基于SINS/GPS/OD组合导航的列车定位方法的研究

本文设计了适合列车应用的SINS/GPS/OD组合导航系统,建立了联邦Kalman滤波模型和各子滤波器的数学模型。本文结合了联邦kalman滤波的优势,应用了容错滤波技术,提高了系统的容错能力和可靠性。最后通过仿真试验验证了该组合导航系统能为列车运行提供精确的导航参数。     

多传感器融合组合导航技术研究

该文对民用飞机组合导航系统多传感器器技术进行了研究,提出了一种在飞行管理系统内按照各种导航设备定位精度的顺序,实现包括了全球导航卫星系统（GNSS）、惯性基准系统（IRS）、甚高频全向信标（VOR）、测距器（DME）等机载设备的多传感器融合方法,为国产民机机载航电系统研制提供参考。     

基于多传感器组合定位系统的列车追踪优化分析

列车定位在列车运行控制系统中起着非常重要的作用。通过设计一个低成本的车载列车组合定位信息采集平台,来优化现有各种先进闭塞方式下的列车调度与列车追踪。该平台主要依靠全球卫星定位系统GPS、惯性测量单元IMU、里程计ODO等多源传感器来采集数据,并采用卡尔曼滤波原理来综合处理数据,从而得到列车的相对位置。平台的主要功能是为列车提供高精度的实时定位,它可以完全独立于现有的闭塞方式,最终能够以较小的成本实现列车追踪优化。     

基于改进的UPF算法的列车组合定位方法研究

车实时定位是保证列车安全运行的重要环节。随着北斗卫星导航系统的发展,北斗卫星已逐步具备应用于列车定位的能力。针对北斗导航定位系统的特点及存在的问题,将SINS系统作为其补充定位方式。由于传统滤波算法在进行状态估计时仍存在粒子退化现象。为了进一步提高估计性能,提出了基于人工免疫无迹粒子滤波算法（AI-UPF）的列车组合定位方法。将人工免疫算法引入UPF算法的重采样过程,对粒子进行克隆和变异,改善了样本集的多样性,减轻了退化现象的影响。用该方法和UPF算法分别对北斗/SINS列车组合定位系统进行仿真实验。结果表明,AI-UPF算法能进一步减小定位误差,滤波效果较好。     

基于多传感器信息融合的移动机器人定位技术研究

移动机器人自身的定位问题是移动机器人在实际应用中首先会遇到的问题,是移动机器人完成各项任务的首要前提。为提高自制移动机器人的定位能力．设计了扩展卡尔曼滤波器对移动机器人装载的里程计、陀螺仪以及电子罗盘信息进行了信息融合。仿真研究结果缸明移动机器人的定位能力能得到一定的提高。     

基于粒子滤波的列车轨道占用判别方法

基于全球导航卫星系统（Global Narigation Satellite System,GNSS）的列车定位系统降低了铁路建设与运营的成本,而正确识别列车所在道岔区段是列车卫星定位的前提.为提高列车轨道占用判别过程的准确性及实时性,提出一种基于粒子滤波（Particle Filter,PF）的列车轨道占用判别方法 .以PF原理为基础,根据列车当前位置,设置可调节误差置信区域对相邻道岔节点进行检索,有效避免漏检索、重复检索的问题.其次,将轨道占用判别过程建模为列车运行位置与线路地图候选区段的实时匹配过程,在与之拓扑连接的候选道岔区段上随机生成粒子进行列车的实时追踪;将各时刻粒子运动状态与列车定位点之间的距离误差及航向角误差作为加权函数,通过计算与道岔节点邻接轨道区段的累计粒子权值,得出最大概率占用区段,实现对列车所在道岔区段的正确判别.最后,结合实测数据与现有轨道占用判别方法进行对比.实验结果表明：基于粒子滤波的列车轨道占用判别方法可以有效识别当前轨道,其平均识别距离比直接投影方式稳定识别占用轨道的距离减少了约6.5 m,比加权识别方法减少了约3.8 m,具有一定实时性.     

