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...     

基于Kalman滤波的分布式全相参雷达相参参数估计方法

针对运动目标,提出了基于Kalman滤波的相参参数(时间差和相位差)估计方法,建立了雷达本地坐标系及目标本体坐标系,给出了目标的运动模型及相参参数的数学模型;提出了利用正交信号对相参参数进行估计的方法,通过对待估参数进行推导分析,建立了状态方程和量测方程,提出了利用Kalman滤波算法对相参参数测量值进行滤波以提高参数的估计精度;仿真分析验证了基于Kalman滤波的相参参数估计方法的有效性.      

基于SR-UKF的移动机器人主动故障检测和容错控制

提出了一种基于SR-UKF的主动状态建模方法用于移动机器人的在线故障检测和容错跟踪控制.通过对履带式机器人常见滑动故障的运动学分析,建立了带未知滑动故障参数的机器人运动学模型,并采用SR-UKF非线性滤波方法来联合估计机器人的位姿和滑动参数,在对机器人进行实时定位的同时实现了对快速变化(或突变)的滑动故障的在线跟踪和检测.在此基础上,将估计得到的自适应参数模型与基于Lyapunov分析的反馈控制律设计方法结合,获得了一致渐近稳定的轨迹跟踪控制结果,实现了针对在线故障自适应模型的容错控制重构.针对典型的阶跃式滑动故障参数变化的轨迹跟踪仿真实验表明了该方法的有效性.     

交通视频中的Kalman滤波的多车辆跟踪算法

提出了一种交通视频中的Kalman滤波的多车辆跟踪算法.该算法利用Kalman滤波器反馈控制系统估计运动状态进行预测和修正,并为运动目标建立模型;利用当前车辆的信息对下一帧目标的位置进行预测,以便缩小目标的搜索范围和搜索时间,从而快速跟踪车辆.利用车辆的外接矩形框大小、质心等特征对车辆进行特征匹配,为交通视频中的车辆建立对应关系,利用新的系统参数更新模型,获得车辆的轨迹,如此反复,从而实现对车辆的跟踪.实验结果表明,此算法运算速度很快,对于车辆这样的快速运动目标,也具有较好的跟踪效果.     

四轮独立驱动电动汽车行驶状态级联估计

建立三自由度车辆模型与轮胎模型,提出电驱动轮模型并将其应用到纵向力估计中,基于自适应高阶滑模观测器实现轮胎纵向力的估计,利用纵向力观测器(longitudinal force observer, LFO)输出值作为已知输入,结合信息融合滤波(information fusion filter, IFF)算法提出一种车辆状态级联估计方法。进行仿真实验、台架实验以及实车道路实验。研究结果表明:设计的纵向力观测器具有较高的纵向力估计精度,基于信息融合滤波的车辆状态估计方法能够实时跟踪车辆状态且估计性能优于扩展卡尔曼滤波(extended Kalman filter, EKF)。     

一种考虑ICR纵向偏差补偿的水下履带采矿车轨迹跟踪算法

水下履带采矿车在多金属结核矿区的稀软底质上进行采集作业时,受水动力的影响其瞬时转向中心(ICR)纵向偏移后与几何中心不再重合,故难以基于精准的运动学模型设计水下履带采矿车的轨迹跟踪算法。因而,本文提出一种基于履带车运动学模型的分散式轨迹跟踪算法以实现履带采矿车高精度路径跟踪控制。首先,通过引入虚拟转角设计水下履带采矿车的Stanley横向控制律;其次,利用无迹卡尔曼(UKF)滤波法估计的ICR纵向偏移作为纵向误差的补偿,以此设计水下履带采矿车的纵向控制律;最后,基于运动学模型计算水下履带采矿车的期望驱动轮转速。研究结果表明：引入纵向偏差补偿后的分散式轨迹跟踪算法可以精准地跟踪预设轨迹。     

基于EM算法的随机动态系统建模

提出一种在噪声统计信息未知的情况下,对随机动态系统模型进行建模的方法.采用状态空间模型描述随机动态系统,模型的参数通过EM算法进行估计,通过改进该算法中的Kalman滤波,实现了对噪声协方差矩阵的估计.基于改进的Kalman滤波,EM算法可以用于噪声统计信息未知的动态系统建模.     

一种混合退化系统剩余寿命预测方法

针对传统的预测方法不能同时考虑线性和非线性退化问题,提出了一种基于维纳过程的带随机参数和确定参数的混合退化模型.基于首达时间(FHT)的概念给出了剩余寿命(RUL)的解析渐进显式形式,模型中随机参数通过Kalman滤波技术实时更新,确定参数采用极大似然估计进行估计.最后,采用陀螺仪实验数据验证了该方法的有效性.     

