信息融合技术在激光-TIG焊接监控过程中的研究

阐述了多传感器信息融合理论,结合卡尔曼滤波原理,提出了卡尔曼滤波融合算法,并将此算法应用于激光焊接质量控制过程中.理论分析和计算机仿真验证表明,该算法能获得平缓的控制特性,可以有效提高激光焊接过程的监控性能.     

阵发性强干扰下盲多用户检测算法的性能分析

盲自适应多用户检测的典型算法主要有:最小均方算法、递归最小二乘算法和卡尔曼滤波算法.为分析比较3种算法的收敛速度、抗多址干扰能力和跟踪性能,在阵发性强干扰通信环境下对这3种算法的时间平均信干比(SIR)、平均输出能量(MOE)作了仿真测试.     

进化规划改进算法及其在舰载导航中的应用

为解决设计BP神经网络时所遇到的网络参数和连接权重难以确定,在随机扰动下不能达到最佳效果,学习时间较长难以满足系统实时性要求等问题,引入进化神经网络.根据舰载导航的要求及特点,对基于进化规划的BP神经网络进行设计,并将之应用于舰载导航系统中.仿真结果证明,该方法加快了神经网络的收敛速度,解决了BP神经网络存在的问题.并在舰载导航系统外观测数据不可得时,规避卡尔曼滤波所存在的问题,从而保证了卡尔曼滤波器的正常运行,进一步提高了舰载导航系统的精度.     

基于快速卡尔曼滤波算法的运动人体跟踪

在对运动人体进行跟踪时,为保证系统的实时性和精准性,需要根据目标当前的运动轨迹预测目标在下一时刻的位置,并对该时刻的位置进行修正.笔者在卡尔曼滤波理论的基础上,对原有系统的增益矩阵和常数矩阵提出了新的确定方法,简化迭代计算的步骤,提高系统的计算速度,把该理论运用到人体跟踪中,使跟踪速度更为快捷,实现系统的实时跟踪.     

利用4D地震数据校正储层静态模型的集合卡尔曼滤波方法

储层静态模型是利用已知数据,结合先验性认识对未知储层空间进行插值预测,由此得到的结果与实际生产观测数据以及4D地震观测数据之间存在较火差异.基于集合卡尔曼滤波方法,通过观测数据反推系统模型的状态向量,对储层静态模型加以校正使得校正后的储层静态模型和观测数据之间差异最小化.选择4D地震属件差异作为观测数据,通过合理地抽取观测点,提高了运算效率.模型试验表明,校正后的静态模型能够较好地反映储层非均质性,并且与4D地震数据有较好的一致性.     

基于Unscented卡尔曼滤波新息的多变量序贯概率比检验故障检测方法

针对非线性多变量过程监控问题,提出一种基于预测新息的多变量序贯概率比检验(SPRT)方法.首先利用Unscented卡尔曼滤波(UKF)基于正常过程模型预测输出值,将预测输出值与过程测量得到的实际输出值对比产生预测新息,然后引入多变苣SPRT方法分析多元新息的统计特性,构造对数概率似然比判决函数和判决规则,监控过程的运行状态并对故障状态进行报警.在连续搅拌反应器上的仿真应用结果表明,所提出的故障检测方法能够有效实现过程监控,比传统的残差加权平方和方法误报率低、检测速度快.     

考虑SAR图像导航量测特性的SAR/INS组合导航非线性滤波

SAR/INS组合导航系统中,当SAR量测输出时间间隔较长时,惯性导航得不到及时修正,系统将具有较强的非线性特性,导致常规卡尔曼滤波算法的精度受到影响甚至滤波发散. 为了提高组合导航的精度,该文结合惯性导航系统的非线性模型,设计基于无迹卡尔曼滤波(UKF)解决非等间隔量测修正的SAR/INS组合导航非线性滤波算法,并通过协方差分析对比研究常规卡尔曼滤波和该文算法的性能. 仿真结果验证了该文算法具有更高的精度.     

传感器数据异常下动力定位鲁棒状态估计方法

针对时变环境带来的传感器数据异常、未知环境干扰等影响,导致基于无迹卡尔曼滤波的动力定位状态估计方法估计精度下降的问题,提出了一种鲁棒无迹卡尔曼滤波方法,该方法通过引入一种基于指数加权的观测噪声协方差矩阵R自适应更新模块和一种基于卡方分布假设检验方法的过程不确定性识别模块处理传感器数据异常情况并估计未知环境力．最后,以某平台供应船的船模为仿真对象,进行了仿真对比实验．仿真结果表明,鲁棒无迹卡尔曼滤波能够准确及时地识别传感器数据异常情况,相较于传统无迹卡尔曼滤波而言,鲁棒无迹卡尔曼滤波状态估计精度更高,收敛速度更快,表现出较强的鲁棒性．     

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.     

基于卡尔曼滤波算法的MMC子模块IGBT在线监测方法

柔性直流输电系统中模块化多电平换流器(MMC)的子模块元件经常会发生老化失效进而威胁系统安全稳定运行.为此,以监测子模块状态为目标,提出一种针对子模块绝缘栅双极型晶体管(IGBT)中的开关管和二极管状态同时监测的方法.首先,基于子模块工作状态和各元件状态参数的关系建立数学模型;然后,通过卡尔曼滤波算法滤除传感器测量噪声,防止噪声对计算结果造成影响;接着通过所建立的数学模型实时监测子模块IGBT和二极管的状态;最后,在PSCAD/EMTDC仿真平台搭建7电平的直流输电系统进行仿真验证.结果表明,所提出的算法估计误差在0.1%以下,满足实际工程中的在线监测要求,可提高系统的可靠性.