集合卡尔曼滤波同化理论及其在一次暴雨过程中的应用

集合Kalman滤波用于数值试验有着雄厚的理论基础。本文介绍了集合Kalman滤波理论及其技术实现,在此基础上搭建了集合Kalman滤波同化系统,并用MM5模式做同化实际探空资料48小时的试验。试验结果表明:集合Kalman滤波同化探空资料可以改善MM5模式的预报效果。     

集合卡尔曼滤波在浅水模式数据同化中的应用

为了研究集合Kalman滤波同化技术应用于非线性动力学模式的同化效果,通过利用集合Kalman滤波技术对浅水理论中均质不可压流体运动的动力学模式进行理想的数据同化试验.分析集合Kalman滤波同化方法应用于动力学系统的计算方法和步骤.比较三维变分和集合Kalman滤波的同化效果,讨论了集合Kalman滤波数据同化方法的基本性质和同化观测的频率对集合Kalman滤波同化效果的影响.通过试验证明,集合Kalman滤波数据同化方法能够成功地应用于浅水均质不可压流体的动力学系统,可有效地抑制估计误差的增长,为模式预报提供更加理想的初值,改善预报效果.     

有参数误差时估算土壤湿度的集合平方根滤波同化方法

当陆面模式存在参数误差时,借助在NOAH陆面模式中同化表层土壤湿度的观测系统模拟试验,探讨同时估算土壤湿度廓线和校正土壤参数的集合平方根滤波方案的可行性.结果表明:准确校正参数对估算土壤湿度廓线非常重要,错误参数值会严重影响对模式状态量的更新.但是模式状态和参数同时更新的同化方案对参数的初估值较为敏感,只有选取合适的初估值才能保证参数校正和状态估计成功.     

一种结合各类同化算法的一般方法

提出了一个将不同滤波方法的估计结果相结合的一般框架,进而得到一个更加稳健的估计结果.首先,将不同方法的预报集合(粒子)结合,并通过相应的统计方法去掉集合中对状态估计贡献非常小的粒子.然后,我们使用处理过的集合样本,利用核密度估计(KDE)得到相应的试验密度(proposal distribution),并从该密度中重新抽样,最后利用贝叶斯滤波方法得到新的估计值.由于不同数据同化方法都有相应的适用范围,新方法的估计结果可以结合各类方法的优点,进而得到一个更加稳健的估计结果。在模拟试验中,我们用集合Kalman滤波(EnKF)与粒子滤波(PF)的集合样本来估计试验分布,从模拟结果可以看出,新方法可以较大的提高原有方法的估计精度,并有效的预防了滤波发散.     

径向速度测量在Kalman滤波中的应用

研究一种把径向速度测量引入Kalman滤波的新方法.在分析传感器噪声特性以及测量方程结构的基础上,提出优先处理位置测量数据,然后利用位置矢量的滤波值改进对径向速度测量方程的伪线性表述,从而得到一种序贯处理、伪线性结构的滤波算法.从理论上分析了该算法的稳定性.蒙特卡洛仿真说明该算法不仅克服了推广Kalman滤波(EKF)暂态性能差的缺陷,而且其稳态性能也略优于EKF.     

集合平方根滤波同化AMSU-A辐射率的观测系统模拟试验

借助观测系统模拟试验,针对晴天和有降水两种天气状况,探究用集合平方根滤波同化卫星辐射率资料来改进中尺度天气预报模式初始场的可行性.试验结果表明:在晴天条件下,同化后的分析场较同化前背景场更加接近于真实场,尤其是对所选AMSU-A第5通道辐射率观测值贡献较大的那些层,如500,700,800 hPa3层位温的分析场相对背景场均方根误差分别减小了26%,15%和42%,同化效果显著.在有降水天气状况下,试验结果在特定的高度层上也表现出一定的正贡献,但总体而言对各气象要素场的改善均不及晴天时明显,说明该种天气类型下的卫星资料同化还有待进一步的研究.     

