基于贝叶斯估计噪声相关下的CKF设计

针对常规容积卡尔曼滤波(cubature Kalman filter, CKF)要求系统噪声和量测噪声必须互不相关的局限性,提出了一种带相关噪声的非线性离散系统CKF设计方法。基于贝叶斯估计准则,给出了系统噪声和量测噪声相关时CKF滤波递推公式,并采用三阶球面-相径容积规则来近似计算系统状态的后验均值和协方差。当系统噪声和量测噪声相关时,常规CKF不适用,本文设计的噪声相关下的CKF可以有效地对状态进行估计,拓展了CKF的应用范围。数值仿真验证了算法的有效性。     

基于形态学和蚁群聚类的台风分割方法研究

蚁群算法是具有离散性、并行性、鲁棒性、正反馈性等特点的一种仿生进化算法。根据数字图像的离散性特点,从聚类角度出发,将蚁群聚类算法引入到台风云系分割中,并通过引入初始聚类中心和引导函数来解决传统蚁群聚类算法计算量大,搜索时间过长的问题。在蚁群聚类算法的基础上,针对单纯采用蚁群聚类算法可能会将类似于台风云系的分布不均匀的无关云团分割出来而造成分割精度低的情况,提出了一种蚁群算法融合数学形态学方法的台风云系分割方法。仿真结果表明此方法可以准确的分割出台风云系,是一种有效的图像分割方法。     

信息熵在导航传感器故障诊断中的应用研究

对组合导航系统中占主要地位的惯导系统进行故障诊断研究,给出了一种基于小波包能量熵的神经网络故障诊断方法。利用小波包分析原理对原始故障信号进行3层的小波包分解,并提取小波包能量熵,然后构造信号的小波包特征向量,以此向量作为故障样本对3层BP神经网络进行训练,实现智能化故障诊断。采用惯导系统中关键性器件陀螺仪进行仿真研究,仿真结果表明此方法可有效地检测故障且提高了精度。     

起重机安全管理中面临的问题及相应的措施

近年来起重机的安全事故频发,已经引起了各界的高度关注,在合理使用和管理起重机让其充分发挥作用的同时又减少安全事故的发生是建筑界亟待解决的一个难题。本文分析了起重机管理中面临的问题,并提出了起重机安全管理问题的对策,以引起施工企业业主和管理者的重视。     

Windows平台下船用导航信息管理系统的设计

主要介绍的是基于Windows平台的船用导航信息管理系统的设计。针对远洋运输船的实际情况,建立了相应的推算船位数学模型,给出了基于推算船位为基础的推算船位/GPS的组合模式,并从实际的需求出发,对软件所实现的功能与设计中应注意的问题进行了分析和探讨。     

小失效概率和多失效模式相关的结构可靠性分析方法

本文针对结构可靠性问题中普遍存在的小失效概率和多种失效模式的情形,提出一种联合多维响应高斯过程模型(Multiple Response Gaussian Process,MRGP)和子集模拟(Subset Simulation,SS)的结构可靠性分析新方法MRGP-SS.针对结构功能函数难以获取显式表达式及多种失效模式之间可能存在相关性的问题,采用MRGP模型构建多失效模式下功能函数的代理模型,并结合主动学习策略,对代理模型进行更新迭代,直至满足一定精度条件.针对小失效概率导致构建功能函数代理模型效率低的问题,采用SS方法来评估结构的失效概率,从而获得更小的变异系数,以提升MRGP构建代理模型的效率.将提出的MRGP-SS方法应用到案例分析中,并结合蒙特卡洛仿真,验证了本文方法的有效性.     

论建构主义与现代数学教学改革

探讨了建构主义理论下数学课堂中教师和学生的地位和相互关系,在此基础上,重点论述了建构主义观点对数学教学改革的启示和数学教学改革的具体做法.     

航行数据记录仪CAN总线应用技术研究

航行数据记录仪是船舶航行参数的智能化记录设备,CAN总线作为一种现场总线成为船上设备间通信的重要方式.介绍了CAN总线技术在航行数据记录仪上的应用,给出了航行数据记录仪系统结构并进行了CAN卡的设计.结合Vxworks下驱动程序开发的特点,着重讨论了CAN卡在Vxworks下驱动程序的设计与开发,并给出了驱动程序的关键代码.     

基于AR模型的非线性目标跟踪自适应算法

针对Jerk模型中各参数设置不合理对跟踪系统所造成的影响,提出一种基于自回归（AR）模型的Jerk参数自适应改进算法,实时估计并调整系统的参数,提高系统的跟踪精度及稳定性;同时,针对非线性目标跟踪系统扩展卡尔曼滤波算法（EKF）计算复杂跟踪精度低,提出采用平方根容积卡尔曼滤波器（SRCKF）进行状态估计,保证跟踪系统的精度和鲁棒性,为Jerk模型参数自适应提供良好条件.仿真结果验证了算法的有效性.     

基于多重次渐消因子的强跟踪UKF姿态估计

针对应用于飞行器姿态确定中的乘性扩展卡尔曼滤波（multiplicative extended Kalman filter, MEKF）存在精度低、鲁棒性差的缺点,提出了一种基于多重次渐消因子的强跟踪无迹卡尔曼滤波（multiple fading factors strong tracking unscented Kalman filter, MSTUKF）算法。该滤波算法克服了单渐消因子对多变量跟踪能力差的局限性,通过引入两个多重次渐消因子对预测误差协方差阵进行调整,使得不同的滤波通道具有不同的调节能力,保证预测误差协方差阵的对称性,从而实现滤波算法强跟踪性。仿真结果表明,MSTUKF的滤波精度和鲁棒性均明显优于MEKF,能够更好地满足工程应用对精度和鲁棒性的要求。