基于 UKF车辆状态及路面附着系数估计的AFS控制

本文侧重于主动前轮转向(Active Front Steering,AFS)控制系统的应用性与可行性研究,针对紧急转向工况下轮胎呈现强非线性问题,以及AFS控制算法中部分状态量难以获取、路面附着系数对车辆稳定性有重要影响但难以直接测量等问题,设计非线性滑模控制器以综合考虑载荷转移、轮胎非线性及路面条件等对操稳性影响,同时,通过ESP系统现有的IMU传感器测量信息,运用无迹卡尔曼滤波(Unscented Kalman Filter,UKF)算法为滑模控制器动态估计车辆状态信息和路面附着系数.在得到期望轮胎侧偏力后,通过非线性轮胎模型精确反求所需叠加转角,以在"轮胎-路面"附着能力范围内检验控制系统的有效性.最后,高附着系数情况下的鱼钩测试仿真及低附着系数时的角阶跃转向仿真共同表明,通过IMU与UKF结合的状态估计确保了AFS控制系统的可行性,有效提高了车辆操纵稳定性.     

一类动态多尺度系统的模型和估计算法

多传感器信息融合是信息学科的重要研究方向,本文的目的就是对分布在多个尺度上的传感器信息进行融合。本文针对一类动态多尺度系统,在国内外相关研究的基础上,提出一种新的动态多尺度系统建模方法。该模型满足标准卡尔曼滤波条件,给出了基于Haar小波的实现方法,基于此可以获得各个尺度上目标状态线性最小方差意义下的最优估计值。仿真结果令人满意,最细尺度上用本文方法进行估计优于直接进行卡尔曼滤波的效果。     

债券隐含利率与多因子Vasicek模型

以上海证券交易所(简称上交所)债券价格隐含的利率期限结构,从1996-06～2003-02的周样本数据作为分析对象,首先利用主成分分析法对利率期限结构的变化进行分析,发现需要2～3个状态变量,利率模型才可能反映利率期限结构的变化。然后实证研究了连续时间的两因子、三因子Vasicek模型对上交所利率期限结构的描述情况。结果表明,两因子Vasicek模型可以反映样本期内上交所利率期限结构的形状,但模型不能反映利率期限结构的时间序列变化。同时发现,三因子模型相对于两因子模型,不能够明显改进对上交所利率期限结构的拟合。     

机动目标状态估计

本文研究适用于综合火力／飞行控制系统要求的机动目标状态估计的算法问题。通过选取直角坐标及伪测量量构成扩展Ｋａｌｍａｎ滤波。在此基础上，提出采用距离通道冗余滤波以提高距离通道的滤波精度，同时，得到了改善其它估计量精度的一种算法。通过综合火力／飞行控制系统的ＭｏｎｔｅＣａｒｌｏ仿真表明，该算法具有很好的性能。     

基于卡尔曼滤波的动态OD矩阵估计

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.     

胶片颗粒噪声图象的一种恢复方法

处理胶片颗粒噪声时最麻烦的是它对信号的依赖特性,本文的目的是结合照相学家关于胶片颗粒噪声特性的一些理论和实验结果,以及新的数字图象处理技术,研究针对这类非平稳噪声的图象恢复方法。通过对一般的Kalman滤波公式进行修正,本文推导出一组适用于与信号有关的噪声的滤波参数递推公式,并提出一种利用图象灰度和梯度信息进行自适应的线性最佳递归滤波算法。实验表明它具有较好的主观和客观效果,较一般的平稳Kalman滤波器性能优越,同时计算时间优于其它非递归线性最佳滤波和非线性算法。     

基于人类行为下的多目标跟踪视觉时序注意控制算法研究(英文)

由于移动式机器人所携带的传感器资源有限,能够在时间维度上共享传感器资源,实现多目标跟踪,是智能化机器人重要的研究领域之一.本文提出了一个基于人类行为模型的时序注意控制算法,能够实现使用单个2自由度摄像头实时监控多个自由移动的目标物体.该算法基于以下三个控制原则:①最小化监控目标位置预测的不确定性以及各个目标物预测效果的差异;②最小化多目标跟踪过程中摄像头切换视角所需的能量消耗;③最大化能够呈现在摄像头视觉范围内的目标物体的个数.算法根据当前检测到目标信息,通过卡尔曼滤波,预测目标物的运动规律,选择下一时刻摄像头的最佳注意视角.该算法通过matlab仿真以及在移动式机器人实体上进行了实验验证,结果显示,该算法能够在时间顺序有效的共享单个摄像头资源,检测摄像头视角范围内的目标的位置,并根据上一个时间点的检测信息预测视角范围外的目标,实现跟踪多个目标物体,降低预测及跟踪的误差,并优化跟踪过程中切换摄像头视角的能量损耗.     

自适应速度约束滤波在挖掘机GPS系统中的应用

针对挖掘机工作特点的局限性,通过引用速度约束条件和自适应协方差矩阵,在位置速度加速度模型下,提出利用自适应速度约束卡尔曼滤波器对挖掘机动静态目标进行跟踪定位.仿真和实验结果表明:利用自适应速度约束和相关滤波算法,可以有效实现挖掘机运动目标的跟踪定位优化,同时滤波算法的航迹更为连续,跟踪精度更高,均方误差更小.     

基于卡尔曼预测的外骨骼摆动腿随动控制研究

针对一种双关节驱动助力外骨骼机器人中人机交互系统所获取的传感器信息滞后于人体运动意图,从而造成执行机构无法及时跟踪摆动腿的运动,导致无法提供助力的情况,运用卡尔曼滤波算法对采集到的下肢运动信息进行运动意图预测,以弥补延时。利用采集的步态周期数据进行控制仿真实验:依据下肢外骨骼单侧腿简化的二连杆动力学模型,将预测信号输入模型,并采用PD控制验证系统稳定性和预测准确度。仿真结果表明,利用该方法可以对人体运动意图进行有效的预测,可用于驱动外骨骼摆动腿进行随动控制。     

基于卡尔曼滤波算法的单站无源定位原理分析与研究

对空中机动辐射源的定位和跟踪,主要采用卡尔曼滤波方法.本文提出了一种测量目标辐射源脉冲到达时间和到达方向实现固定单站对运动辐射源进行无源定位的算法.运用卡尔曼滤波器,这种算法可以获得很好的定位效果.通过计算机仿真,验证了该方法的正确性与有效性.