Kalman滤波在液压电机故障诊断中的应用

针对液压电机故障信号的特性,介绍了Kalman滤波及其递推算法在信号处理上的应用给出了时间序列自回归(AR)模型建立信号状态方程和观测方程的方法,并在这两个方程的基础上结合Kalman递推算法对信号进行滤波.通过有效的仿真和实际验证表明:利用Levinson-Durbin算法获得AR系数建立信号模型,再通过Kalman递推能够有效的达到滤波的效果.     

Kalman滤波在刀具磨损预测模型中的应用

基于LS-SVM建立刀具磨损预测模型,描述铣削过程中输入向量(进给率、切削速度、主轴转速、切削深度、切削时间及磨损位置)和输出向量(刀具磨损)之间的映射关系,并引入Kalman滤波技术,建立LS-KF模型,考虑加工条件及环境变化引起的刀具磨损量的变化,结合刀具的实际磨损量更新LS-SVM的预测结果,并用该更新结果调整训练模型,以使更新后的刀具磨损量能够反映出由于加工条件及环境的变化引起的刀具磨损的变化,提高LS-SVM模型的预测精度,最后用实验验证所建立模型的预测精度。结果表明,LS-SVM模型和LS-KF模型的预测精度均较高,且LS-KF模型的预测精度更高。     

Kalman滤波在杉木生长预估模型中的应用

采用二阶差分机理建立的Ｋａｌｍａｎ滤波树木生长预估模型与方法，对杉木生长动态进行描述。结果表明，平稳化处理后的动态模型与方法具有良好的噪声特性与拟合效果。     

模糊Kalman滤波在无人机姿态测量中的应用研究

针对目前无人机姿态测量所用捷联航姿系统,因陀螺漂移和算法误差的引入而导致结果发散的状况,采用组合航姿原理与信息融合理论,结合各传感器输出与载体运动状态相关的特性,提出了一种基于模糊Kalman滤波技术的惯性测量组件与磁强计组合信息融合方法.通过多尺度的模糊推理规则判断出载体当前的运动状态,实时调整系统测量噪声方差,对其...     

环台湾岛海域M2分潮特征的数值模拟

利用９７版ＰＯＭ模式对环台湾岛海域Ｍ２分潮作了分辨率较高的三维数值模拟。在较准确地模拟了潮汐分布的基础上,研究了Ｍ２分潮流椭圆分布、最大流同时线分布以及潮流场结构。结果表明,环台泫岛海域的Ｍ２潮波主要为大洋传来的胁振潮,台湾海峡为强潮区;Ｍ２分潮最大流同时线在海峡中部形成密集区;构成海峡潮波系统的两支潮波中嵫支潮波的强度远大于南支潮波,其影响范围可以到达台湾浅滩南缘,但两支潮波影响范围并没有达到“     

耦合集合卡尔曼滤波的非线性参数估计

准确的参数对于非线性模型或者函数有极为重要的意义。但是在实际应用中,输入的参数常常带有一定的偏差,因此在预测中非线性模型(函数)往往得不到满意的结果。把集合卡尔曼滤波方法引入到非线性模型(函数)的参数估计中,并采用基于联合状态向量的方法在同化时刻同时更新模型(函数)的状态和参数,该方法可以通过同化观测数据,动态地调整参数和结果,使得参数能够自适应地变化,同时也能较好地释放积累的模型误差。将该方法应用于随时间变化的二维非线性模型(函数)中,实验表明,该方法能够准确地估计出模型参数值,同时也表现出很好的鲁棒性和自适应性。     

台湾海峡南部沿岸气候的主要特征

根据台湾海峡南部沿岸一些台站气温、气压、风、降水量等要素多年的统计结果,综合分析了各要素的主要特征及水系等对气候变化的影响。结果表明:1)气温、气压、降水量的大小及其变化特征东岸与西岸存在较大的差异;2)冬季月平均风速较大,大风日数也较多,夏季的风力较弱;3)夏季西南季风盛行期间雨量最为集中,而冬季的降水量较小,降水日数也较少。     

