装载机动态称重技术研究

本文主要针对装载机的动态称重系统作了详细的研究与分析，对装载机动态称重的特点制定了合理的测量方案，并且对国内外现有自动称重仪称重技术的方法和理论进行了研究，结合一些经典机型的装载机的系统与工况，研究了在不同速度下由油缸中液压油的压力来确立的装载机动态模型。对于称重系统的动态补偿问题，本课题对动态数据离散信号的处理采用卡尔曼滤波技术，且在离散数据的插值问题上采用样条插值的方法。通过对装载机称重系统进行的实验，结果证明本课题建立的自动称重系统具有较好的称重精度、较高的称重稳定性以及良好的可操作性，值得推广和应用。     

基于数理统计的高精度CO2传感器校正方法

对工程中求取可靠的插值节点提出一种基于数理统计的方法。对足够的稳态数据进行卡尔曼滤波处理,把经过滤波后的稳态数据进行概率分布分析后,通过拟合优度检验判定测量数据的分布类型并求出合理值(数学期望)作为插值节点。以此方法处理检测区间内的采样点,得出传感器特性曲线。对某种CO2数字传感器进行实验验证,通过与传统的求均值方法进行比较,结果表明:该方法能够更加精确地估计出真实值,比普通均值拟合精度提高13%。     

基于优化K-GM(1,1)在桥梁变形预测中的应用研究

传统GM(1,1)模型在建模过程中易受到随机扰动的影响导致预测精度低、残值大。将卡尔曼滤波和灰色理论结合,先使用卡尔曼滤波消除扰动误差,并对滤波后的数据序列进行初始值和背景值的优化,建立K-GM(1,1)模型。结合桥梁沉降变形监测数据,采用两种模型分别预测对比分析,研究结果表明:优化的K-GM(1,1)模型精度优于传统灰色模型,桥梁沉降监测值与预测值变形一致。     

一种快速建立GPS滑坡监测网卡尔曼滤波模型的方法研究

卡尔曼滤波是目前处理动态变形监测数据的常用方法,如何快捷迅速的建立合适的卡尔曼滤波模型,将直接影响到数据处理的速度和可信度,常用方法是时间序列分析法,但此方法需要大量的观测数据。本文探讨在观测数据样本不多地情况下利用位移变化速度数据来选取的GPS滑坡监测的卡尔曼滤波模型,并通过实测数据证明该方法切实可行。     

陆用组合定位定向系统卡尔曼滤波技术研究

主要对陆用组合定位定向系统的卡尔曼滤波器设计、误差补偿算法等进行研究，利用GPS提供的位置信息，采用卡尔曼滤波器实时估计自寻北陀螺方位仪（ANDG）和计程仪（OM）的导航参数误差，用估计参数对定位解算方程加以修正，系统输出误差可以得到很好的抑制。仿真结果表明ANDG／OM／GPS组合定位定向系统的最大定位误差小于30m，方位误差不大于1．5’，可以满足低成本、高精度、长时间导航的应用需求。     

基于集合卡尔曼滤波的岩土力学参数动态估计

 针对非确定性过程，引入集合卡尔曼滤波(EnKF)理论，视岩土变形体为一个随机动态系统，将位移观测值作为系统的输出，用集合卡尔曼滤波模型来描述系统的状态；进一步耦合数值分析方法实现岩土力学参数的随机动态估计，在有效地获得待估参数的同时还给出估计值的不确定性。通过数值算例表明，集合卡尔曼滤波可以有效地对含噪声的量测数据进行处理，能够跟踪岩土力学行为的动态变化。对比于常用最优化算法，集合卡尔曼滤波同时给出反演结果和先验知识的后验分布，显示出更好的实时性和可靠性。     

一种无线传感器网络中的信息驱动节点选择机制

提出了一种信息驱动的节点选择机制,应用于无线传感器网络中的目标估值。其方法是,以传感器节点的测量值与目标状态的估计分布之间的互信息作为信息效用函数,度量节点的测量值对目标状态估计的信息贡献,选择信息贡献值大的节点参与卡尔曼滤波过程进行迭代;应用基于地理位置信息的路由算法顺序访问选中的节点,并建立与Sink节点之间的路由,路径上的节点依次进行卡尔曼迭代以修正估计的状态值。仿真结果表明,该机制涉及的节点数目较少,总的通信距离较短,但目标估值的性能很好。     

基于锂电池SOC估算方法

电池的荷电状态(State of charge,SOC)是锂电池组电池管理系统的重要参数,而电池的SOC估算受到很多因素的综合影响,难以保证其估算精度。准确的电池模型是精确估算SOC的基础,通过对电池模型的改进、模型参数的实时更新,提高了模型参数的精确度;修正的扩展卡尔曼滤波并结合修正的安时积分法,减小了温度、充放电倍率等因素的影响,从而提高了SOC估算的精度。     

基于容量修正的阀控式铅酸蓄电池SOC估计

阀控式铅酸蓄电池(valve regulated lead acid battery,VRLA)广泛应用于储能系统中,准确估算其实时荷电状态(state of charge,SOC),对确保铅酸蓄电池安全供电具有重要意义。铅酸蓄电池的工作环境温度对其容量的影响不可忽视,然而,现有的SOC估算方法常将电池总容量视作固定值,这就导致了估算误差会随着环境温度的变化而积累,严重影响了SOC的估算精度。提出了一种基于容量修正的SOC估计方法,通过研究电池容量随温度的变化规律,引入了温度补偿对电池总容量进行修正。在此基础上,结合扩展卡尔曼滤波(EKF)算法进行不同温度下的SOC实时估计,并对容量修正后的SOC估计值与一般算法SOC估计值进行比较。仿真和实验结果表明,所提出的SOC估算方法能够提高不同环境温度下的铅酸蓄电池SOC估计精度。     

考虑量测坏数据的发电机动态状态估计方法

随着相量测量单元(PMU)的广泛应用,基于PMU的发电机动态状态估计的研究越来越受到重视。如果存在量测坏数据,动态状态估计的滤波效果会受到严重的影响。首先介绍了一种基于无迹卡尔曼滤波(UKF)的发电机动态状态估计方法。然而,由于PMU数据的质量不高,为解决坏数据的问题,推导残差方程得出时变的阈值,再通过一种迭代检测的方法确定坏数据的测点位置。对于坏数据对应的量测,算法将其剔除后重新进行一次估计,以修正估计结果。算例结果表明,该方法能有效抑制量测坏数据对发电机动态状态估计的影响。