多传感器融合定位控制系统设计

为实现水田作业机械的精确定位,在惯性传感器定位的基础上,设计了一套基于激光的多传感器融合定位系统.该系统以激光、陀螺仪与编码盘等传感器模块为硬件基础,结合卡尔曼滤波算法实现了多传感器的数据融合.试验结果表明:在50 m×50 m的测试范围内,静态定位误差小于10 cm,系统定位可靠,精度较高,达到了预期研究目标.     

基于LTE-R的列车无线定位技术研究

在列车运行过程中,要保证列车安全运行,则需准确获取列车位置信息,这就需要高效安全的列车定位。传统的定位方法无法实现高精度定位、连续定位、低费用运营,只能提供某些固定点处的位置信息、轨旁设备需求量大;新型定位技术如GPS定位技术、推测定位方法等,同样存在累积误差较大、抗干扰能力差等问题。因此,依托无线定位技术引入长期演进的铁路移动通信系统(Long Term Evolution-Railway,LTE-R)实现列车定位。     

基于改进的无迹粒子滤波算法的列车组合定位方法研究

列车实时定位是保证列车安全运行的重要环节。随着北斗卫星导航系统的发展,北斗卫星已逐步具备应用于列车定位的能力。针对北斗导航定位系统的特点及存在的问题,将SINS系统作为其补充定位方式。由于传统滤波算法在进行状态估计时仍存在粒子退化现象,为了进一步提高估计性能,提出了基于人工免疫无迹粒子滤波算法(AI-UPF)的列车组合定位方法。将人工免疫算法引入UPF算法的重采样过程,对粒子进行克隆和变异,改善了样本集的多样性,减轻了退化现象的影响。用该方法和UPF算法分别对北斗/SINS列车组合定位系统进行仿真实验。结果表明,AI-UPF算法能进一步减小定位误差,滤波效果较好。     

考虑融合多传感器误差项优化方法的定位技术研究

为了实现移动机器人的精确自主定位,根据不同传感器的测量原理定义了视觉误差和惯性测量单元误差项,采用基于图优化的思想构建一个最小二乘问题的位姿估计器数学模型,并把多种传感器的误差项添加到估计器中,使用优化工具求解出最优的位姿,实现多传感器的融合定位。通过在仿真实验平台上运行公共数据集,实验结果表明单传感器的定位方案因为尺度模糊和累计漂移的问题在绝对位姿误差平均值达到7.942 m,而融合多传感器的定位方案的绝对位姿误差平均值为0.234 m,说明融合多传感器的定位方案比单传感器定位方案在定位上更加准确和鲁棒。     

多传感器集成与信息融合原理

现代监控系统需要检测工作环境多个物理参数,因单个传感器难以提供比较全面环境信息,多传感器配置成为现实、可行的选择.在阐述多传感器集成与信息融合出现的历史背景、含义、特点的基础上,系统地阐述了多传感器系统研究的主要内容,核心研究内容包括拓扑结构与融合模型.     

基于故障状态检测的惯性/卫星信息融合技术

为了提高惯性/卫星组合导航系统的可靠性及导航信息的精度,设计了SINS/GPS/Galileo/RDSS组合导航多信息融合方案,采用基于概率分布的残差χ2故障检测方法提高组合导航系统的容错性和可靠性.在此基础上采用了基于故障状态检测的新型自适应信息分配算法,并建立导航系统的数学模型,给出其状态方程、测量方程.最后将新算...     

基于增强型象限信息的线性测距定位方法

为克服基于 Taylor级数展开的局部线性化方法因忽略高阶项而引入定位误差的缺点 ,该文提出了一种新的象限线性化测距定位方法。利用面积坐标系比直角坐标系具有更多象限信息的特点 ,推导了 3站和一般情况下非线性测距方程的精确线性化方法 ,解决了最佳线性测距定位估计问题。仿真实验表明 ,与常规的几何测距定位方法相比 ,基于面积坐标系增强型象限信息的线性测距定位方法具有更高的定位估计精度。在蜂窝移动通信手机自动定位问题中 ,该方法具有一定的应用价值     

多源信息融合故障诊断方法研究进展

简述多源信息融合与故障诊断的关系,指出多源信息融合故障诊断的一般方法。从融合结构和融合算法的角度对多源信息融合故障诊断方法进行了分类阐述,并分别说明其诊断原理与研究现状;指出信息融合故障诊断按融合结构可分为层次结构信息、多级信息和组合神经网络的融合故障诊断,按融合算法分为基于贝叶斯理论、DS证据理论、模糊集理论、粗糙集理论和人工神经网络的融合故障诊断。最后展望了信息融合故障诊断方法的未来发展趋势。     

