自适应卡尔曼滤波在地铁监测中的应用

目的通过滤波后的数据对比,验证自适应卡尔曼滤波在处理地铁变形监测数据工作中优于经典卡尔曼滤波.方法分别应用经典卡尔曼滤波和自适应卡尔曼滤波建立动态处理数据模型,对地铁变形监测数据进行处理,并与人工实测值进行对比.结果使用经典卡尔曼滤波处理后,数据精度提高38%,使用自适应卡尔曼滤波处理后,数据精度提高55%.结论自适应卡尔曼滤波与经典卡尔曼滤波相比,自适应卡尔曼滤波剔除噪声效果强与经典卡尔曼滤波,并且自适应卡尔曼滤波后数据整体变化平稳,与实测值吻合性较好,自适应卡尔曼滤波在处理沈阳地铁一号线监测数据中,优于经典卡尔曼滤波.     

数字摄影技术监测桥梁震动变形的研究

针对传统测量方法的缺陷,采用数字摄影技术对震动状态下的桥梁进行变形监测。首先选择人工标志,布设控制点和变形监测点,其次用消除了畸变差的数码相机在动荷载的作用下,对桥梁进行瞬间的抓拍,得到一系列荷载的照片,最后用编制的三维时间基线视差法软件进行数据的处理和图形的显示。结果表明,该技术操作方便,精度高,能同时对多个观测点进行观测并获取桥梁的瞬间变形值,监测精度达到3/1 000。     

卡尔曼滤波在桥梁变形监测中的应用

卡尔曼滤波理论是最优线性估计的一种方法,它作为一种动态数据处理方法在许多领域得到应用。该方法能够快速、实时地处理大量的变形数据,并能有效的提高监测数据的精度,而且还能够对下一时刻的状态做出预测。本文介绍了离散线性系统的卡尔曼滤波模型及其迭代过程,以某桥上的固定点为例,将卡尔曼滤波模型应用到动态变形监测上,并取得了较好的效果,证实了卡尔曼滤波在滤波和预测方面的可行性。     

改进卡尔曼算法在电子鼻信号处理中的应用

为了降低的电子鼻测量过程中噪声信号对采样结果的影响,提出一种改进的自适应卡尔曼滤波算法,该方法能自适应调整测量方差以及能够滤除传感器本身具有的非高斯噪声信号.针对电子鼻测量过程中的信号特性,建立了测量数据处理的卡尔曼滤波模型,重点讨论改进卡尔曼滤波算法,并将该算法应用到电子鼻测量数据处理过程中,结果表明该方法能够拟制电子鼻测量过程中产生的噪声,提高电子鼻的测量精度.     

多基线近景摄影测量的平面地表变形监测

为解决常规近景摄影测量方法用于平面地表变形监测时,由于影像倾角过大,造成匹配困难的问题.以非量测性的数码相机高精度几何标定技术和多基线极限倾角的数字近景摄影测量技术为基础,设计出用于监测平面地表变形的可靠方法.研究结果表明:平差精度可以达到毫米级,满足沉降监测的精度要求,验证了近景摄影测量用于平面地表变形监测的精度和可行性,为变形监测由常规孤立点测量拓展为面测量提供了便捷、可靠的途径.     

卡尔曼滤波在大坝动态变形监测数据处理中的应用

详细地讨论了离散线性系统的卡尔曼滤波模型的建立及相应的精度评定公式，通过对某大坝动态变形监测数据的卡尔曼滤波处理和结果分析，发现卡尔曼滤波值、预报值与原始观测值数据曲线的变化趋势非常接近，说明所建立的卡尔曼滤波模型是合理的、可靠的，可以较好地模拟动态目标系统的变化规律。同时，卡尔曼滤波模型能够实时、快速地处理大量动态变形数据，并能有效地改善动态变形监测数据的精度。     

自适应Kalman滤波在GPS变形监测数据处理中的应用

GPS测量技术在变形监测中得到了越来越广泛的应用,但由于其误差来源及误差对信号的影响程度与传统的监测方法有着本质的区别,如果在数据处理中仍然按照传统的方法,可能得不到满意的监测结果。卡尔曼滤波在数学上是一种统计估算方法,通过处理一系列带有误差的实际量测数据而得到物理参数的最佳估值。因此Kalman滤波法是目前应用较广的一种动态测量数据处理方法。分析了Kalman滤波的模型设计,应用实例说明自适应Kalman滤波在GPS变形监测中的应用。     

