于传统Kalman滤波算法,定位误差显著减小。     

一种带重采样控制器的IMM-AUPF算法

为了减轻粒子滤波计算复杂性,提出了一种基于交互式多模型(IMM)架构的自适应Unscented粒子滤波算法(AUPF)。IMM-AUPF算法在粒子滤波重采样步骤中设计了一个重采样控制器,根据滤波性能在线调节重采样粒子的数量。并将自适应粒子滤波算法应用于交互式多模型估计方法中,有效地解决了地面机动目标跟踪问题。实验结果表明:基于粒子滤波的多模型滤波器在估计精度方面优于标准的交互式多模型滤波器,且IMM-AUPF算法在计算复杂性方面优于交互式多模型Unscented粒子滤波算法。     

一种基于自适应粒子滤波的多层感知器学习算法

针对神经网络状态空间模型中系统噪声统计特性未知导致滤波发散或者滤波精度不高的问题,提出一种自适应的粒子滤波神经网络训练算法.该算法用粒子滤波估计网络的权时,利用序贯更新先验信息的序贯可信度最大化方法在线估计未知系统噪声方差.仿真结果表明:该自适应粒子滤波算法明显优于其他传统的神经网络训练算法,如扩展卡尔曼滤波、噪声可调的扩展卡曼滤波、普通粒子滤波等.     

采用自适应无迹卡尔曼滤波器的车速和路面附着系数估计

针对车辆主动安全控制中的车速和路面附着系数这一关键信息,提出了一种实时估计该信息的滤波算法,同时建立了将包含时变噪声统计特性的七自由度非线性车辆动力学模型作为滤波算法的标称模型,以及一种自适应无迹卡尔曼滤波算法。该算法采用传统的无迹卡尔曼滤波器来估计车速和路面附着系数,同时利用次优Sage-Husa噪声估计器对系统的噪声统计特性进行实时更新,其中采用遗忘因子限制噪声估计器的记忆长度,使新近数据发挥重要作用,使陈旧数据逐渐被遗忘,从而解决了因系统标称模型误差、外界扰动等因素引起的噪声时变的问题。在不同路面条件下进行了多种工况的实验验证,并与无迹卡尔曼滤波器的估计结果进行对比分析,结果表明,该算法具有良好的鲁棒性,其估计精度高于无迹卡尔曼滤波器,且满足车辆主动安全控制系统的要求。     

考虑履带张力的履带车辆牵引力-滑转率分析与试验验证

为了研究履带车辆在砂土路面的通过性能,在接地压力试验的基础上,建立了考虑履带张力的接地压力分布模型。根据该接地压力分布模型以及履带与地面之间的相互作用规律,分析计算了考虑履带张力时履带车辆牵引力-滑转率的关系。最后,进行了履带车辆砂土路牵引力试验。结果表明:考虑履带张力的牵引力-滑转率计算结果与试验结果更加一致,为研究履带车辆在砂土路面的通过特性奠定了一定的基础。     

基于改进粒子滤波算法的Bouc-Wen模型参数在线识别方法

在线模型参数更新是提高结构混合试验中数值子结构模型精度的有效手段。为了提高强非线性模型参数在线识别精度,在标准粒子滤波算法的基础上提出了一种改进的辅助无迹粒子滤波算法。在重要性采样中,基于最新观测信息采用无迹卡尔曼滤波方法计算每一个粒子估计,以提高粒子非线性变换估计精度;在重采样过程中,引入辅助因子修正粒子权值,以丰富粒子多样性、削弱粒子退化现象。采用改进粒子滤波算法针对Bouc-Wen模型进行了在线参数识别,并与标准粒子滤波算法、扩展卡尔曼粒子滤波算法以及无迹粒子滤波算法的参数识别精度和计算效率进行对比分析。结果表明,与其它3种算法相比,辅助无迹粒子滤波算法在单步计算耗时增加的基础上,在线参数识别精度明显提高,参数识别值波动幅度显著降低。最后,通过橡胶隔震支座拟静力试验,验证了采用改进粒子滤波算法在线识别Bouc-Wen模型参数方法的有效性。     

