排序方式: 共有27条查询结果,搜索用时 78 毫秒
1.
时变转移概率IMM-SRCKF机动目标跟踪算法 总被引:7,自引:0,他引:7
给出了一种交互多模型(interacting multiple model,IMM)算法中Markov转移概率矩阵在线修正的方法,并将平方根容积卡尔曼滤波器(square-root cubature Kalman filter,SRCKF)引入到IMM算法中,提出一种时变转移概率的机动目标跟踪IMM-SRCKF算法。该算法利用当前量测中包含的模式信息,对IMM算法中的转移概率矩阵进行实时递推估计,避免了常规IMM算法中转移概率先验确定的困难,提高了模型切换速度和跟踪精度;同时,SRCKF以目标状态协方差的平方根进行迭代更新,确保了滤波过程中协方差矩阵的对称性和半正定性,改善了数值精度和稳定性。仿真实验结果表明,该算法对机动目标的跟踪性能优于常规的IMM及IMM-CKF算法。 相似文献
2.
针对异常检测算法速度慢、精度低、稳定性差等问题,提出了一种通过异常概率排序提取异常点的算法(OAP).由于异常点相对正常点更容易通过对数据空间的均匀分割而孤立出来,所以OAP通过数据点在均匀N叉分割树中的孤立深度估算异常概率的大小,从而得到异常概率的排序,最终构造由k个异常概率最大的点组成的列表,列表中的数据就是所求的... 相似文献
3.
基于广义最小二乘模型的动态交通OD矩阵估计 总被引:5,自引:0,他引:5
基于广义最小二乘模型,建立了一种带滑动窗的动态OD矩阵估计算法,可通过对路段交通量和行程时间的检测来估计时变的OD数据.对模型中关键的交通分配矩阵,给出了解析的计算公式.算法是一种递推的估计过程,仅需较少的先验信息,且估计过程不会发散;滑动窗的引入可充分利用量测信息,抑制量测噪声. 相似文献
4.
5.
基于卡尔曼滤波的动态OD矩阵估计 总被引:4,自引:0,他引:4
建立了动态OD矩阵估计的状态空间模型,通过对路段车流量和行程时间的检测以估计时变的OD数据,并对其中关键的分配矩阵给出了解析的计算公式.采用扩大状态变量的卡尔曼滤波,得到了OD估计的实时递推算法.仿真实验表明算法非常有效. 相似文献
6.
在无隔膜的电解槽中,用成对电合成法,制取了葡萄糖酸及山梨糠醇,完成了葡萄糖酸由钠盐向锌盐的转化,最佳操作条件:pH 9~10,温度55℃,葡萄糖和NaBr浓度均为0.8mol/L,电解的电流密度10mA/cm~2,电流浓度0.3F·mol~(-1)。在此条件下有效电耗为57.5%。 相似文献
7.
从多Agent系统的角度,以Petri网和π演算为语义基础,建立了一种信息物理融合系统(cyber-physical systems,CPS)可信软件形式化模型(high-confidence software formal model,HCSFM). HCSFM以Petri网形象地描述CPS可信软件静态结构模型及动态行为,用Petri网分析方法和支持工具对模型进行分析和验证; 利用π演算刻画CPS可信软件中Agent的加入、退出、更新和体系结构重配置等动态演化机制,并研究Agent的演化策略及演化后CPS的一致性,确保动态演化后CPS软件能正常交互,从而为CPS软件设计提供可信保障. 通过HCSFM在无人驾驶车辆编队CPS中的应用,表明HCSFM可以有效地对CPS可信软件进行建模和分析. 相似文献
8.
高超声速飞行器的滑模预测控制方法 总被引:3,自引:0,他引:3
针对高超声速飞行器非线性、强耦合、快时变、不确定性等特点,结合滑模控制鲁棒性强和预测控制可以显式处理约束条件的优点,提出了一种滑模预测控制器设计方法。首先,在平衡点将高超声速飞行器的纵向模型进行小扰动线性化,得到用于控制器设计的预测模型;然后,基于小扰动模型利用极点配置设计渐近稳定的滑模面,对滑模面进行预测并在性能指标中优化,通过矩阵变换将优化问题转化为二次规划问题,避免了常规滑模控制的高频切换,有效地克服了抖振现象。仿真试验表明:当存在参数不确定时,滑模预测控制能有效地克服干扰信号,实现速度和高度的精确跟踪,保证输入和状态均在约束范围之内;稳态时系统误差趋近于滑动面并且一直处在这个滑模面上,不存在抖振现象。 相似文献
9.
10.