自校正分布式观测融合Kalman估值器

对于带未知噪声统计的多传感器系统,应用加权最小二乘(WLS)法得到了一个加权融合观测方程,且它与状态方程构成一个等价的观测融合系统.应用现代时间序列分析方法,基于观测融合系统的滑动平均(MA)新息模型参数的在线辨识,可在线估计未知噪声方差,进而提出了一种加权观测融合自校正Kalman估值器,可统一处理自校正融合滤波、预...     

基于目标运动轨迹提取的矢量脱靶量测量方法

提出一种基于目标空间运动轨迹提取的矢量脱靶量参数估计新方法.该方法利用不同接收天线接收的目标回波信号之间的相位差得到距离差,并基于距离差定位方法获得目标运动轨迹的空间定位点序列.通过建立目标运动模型,采用固定区间Kalman平滑滤波的方法获得目标运动的较精确轨迹.利用平滑滤波后的空间位置点,通过对一组线性方程求解得到矢量脱靶量参数的估计.仿真结果表明该方法可有效地估计出矢量脱靶量参数.     

基于严密Helmert方差分量估计的动态Kalman滤波

针对Kalman滤波模型推导了严密的Helmert方差分量估计公式.在此基础上,构建了方差分量估计辅助的Kalamn滤波解,改进的Kalman滤波与标准Kalman滤波的计算过程基本相同.推导了方差分量估计对Kalman滤波解的影响.理论推导和计算结果均表明,Helmert方差分量估计辅助的Kalman滤波能够合理调控动力学模型误差的影响,合理平衡观测信息与动力学模型信息对Kalman滤波解的贡献,提高状态参数估计的精度;严密Helmert方差分量估计与简化Helmert方差分量估计辅助的Kalman滤波解基本等效.     

基于改进Jerk模型的高超声速滑翔目标跟踪

临近空间高超声速滑翔目标具有高速、高机动的运动特性,为了提高其跟踪精度,对现有的Jerk跟踪模型提出改进。首先将一阶AR模型的思想运用到模型参数的实时估计中,在目标状态方程和量测方程中引入了相关参数,然后构建了基于改进Jerk模型的参数自适应Kalman滤波算法,在目标状态估计的同时能够对模型参数进行自适应调整。最后基于HGT仿真轨迹对所提模型与传统的Jerk模型进行比较,仿真结果证明了改进Jerk模型对HGT跟踪的有效和优势。     

基于FSUKF的全液压履带机器车打滑率估计及应用

针对行驶于未整备地面特别是稀软地面为工作环境的全液压履带机器车,提出了一种在线估计打滑率的新方法。从全液压履带车辆液压驱动系统原理出发,建立了全液压履带车辆打滑率在线估计模型。考虑到模型严重非线性特点,提出了一种改进的SUKF滤波算法—FSUKF滤波算法实现打滑率的最优无偏估计,仿真结果验证了该模型和该算法的有效性。     

静电陀螺静态漂移误差模型系数的UKF标定方法

针对静电陀螺漂移误差特性,采用一种新的非线性建模方法UKF(Unscented KalmanFilter)对ESG漂移系数进行了标定.该方法基于UT(Unscented Transformation)原理,在保持陀螺漂移模型非线性基础上,使高斯随机变量在非线性方程中传播,实现非线性模型参数的估计.试验结果表明,与最小二乘法和扩展Kalman滤波比较,这种非线性建模方法能够对ESG漂移误差模型进行准确的标定.     

基于季节模型及Kalman滤波的道路行程时间

道路行程时间是影响城市交通出行行为的重要因素。当前大多数出行时间研究基于路段进行,假设驾驶人沿着理想最短路径或最快路径行驶,难以对交叉口排队延误等相关时间参数进行精确估计。针对城市任意OD间的出行时间进行分析,采用Kalman滤波方法,利用历史数据对总行程时间进行有效预测。鉴于总行程时间分布存在比较明显的周期性特点,单一Kalman滤波算法难以反映出这种周期性,引入基于季节模型的Kalman滤波算法进行建模和优化。最后,利用深圳浮动车2011年12月连续3d的数据进行实证。研究结果表明:相对于传统的SARIMA模型及普通Kalman滤波算法,优化模型同时考虑总行程时间分布的周期性和时变性,具有较小误差及更好的拟合度;所得预测时间的平均绝对误差(MAE)分别在传统SARIMA模型及普通Kalman滤波算法结果基础上降低了37%和52%,其余误差指标,如均方根误差(RMSE)及最大相对误差(MRE)均有较大下降,从而证明了研究模型的有效性。     

一种基于多传感器融合的车辆检测与跟踪方法

针对城市道路环境,提出了一种基于激光雷达和视觉的车辆检测与跟踪方法.首先,采用透视变换和多传感器联合标定,根据激光雷达数据生成包含车辆假设的兴趣区域,以提高车辆检测的可靠性和降低图像处理的计算量;然后,提出了一种基于多维特征空间马氏距离的车辆检测算法,通过提取兴趣区域内图像特征向量,并将其与标准向量间的马氏距离作为车辆状态估计;最后,采用Kalman滤波实现车辆运动跟踪.为了提高鲁棒性,将粒子滤波算法与Kalman滤波相结合,以在雷达信息不准确的情况下准确地实现目标状态估计.实验结果表明,该方法在城市环境中取得了比较理想的车辆跟踪效果.     