有色噪声条件下野值的辨识与处理

在动态测量数据处理过程中,为了解决有色噪声条件下野值的辨识与处理问题,采用了将有色观测噪声的模型进行级数展开并求解模型方差的方法,该方差的确定修正了正交模型参数变化判别法满足的条件,并在此基础上构造出野值辨识函数以及合理的剔除法。仿真计算表明:该函数能有效地辨识出野值,降低误判率,提高数据处理的精度。在动态测量数据处理中具有一定的理论价值。     

基于EEMD-小波阈值去噪的桥梁结构模态参数识别

为研究环境激励下大跨径桥梁结构振动响应特性,采用拾振器监测结构动态变形.针对监测信号中的噪声影响,提出EEMD-小波阈值联合滤波方法来提升信号精度.首先,利用EEMD算法对信号进行分解,基于平均周期图法和相关系数法双重判定准则剔除虚假分量,然后,结合小波阈值去噪方法对重构信号进行二次降噪,再利用RDT-ITD法识别结构模态参数.将滤波降噪和模态识别方法应用于天津永和桥实测振动响应分析中,并结合有限元分析结果进行对比.结果表明:EEMD-小波阈值联合滤波方法优于应用单一方法,能进一步提升信号精度;信号降噪后,利用RDT-ITD方法成功提取了结构前3阶竖向自振频率和相应阻尼比;识别的结构自振频率值与有限元分析结果基本一致,基频值相差3.07%.     

GPS变形监测数据处理方法研究

随着GPS技术在变形监测中的广泛应用,数据处理的方法也日趋多样化,笔者基于自己的工作经验,在参考大量相关文献的基础上,重点探讨了静态数据处理方法、单历元解算方法、动态卡尔曼滤波方法、谱分析方法、小波变换方法五种数据处理方法,既有深厚的理论基础,同时也体现了笔者的经验,相信对从事相关研究的同行有着重要的参考价值和借鉴意义。     

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EPEA的SINS大失准角非线性初始对准方法

基于欧拉平台误差角(EPEA)的概念描述了理论导航坐标系到计算导航坐标系之间的失准角,推导了捷联惯导系统(SINS)在大失准角情况下进行初始对准的非线性误差模型.在系统噪声和量测噪声均为加性噪声且量测方程为线性方程时,给出了带阻尼解算的简化扩展卡尔曼滤波(EKF)算法和简化无迹卡尔曼滤波(UKF)算法,同时分析了不同失准角情况下初始对准过程的异同.静基座状态下的Monte Carlo仿真结果表明,大失准角和大方位失准角情况下,EKF和UKF算法都能满足对准要求,其中UKF算法较EKF算法具有对准时间更快、对准精度更高和适用范围更广的优点;小失准角情况下,由于捷联惯导系统的线性化误差变小,二者的对准时间和对准精度基本相同.     

无人机组合导航系统的自适应算法研究

为了缩短捷联惯导系统的初始对准时间并提高对准精度,分别设计了常规卡尔曼滤波器和自适应卡尔曼滤波器用于精对准。在系统噪声统计特性未知时,自适应卡尔曼滤波算法利用滤波残差的均值和方差,不断对卡尔曼滤波的状态噪声方差阵和测量噪声方差阵进行实时修正,从而提高滤波器对模型不确定性和噪声变化的适应能力和鲁棒性。仿真结果表明,使用自适应UKF算法与常规的UKF算法相比,可以获得更优的对准精度和快速性。     

自校正解耦融合Kalman滤波器及其收敛性

对带未知噪声统计的多传感器系统,提出了基于相关方法的噪声统计在线估值器,进而提出了自校正Riccati方程和自校正Lyapunov方程.在按分量标量加权线性最小方差最优信息融合准则下,提出了自校正分量解耦融合Kalman滤波器,并用动态误差系统分析(DESA)方法证明了它收敛于最优分量解耦融合稳态Kalman滤波器,因而具有渐近最优性,它的精度比每个局部自校正Kalman滤波器精度高,且算法简单,便于实时应用.一个目标跟踪系统的仿真例子说明了其有效性.     

