求解热传导方程的四阶有限容积紧致格式

对非齐次热传导方程提出了一种数值求解的有限容积紧致格式,该格式具有空间上的四阶精度,且与有限差分紧致格式相比,更好地保持了问题的物理守恒性.数值算例表明,在相同的结点下,有限容积紧致格式比有限差分非紧致格式的精度更高.     

UKF算法在纯方位目标运动分析中的应用

针对传统算法在解决纯方位目标运动分析时存在的有偏、收敛速度慢或发散等不足,该文将无味卡尔曼滤波(UKF)算法应用到纯方位目标运动分析中.由于UKF在处理非线性问题时表现良好,以及不需要计算Jacobian矩阵或Hessian矩阵,实现起来比较方便.根据无味变换的基本原理给出了滤波过程的具体计算步骤并进行了仿真计算.理论分析和仿真结果表明,UKF的性能相当于二阶高斯滤波器,它在纯方位目标运动分析中的滤波精度、稳定性和收敛时间都优于传统算法.     

新型全封闭旋转式CO2压缩机的开发及性能测试

设计了一种新型全封闭旋转式CO2压缩机.该压缩机采用中间冷却的两级压缩结构,且壳体内部压力为最终排气压力;全面测试了CO2压缩机的性能;分析了各运行参数对压缩机性能的影响.研究结果表明:压缩机容积效率基本与吸排气压比成线性关系,压缩机等熵效率在最佳压比下达到最大值,压缩机吸气过热度及二级吸气温度对压缩机效率的影响很小.     

卡尔曼滤波校正技术在水动力学模型实时洪水预报中的应用

将卡尔曼滤波技术与水动力学模型实时洪水预报相结合,提出了"交替校正"方法;分别建立水位与流量的状态方程,进行交替滤波计算,较好地解决了滤波计算中不同类型状态量之间共同校正的问题.对长江干流局部河段的实例验证表明,卡尔曼滤波技术应用于单一河道水动力学模型没有破坏模型的稳定性,局部的校正对全河道具有较好的带动作用,说明卡尔曼滤波技术应用到水动力学模型的实时校正中是可行而且有效的.     

一种改进的永磁同步电机无位置传感器直接转矩控制

为改进永磁同步电机无位置传感器直接转矩控制,提出一种结合扩展卡尔曼滤波和滑模观测器的PMSM速度及位置估算方法.使用Matlab/Simulink建立PMSM的无位置传感器直接转矩控制系统,实现无位置传感器情况下的PMSM启动与调速仿真.仿真结果表明,该方法具有较令人满意的效果.     

用于弹道目标跟踪的有限差分扩展卡尔曼滤波算法

针对目前常用的滤波算法不能同时做到精确和高效跟踪目标的缺点,提出一种有限差分扩展卡尔曼滤波(FDEKF)算法用于再入阶段的弹道目标跟踪.该算法应用有限差分运算得到滤波的验前、验后误差协方差矩阵,避免了非线性函数求导运算,以及Jacobian阵和Hessian阵的计算,降低了计算难度,扩大了应用范围,增强了滤波过程的收敛性.Mome Carlo 数值仿真表明,FDEKF算法与扩展卡尔曼滤波(EKF)算法和无味卡尔曼滤波(UKF)算法相比较,在跟踪精度上比EKF算法提高了约20%,与UKF算法相当,在计算复杂度上比EKF算法稍有增加,但比UKF算法低约39%.这说明FDEKF算法在计算量增加不多的情况下,滤波精度有显著提高.     

一种参数自调整风电功率预测模型

为了提高风电功率预测精度,提出一种参数自调整风电功率预测模型.通过加权递推最小二乘(SWWRLS)方法建立预测模型,侧重当前数据对预测结果的影响,排除了历史数据对预测结果的干扰.模型通过加权递推的方法节省了存储空间,并且提高了模型对外界环境数据变化的自适应性.最后,分别采用支持向量机(SVM)方法、卡尔曼滤波(KF)方法和本文SWWRLS方法,以辽宁省某风电场的真实历史数据进行风电功率预测对比实验,实验结果表明,本文方法建立的模型具有较高的预测精度.     

基于多模型检测的视频监控行人跟踪算法

研究了网络视频监控中行人检测和跟踪技术,并提出了基于多模型检测的视频监控行人跟踪算法.首先在已有检测算法的基础上,根据实验结果,分析了算法的优势和存在问题,提出了多模型融合检测算法,多模型融合检测算法充分利用各个单模型算法的优势,提高模型检测准确率,并使用快速特征金字塔算法提高了算法的实时性.随后在提出的检测算法基础上,结合卡尔曼滤波算法和匈牙利最优匹配算法实现多目标行人检测和实时跟踪.MOT测试视频实验结果表明:提出的跟踪算法能够较好地实现多目标行人检测和跟踪,适合网络视频监控场景.     

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。     

卡尔曼滤波过程的稳定性研究

卡尔曼滤波器的稳定性并不能保证实际的滤波器算法具有收敛性,而传统的关于滤波发散的判定方法是基于量测不能出现野值这一严格的假设条件,具有一定局限性;并且通常关于滤波发散只是一种定性的描述,具有一定模糊性。为此,考虑到量测可能出现野值的情况,从滤波发散的具体数学形式出发,提出了卡尔曼滤波过程的稳定性概念,在此基础上给出了滤波发散的判定定理,既消除了通常关于滤波发散描述的模糊性,又降低了通常判定方法的要求。