基于自适应UKF的锂离子动力电池状态联合估计

针对由静态的电池模型参数而造成的状态估计累计误差、噪声统计特性的时变不确定性等实用化的问题,基于无迹卡尔曼滤波(unscented Kalman filter, UKF)框架设计了一种自适应UKF的电池状态联合估计算法.在无迹变换(unscented transform,UT)时,对量测方程进行准线性化处理,降低了循环迭代过程中的计算开销;利用带遗忘因子的Sage-Husa自适应估计方法对过程噪声的统计特性参数进行递推估计与修正,提高了UKF估计算法的自适应容错能力;实时跟踪滤波的收敛性,若呈发散趋势时,通过自适应衰减因子对误差协方差进行调整以抑制滤波发散,保证了滤波过程的数值稳定性;采用联合估计策略对一阶Thevenim电池欧姆内阻模型参数进行在线更新,以确保动态测试工况下电池模型的准确性,从而提高了电池荷电状态(state of charge,SOC)以及电池健康状态(state of health,SOH)的估计精度.实验与仿真结果验证了该电池状态联合估计算法的可行性与有效性.     

基于Contourlet和MeanShift的交通视频车辆跟踪算法

提出一种基于Contourlet直方图的MeanShift交通视频车辆目标跟踪算法.首先,利用Contourlet变换提取交通视频中感兴趣区域下跟踪目标的纹理特征和轮廓,并用其直方图统计跟踪目标的纹理特征;然后,通过Kalman滤波技术来进行跟踪目标轨迹的相关性函数计算,并将计算结果迭代到MeanShift跟踪算法中选取最优估计值,进而实现对交通视频车辆在复杂场景中的精确定位.通过与传统的MeanShift跟踪算法以及基于Kalman滤波的MeanShift跟踪算法等比较表明,此算法不仅能够对复杂场景中的视频车辆进行有效跟踪,同时还具有较好的稳定性和抗干扰性.     

基于Kalman滤波的供水管网水力模型用水量动态估计

节点用水量的动态估计是供水管网水力模型动态更新的主要工作，以扩展Kalman滤波(EKF)为代表的数据同化方法已被应用于管网水力模型参数动态校核和估计中，但现有研究未考虑用户节点24 h用水模式对节点用水量估计的影响。该文研究了节点用水模式先验信息对EKF方法节点用水量动态估计结果的影响。根据用户24 h的用水模式和t时刻用水量估计值预测t+1时刻节点用水量，并采用t+1时刻管网测量数据校正t+1时刻节点用水量预测值。案例管网的应用结果表明：与现有研究中应用的EKF方法相比，考虑用水模式的扩展Kalman滤波(IEKF)方法对应的用水量估计平均绝对百分比误差降低了15.93%,节点用水量时变曲线的Nash-Sutcliffe效率(NSE)系数值提高了0.40,且2种方法的计算时间相近；与推断测量Kalman滤波(IMKF)相比，IEKF方法对应的用水量估计平均绝对百分比误差降低了12.20%,节点用水量时变曲线的NSE系数值提高了0.35,计算时间缩短了99.8%。在节点用水量估计问题中，考虑用水模式可以显著提高EKF方法的计算精度。     

基于EnKF的油藏自动历史拟合方法对三相相对渗透率的反演

为解决标准集合Kalman滤波在非线性油藏反演中更新模型与更新动态场的统计不一致性问题,提出了一种改进的集合Kalman滤波方法,历史拟合过程中只对模型参数进行更新,然后利用更新的模型参数从初始状态重新运行油藏数值模拟软件进行下一拟合时刻的生产预测,协方差矩阵由从时间零运行油藏数值模拟软件得到的预测数据进行计算.理论证明了该方法与集合随机最大似然法的一致性.对某油藏的相对渗透率曲线进行了估计,比较了标准集合Kalman滤波方法与改进方法的参数估计及生产预测结果.由于保证了更新模型与更新动态场的一致性,改进的集合Kalman滤波方法得到了更好的参数估计和生产预测结果.