基于复数卡尔曼滤波的电力系统对称分量估计

针对实数域对称分量估计实时处理效率低的问题,提出了一种基于复数Kalman滤波的电力系统正序谐波对称分量估计算法。利用对称分量理论获得了三相电力系统正序瞬时值对称分量,通过相应变换获得复数数字信号模型,根据需要估计的正序谐波对称分量,获得相应的状态方程和观测方程,利用复数Kalman滤波算法实现了正序谐波对称分量估计。仿真实验结果表明,该算法可实时在线实现正序谐波对称分量估计。     

松软地面下履带车辆斜坡转向特性

越野环境下的松软地面是履带车辆行驶的主要地形,在这种条件下行驶不可避免地要进行斜坡转向操作,履带车辆的斜坡转向特性值得重点关注.针对研究履带车辆斜坡转向特性的必要性和重要性.根据履带车辆转向的运动特点,建立了坡道转向动力学模型,结合地面力学理论,进一步深入研究履带车辆在松软地面下斜坡转向特性.通过履带车辆在斜坡上完成规定半径转向动作所需的滑转率这一指标,来分析坡角、地面性质、转向半径对履带车辆斜坡转向性能影响,为履带式无人车的设计、路径规划和跟踪控制打下基础.     

基于自适应无迹卡尔曼滤波的分布式驱动电动汽车车辆状态参数估计

以精确估计车辆状态参数为目标,提出了一种基于自适应无迹卡尔曼滤波的车辆状态参数估计算法,采用非线性三自由度车辆模型,将模糊控制与无迹卡尔曼滤波算法相结合,实现对系统测量噪声的自适应调整,通过对方向盘转角,纵向加速度和横向加速度等低成本传感器信息融合实现对质心侧偏角和横摆角速度的状态估计.应用CarSim与Matlab/Simulink建立分布式驱动电动汽车整车模型并且联合仿真对估计算法的有效性进行验证.结果表明自适应无迹卡尔曼滤波比无迹卡尔曼滤波更能有效准确地进行车辆状态参数估计,在双移线工况中,质心侧偏角估计精度提高了6.7%,横摆角速度估计精度提高了4.8%.      

基于滑模观测器的电动汽车最大牵引力估计

为实现双电机四轮驱动电动车在不同路面的最大驱动力, 提出了基于LuGre摩擦动力学模型和滑模观测器(SMO： Sliding Mode Observer)的牵引力控制策略。利用LuGre动力学模型中反应路面条件的参数θ, 实现路面条件在线辨识。通过SMO对电动汽车在纵向行车工况下、 轮胎小滑移率时, 主动估计路面条件参数θ, 进而估算其最佳滑移率, 获得路面可提供的最大牵引力。同时采用动态饱和非线性控制策略限制电机的最大输出力矩, 保证电动车在不同路面条件下防滑行驶。仿真实验表明, 基于滑模观测器的最佳滑移率估计方法可在不同路面条件下提供电动汽车最大牵引力, 对汽车行驶的主动安全性有重要意义。     

一种基于RBF神经网络的传感器故障诊断方法

针对传感器故障，提出了一种基于RBF神经网络的集成故障诊断方法，用RBF神经网络建立传感器故障模型，对系统的状态和故障参数进行在线估计，然后将故障参数与修正的Bayes分类算法（MB算法）相结合，进行传感器故障在线检测、分离和估计。对连续搅拌釜式反应器（CSTR）的仿真结果表明，该集成故障诊断方法能够对多重传感器进行故障进行快速准确的分离和估计，并对传感器故障具有容错性。     

分布式驱动电动汽车纵向车速非线性自适应估计

基于分布式驱动电动汽车,提出了一种纵向车速非线性自适应估计算法.该算法使用车辆加速度传感器信息和各车轮滑移率反馈值对车辆纵向车速进行估计.从理论上证明了纵向速度估计误差收敛.根据各车轮滑移率的大小确定各轮速估计误差在估计算法中的反馈修正比例.使用带遗忘因子的递推最小二乘算法在坡道路面对路面坡度进行了在线实时估计,进而使用坡度估计值修正纵向加速度传感器信息,实现了坡度自适应纵向车速估计.该方法具有计算量小、估计精度高的优点.通过多工况的实车试验验证了算法的有效性.     

