基于轮胎侧偏刚度变化率的车辆质心侧偏角融合估计算法

针对车辆在高速紧急避让工况下质心侧偏角难以直接测量的问题,提出一种基于轮胎侧偏刚度变化率的质心侧偏角融合估计算法。在车辆二自由度动力学模型的基础上,提出一种轮胎侧偏刚度估计方法,构建基于改进扩展卡尔曼滤波的质心侧偏角估计算法。根据质心侧偏角和车辆纵向、侧向加速度的关系,构建基于积分法的质心侧偏角估计算法;结合两种估计算法的特点,采用轮胎侧偏刚度的一阶微分表征车辆的非线性程度,设计了一种适用于不同车辆动态特性及路面条件的融合估计算法。Carsim/Simulink联合仿真结果表明,该融合估计算法在不同的车辆动态特性和不同路面条件下具有良好的估计精度和实时性,对传感器信号的噪声、误差鲁棒性强。     

一种基于多尺度的GPS动态滤波方法

以GPS动态滤波方法为研究对象,首先采用了多尺度分析方法,将机动载体的"当前"统计模型与基于统计特性的多尺度信号变换方法相结合;然后结合常规卡尔曼滤波算法,建立起GPS动态滤波的多尺度数据融合估计新算法;最终在最细尺度上获得目标状态基于全局信息的融合估计值。将上述算法应用于GPS的动态滤波中,仿真结果表明,该算法相对于原始算法可有效提高目标状态的估计精度。     

截尾寿命试验中的Bayes估计

截尾寿命试验是一种应用很广的试验,用Bayes方法估计这类只有不完全样本的随机变量的均值,是利用先验信息进行估计的方法,而且给出了这种估计的递推公式,在样本增加的情形下,方便了计算.这是一种动态离散数据融合方法,它比常规估计更有效,具有较重要的实用价值.     

基于Kalman滤波的多尺度融合估计新算法

将信号的多尺度分析方法与多传感器数据融合技术相结合，基于某一尺度上给定的状态模型和在不同尺度上拥有不同采样率的多传感器分布式动态系统，提出了一种新的基于Kalman滤波的多尺度融合估计算法；在最细尺度上获得了基于全局信息的融合估计值；计算机仿真验证了算法的有效性。     

基于C-均值聚类的分布式估计融合系统的量化器设计

针对观测统计量的联合概率分布未知的多传感器分布式估计融合系统,作者利用Megalooikonomou等提出的直和估计思想,基于C-均值聚类方法设计了一种量化器,改进了他们基于回归树设计量化器的融合效果.进一步,在系统整体优化条件下,作者同时考虑了各分站量化器的设计,建立了估计融合模型并通过实验验证了该模型的有效性.     

真实和虚拟传感器多层信息融合算法

基于最优估计理论,提出了一种多层传感器的复合融合估计算法．该方法采用了由真实传感器和虚拟传感器组成的复合融合结构,以解决测量噪声干扰下参数估计问题．在该结构中,第1层物理真实传感器测量所得数据,按照加权融合算法,经过多层虚拟传感器的递推融合得到多层融合后的估计值．虚拟传感器的层数增加时,融合后总的估计误差将减少、虚拟传感器是由算法和软件实现的,不会增加测量系统物理结构的复杂性．计算机仿真结果表明：此方法在减少测量误差方面比传统的直接估计方法有明显的改善．     

基于粒子群优化算法的异步电动机动态模型参数估计方法研究

利用粒子群优化算法实现了对异步电动机动态模型的参数辨识和转矩估计。通过MATLAB建模仿真。结果表明电动机动态模型的辨识易受干扰,对于噪声敏感度较大;但在噪声适度范围内,能够比较有效的搜索到真实值,且搜索范围广,精度较高;通过多次辨识,并进行加权融合避免了某个参数陷于局部极值,增强了辨识结果的稳定性,有效地实现了转矩估计。     

多传感器信息融合方法与仿真

给出了一种多传感器多维位置数据融合的方法．这种方法基于多维位置数据的鲁棒估计和最小方差结合法．每个传感器用鲁棒估计得到自身数据的位置估计和方差估计，把这些估计融合为一个最优估计，即传感器系统的估计．     

动态系统的实时多尺度估计和融合算法

介绍了一种最优动态多尺度估计和融合算法，讲座了在数据残缺的情况下，如何得到等效的测量值和测量方程；给出了当测量的采样率为任意值时，对测量数据的处理方法。     

多传感器数据融合效果分析

从理论上证明了多个传感器融合的估计效果要比任何一个单一传感器的估计效果好．并且去掉所融合的多个传感器中的任何一个或几个后，估计效果都要比用全部传感器融合估计的效果差．计算机仿真结果验证了所给出的结论。     