方差自适应的卡尔曼滤波器在火控系统中的应用

火控系统中,为了使执行机构能够平稳的跟踪目标,就需要对跟踪器测量到的目标位置进行适当的滤波,得到平稳的目标运动参数。使得依据目标运动参数所外推出的执行机构射击诸元能够平稳。     

台湾海峡生源要素生物地球化学过程研究

以微型生物食物网在C和P的生物地球化学循环中的动力学为核心,研究了台湾海峡主要生源要素生物地球化学循环的物理驱动和,物理与生物、化学的过程的耦合,微型浮游生物对碳循环的贡献等。结果表明,在大的进空尺度上,该海域磺及磷的生物地球化学循环主要受水动力调控;夏季南部海峡表现为大气CO2的强源、溶解有机碳是主要的有机碳形态、颗粒有机碳中陆源约占60%;夏季上升流是上层磷的重要来源,其贡献约占光合作用所需磷的16%,对生物生产力的着不可忽视的作用;该海域以微型（Nano)和微微型（Pico)浮游植物为主,其对生物量和生产力的贡献可高达60%和80%,浮游植物的初级产量有一大部分为细菌和异养鞭毛虫表现了较高的生态传递效率,微食物网对传统食物网的贡献可达三分之一。此外,还从物理、化学、生物耦合的角度探讨了ENSO现象对海域生态环境的影响。     

台湾海峡浮游生物生态学研究

台湾海峡地处亚热带．是东海和南海海水交换的重要通道．水文性质十分复杂．厦门大学海洋学系浮游动物组研究人员在台湾海峡及其邻近海域进行了20多年的调查研究。发现水螅水母67个新种、桡足类2个新种．积累了大量的基础生态学资料，取得了一批研究成果．本文总结归纳了台湾海峡浮游生物物种多样性、生态类群、群落结构、时空分布及其与环境的关系．     

1999年8月台湾海峡断面密度分布特征

1999年8月厦门大学和福建海洋研究所利用“延平2号”调查船在台湾海峡中西部进行了大面综合调查,获得了22个站位的CTD资料.对其中4个断面的现场条件密度分布图进行了分析,从中可得出1)广东南澳,福建东山、平潭一带上升流现象明显;2)在海峡南部的NW-SE向断面中部有一股低密(σ     

基于UKF的室内移动机器人定位问题

定位是移动机器人必须具备的基本要求,在室内环境中,物体大多是多边形,因此可由线段进行描述,由激光传感器获取环境信息,采用哈夫变换对激光数据进行分簇,最小二乘法拟合线段特征,并建立里程计模型和观测模型;在传统的EKF定位算法中,线性化处理会导致计算精度下降,甚至造成滤波器的不稳定,且推导Jacobian矩阵比较困难;为了克服EKF的缺点,文章采用UKF算法将里程计数据和激光传感器数据进行融合,无需进行线性化处理,可获得高精度的移动机器人的位姿;通过实验,验证了基于UKF的定位算法在定位的精确性上优于传统的EKF定位算法。     

基于改进卡尔曼滤波的配电网动态数据平差方法

受设备、天气等多方面因素影响,电网量测数据不可避免的存在误差。在实际应用前,应选用合适的估计方法进行数据平差。为减小不良数据对估计精度的影响,本文提出了一种鲁棒性无迹卡尔曼滤波算法(RUKF),在进行无迹卡尔曼滤波之前引入基于运行模式的不良数据检测方法,通过分析量测量的变化趋势调整阈值,避免出现不良数据的漏检与误检现象。以IEEE 33-bus与某实际107节点系统为例,进行仿真验证。实验结果表明,在存在不良数据的情况下,RUKF与传统UKF相比,求得的数据平差结果具有更高的估计精度,提高了数据估算的鲁棒性。多个实验表明本文提出的RUKF算法对数据平差计算可以提供有效的理论支撑。