基于信息融合的二维视频深度提取方法

采用多种深度线索获取二维视频深度,可以提高视频深度提取效果.针对运动线索,通过块匹配运动估计算法获得帧间深度信息;针对帧内线索,采用Laws滤波器提取深度特征,然后利用马尔可夫随机场模型训练获得帧内深度信息;在此基础上,提出了基于信息融合的二维视频深度提取方法.该方法首先通过计算背景和运动区域的信息熵,然后利用模式识别中的Neyman Pearson准则确定视频帧的运动区域.针对该区域,在帧内深度信息获取的基础上,融合帧间深度信息.实验结果和真实深度比较,证实了该方法的有效性.     

基于小波分析法的传感器信息融合的运动损伤检测方法

传统方法针对多组传感器路径中的检测点,在很大程度上会出现若干存在差异的损伤发生概率,导致运动损伤检测不准确。为此,提出一种传感器信息融合的运动损伤检测方法。利用多帧帧间差的累积消除空洞效应,在此基础之上,融合传感器确定出准确的人体运动区域,以此对不同场景人体运动进行监测;采用小波分析法对监测结果的非平稳信号进行分析,得到运动损伤特征。将传感器信息融合和小波神经网络结合在一起,获取所有传感器的小波能量特征向量,按照最大概率密度函数值和特征向量获取融合运动损伤检测结果及损伤种类。实验结果表明,所提方法检测结果准确,实用性强。     

自校正集中式融合信息滤波器

对于带未知噪声系统和不相关噪声的多传感器随机系统,将基于相关方法得到的噪声方差带入到集中式融合最有信息滤波器,提出自校正集中式融合信息滤波器。同基于Riccatia方程的集中式融合Kalman滤波器相比,它避免了计算高维矩阵的逆,从而减少了计算负担。应用动态误差分析方法,证明了自校正集中式融合信息滤波器以概率1收敛于最优集中式融合信息滤波器,因而具有全局渐进最优性。一个带3传感器跟踪系统的实例说明其有效性。     

基于TDOA的卫星干扰源定位方法的研究

针对到达时间差/到达频率差（time difference of arrival /frequency difference of arrival,TDOA/FDOA）卫星干扰源定位系统中卫星速度难以准确预测,导致定位精度不高,尤其是在参考站数量较少时,定位误差较大的问题,提出了采用TDOA方法实现高精度单参考站卫星干扰源定位。研究了TDOA卫星干扰源定位原理,建立了定位数学模型,采用信赖域算法计算干扰源的位置,进行了定位方法实验验证,分析了定位误差。通过对实测卫星信号的定位试验,证实了该定位方法在单参考站条件下显著提高卫星干扰源定位精度的有效性。     

基于模糊神经元网络的信息融合模型

为了解决对象是庞大数据的复杂的工业生产过程的建立模型困难的问题,提出了基于势场拓扑的层次聚类算法和模糊c均值聚类算法融合,结果表明:通过两次聚类算法的融合,获得精确的聚类个数和隶属度,以此来确定模糊神经网络的结构模型,并将得到的隶属度作为依据,建立基于多判据信息融合和模糊技术构建神经元网络模型,通过对实际地下开采生产过程的仿真,结果验证了模型的有效性。该成果对煤矿开采具有一定的参考价值和指导意义。     

基于信息博弈的多源信息融合方法

针对多传感器信息融合系统中的信息冲突,结合博弈论的原理,在考虑信息冲突环境下局中人最优策略和最优支付的情况下,提出了求解信息冲突环境的信息博弈融合方法.首先通过信息熵的形式将多信息器表示成多源信息,并将多源信息的信息冲突过程抽象成为信息博弈过程,多传感器系统通过信息博弈的过程实现整个系统的信息收益最大化.通过对空调机调速器运行工况评价的实验分析,证实该方法在保持调节性能的同时,能从冗余的多源信息角度对系统的被控参数做出调整,各种动态品质特性优于传统的方法.