融合分层抽样和动态抽样的多状态网络可靠度M-C估计算法

基于多状态网络可靠度的Monte-Carlo(M-C)估计算法, 考虑融合分层抽样和动态抽样的M C估计算法. 先在基于状态树搜索分层抽样方法的基础上, 通过设定概率阈值α改变分层原则, 使分层抽样便于实现; 再利用动态抽样, 在产生网络无效状态时动态生成网络各边的容量值, 从而不需对所有边进行抽样即可产生无效网络状态, 缩短了仿真时间. 仿真实验表明, 动态抽样能缩短仿真时间, 但优势会随着网络可靠度的增大而逐步消失, 较适用于可靠度低的多状态网络.     

Current progress of information fusion in China

Information fusion is a challenging task to extract the required information for high-level applications from various homogeneous or heterogeneous sensors. This paper summarizes some improvements in recent five years in the presented structure of information fusion, including estimation fusion, image fusion and others. Some technologies of information fusion and their variants are discussed. Although the state-of-the-art of the algorithms for information fusion have been proposed, there still remains some fundamental challenges with regard to exploiting the emerging multi-sensors＇ characteristics and their special structures. Finally, some potential prospects of estimation fusion and image fusion are discussed.     

9轴MEMS-IMU实时姿态估算算法

随着对微机电系统-惯性测量单元(micro-electro-mechanical system-inertial measurement unit, MEMS-IMU)在室内定位、动态追踪等应用领域中的需求日益迫切, 使得具有高精度、低成本和实时性的MEMS-IMU模块设计成为研究热点. 针对MEMS-IMU的核心技术--姿态估算进行研究, 设计了一种基于四元数的9轴MEMS-IMU实时姿态估算算法. 该算法运用分解四元数算法处理加速度和磁感应强度数据, 计算出静态四元数; 通过角速度与四元数的微分关系估算动态四元数; 运用卡尔曼滤波融合动、静态四元数, 进而实现实时姿态估算. 针对分解四元数算法中存在的奇异值问题, 提出了转轴补偿方法对其修正, 以实现全姿态估算; 考虑动态情况下的非线性加速度分量对姿态估算精度的影响, 设计了R自适应卡尔曼滤波器, 以进一步提高姿态估算算法的精度. 验证结果表明, R自适应卡尔曼滤波器能够有效抑制加速度噪声, 提高姿态估算精度; 同时, 转轴补偿-分解四元数算法能够准确估算奇异值点的姿态信息, 并且计算时间仅为原“借角”补偿方法的50%左右, 有效提高了整体算法的实时性.     

AYC系统基于多传感器数据融合的路面附着系数估计

为提高车辆行驶安全性,研究适用于车辆稳定性控制系统的实时路面附着系数估计算法。利用多传感器数据融合综合车辆稳定性控制系统的各传感器数据,从中提取轮胎-路面附着系数得到充分利用的特征信息。根据路面附着系数充分利用时的侧向加速度估算路面附着系数。通过15自由度硬件在环仿真平台以及实车试验两种方式对算法进行验证。一定条件下的仿真结果表明算法的最大估算误差不超过0.04,车辆双移线实车试验的通过率从25%提高到100%。     

含状态约束的分布式多传感器数据融合

从理论上研究了含状态约束的分布式多传感器数据融合中的状态估计问题．在单传感器Kalman滤波方程和无约束的分布式融合算法的基础上,考虑状态等式约束条件,提出了一种新的含状态约束的分布式融合估计算法,指出并证明了该融合估计所具有的数学性质．     

基于多传感器抗差融合的UKF弹道跟踪算法

弹道跟踪测量过程中,由于环境的复杂性和测量机制自身的问题,测量数据不可避免存在异常值等.传统的加权观测融合估计算法往往直接对来自各个传感器的测量数据进行处理,忽略了数据质量问题对滤波精度的影响.为解决此问题,在加权观测融合算法的基础上引入抗差估计理论,根据观测融合值与融合预测值,计算测量融合残差向量、抗差权重因子和融合观测向量等价协方差阵,实现了异常值的实时分离与修正,解决了融合过程中由于测量数据存在污染导致弹道数据处理精度下降的问题.同时引入平方根滤波思想,避免了常规UKF中误差协方差矩阵非正值引起的滤波散度问题.仿真结果表明该算法估计精度高,计算负担小,能有效地减小测量误差对弹道定轨精度的影响.