基于鲁棒自适应kalman滤波平台标定数据处理

摘 要：惯导系统作为飞行器导航系统的重要组成部分,其精度直接影响到飞行精度,为了更实现更精确的导航,通常采用射前自标定技术,从而补偿平台的误差。当飞行器竖立在发射场时,通常会受到各种干扰因素的影响,比如阵风,这些干扰会对射前标定的精度产生很大的影响。为了更好的补偿这部分干扰带来的误差,本文利用ARMA(2,1)建立平台漂移模型,考虑到系统噪声的方差和协方差等信息并不可知而且所建立的模型也会有误差,本文选用鲁棒自适应卡尔曼滤波对数据进行处理,结果表明,经过处理后的数据方差比原数据方差小很多,可以满足标定精度要求。     

基于远距离无线电和窄带物联网的杆塔姿态监测系统

针对现有高压输电杆塔姿态监测系统存在监测方式单一、监测精度低、无法实时监测和提前预警等缺点的问题,提出了一种基于远距离无线电和窄带物联网的杆塔姿态监测系统。系统采用STM32F103C8T6嵌入式单片机搭配微机电系统(micro-electro-mechanical system, MEMS)陀螺仪倾角传感器实时采集杆塔姿态数据,使用远距离无线电(long range radio, LoRa)局域网通信技术完成杆塔监测区域内多节点的数据交互与汇总,并通过窄带物联网专网将汇总后的数据上报至OneNET云平台以实现在线监测杆塔倾斜状态。同时为提高倾角传感器的测量精度及稳定性,针对零偏不稳定性、速率斜坡和角度随机游走白噪声建立随机漂移误差模型,通过引入Softmax函数完成自适应调节反馈功能,动态调整测量噪声协方差矩阵和过程噪声协方差矩阵来优化卡尔曼滤波算法,以提升在角速率变化较快的情况下卡尔曼滤波器的跟踪性能。杆塔姿态监测系统经过测试,具有输出数据精度高、功耗低的优点,工作稳定可靠,能够实时监测高压输电杆塔的姿态和完成预警等功能,对预防高压输电杆塔倾斜、倒塌,维持电力系统的安全运行有一定的...     

过程噪声和量测噪声多步相关的卡尔曼型滤波

本文详细讨论了在随机离散时间动态系统 中过程噪声~$w_k$~和量测噪声~$v_k$~两步相关情况下的最优状态估计, 给出了两步相关情况下的卡尔曼型滤波. 然后把它推广到过程噪声~$w_k$~和量测噪声~$v_k$~多步相关的情况, 给出了n步相关情况下卡尔曼型滤波的一般表达式.     

基于多传感器数据融合的四旋翼飞行器的姿态解算

 用于农田信息采集的四旋翼飞行器姿态解算过程中,存在姿态角测量不够准确这一难题。选择基于加速度计、电子罗盘与陀螺仪的捷联式惯性测量系统,采用卡尔曼滤波算法,通过融合多个传感器的测量数据,解算出高精度的姿态角。为验证卡尔曼滤波算法的有效性和实用性,搭建了四旋翼飞行器姿态检测实验平台。结果表明,经卡尔曼滤波算法处理之后的姿态角动态响应好,解算精度高,其最大跟踪误差控制在±1.5°以内,消除了由加速度计或电子罗盘带来的测量白噪声,也有效抑制了陀螺仪的温度漂移,满足四旋翼飞行器对姿态解算精度的要求。     

新型GPS动态定位自适应卡尔曼滤波方法

为了获取GPS卫星的信号及定位数据的真实值,减小信号传播中因各种因素混入的随机误差对定位精度的影响,通过应用运动载体"当前"统计模型,取速度和位置为观测量建立GPS动态定位模型,将观测量维数增大1倍,从而增加了系统的可观测性和定位测算精度.此外,针对传统标准卡尔曼滤波法在动态滤波方面的不足进行了分析,提出了改进型Sage自适应卡尔曼滤波法.该方法在递推和滤波过程中不断地修正模型参数,始终保持噪声模型接近于真实模型,从而避免了标准卡尔曼滤波法中因建模不准确可能导致的滤波发散等问题,较好地解决了GPS动态定位中状态变量维数与滤波快速性之间的矛盾,以及状态噪声和观测噪声建模不准确和时变的问题.