采用双天线GPS/INS系统的汽车侧偏角和轮胎侧偏刚度估测法

介绍了测姿原理,分析了采用单天线GPS/INS组合测量方式的运动学卡尔曼滤波器在车辆侧倾和传感器发生漂移时存在的加速度偏差测量的延时问题,提出了直接测量车辆侧倾角和传感器漂移的双天线GPS/INS测量方法,并利用该测量方法对车辆和轮胎的侧偏角以及轮胎的侧偏刚度进行了估测.测试结果表明:采用双天线GPS方法测量的侧偏角和...     

CORS系统流动站实时周跳修复算法

针对CORS系统中流动站观测条件复杂、容易出现周跳的问题,提出了一种分类最小二乘周跳修复算法.首先利用常规周跳探测方法,确定周跳出现的卫星及频率.然后,利用非参考卫星无周跳的观测值构成的误差方程估计流动站实时位置和参考卫星的周跳值,并将估计出的参数带入非参考卫星有周跳的观测值构成的误差方程中,即可在该类误差方程的改正数中获得非参考卫星的周跳值,从而实现流动站的实时定位与周跳修复.实验结果表明,该算法可在多颗卫星同时出现周跳时实现周跳修复和实时精确定位,有效避免了利用抗差估计探测修复周跳时存在的崩溃污染率问题.     

面向故障诊断的广义频率响应函数的在线估计方法

基于非线性谱分析的故障诊断是一种新的故障诊断理论。针对该方法中广义频率响应函数的在线估计问题,研究了利用Volterra时域核在线得到被测系统的广义频率响应函数的新方法。基于Volterra系统的鲁棒总体均方最小自适应辨识算法,提出了一种新的广义频率响应函数的在线估计方法。该方法能够有效减少广义频率响应函数的在线计算量,而且实现简便,鲁棒性强。仿真实验证明了该方法的有效性。     

自适应无迹卡尔曼滤波动力电池的SOC估计

无迹卡尔曼滤波法(Unscented-Kalman Filter,UKF)在估计动力电池的剩余容量(State of Charge,SOC)时,由于系统噪声的不确定,可能导致算法不收敛,而且算法的估计性能受模型精度的影响,为此采用自适应无迹卡尔曼滤波法(Adaptive-UKF,AUKF)动态估计电动汽车动力电池的SOC.建立了适用于SOC估计的电池模型,辨识相应的电池模型的参数并进行验证,将AUKF应用到该模型,在未知干扰噪声环境下,在线估计电池的SOC.试验仿真结果表明:UKF算法的估计误差在-0.04~0.06之间跳动,而AUKF算法的估计误差平稳的保持在0.05以内,实时修正微小的模型误差带来的SOC估计误差.     

一种考虑数据截尾的非参数软件可靠性模型

通过分析数据截尾对软件可靠性模型的影响，建立了一种考虑数据截尾的非参数软件可靠性模型，为的是克服一般参数模型假设约束过紧的问题，并能在估计失效率的同时估计残存缺陷数．同时，提出了基于非参数统计的软件失效率单调下降性检验方法，在加权核函数估计中引入数据截尾率作为加权系数和优化参数，并用失效率单调下降约束下的加权核函数方法来估计失效率和残存缺陷数．模拟试验和实例分析表明，所提模型可以较好地处理截尾数据，给出残存缺陷数的合理估计，其失效率估计精度较高，不低于较好的传统模型．     

汽车侧偏角估计方法比较

针对汽车质心侧偏角难以直接获取的问题,提出了基于径向基神经网络与驾驶员汽车闭环系统相结合的侧偏角估计方法.把汽车侧偏角看作横摆角速度和侧向加速度时间序列的映射,采用均匀设计方案对训练样本进行优选,通过神经网络建立三者之间的映射关系.同时设计了一种改进自适应卡尔曼滤波算法,将其运用到相同道路输入下汽车侧偏角的估计当中.对两种方法进行了基于实车试验的比较:神经网络方法的估计误差均值和标准差分别为0.046 333°、0.057 822°;自适应卡尔曼滤波方法的估计误差均值和标准差分别为0.062 745°、0.089 241°.研究结果可以为汽车稳定性控制系统估计器的设计提供理论指导.