基于DSP的GPS/DR组合定位系统的设计

对于城市车辆GPS导航来说,其很大的一个缺点是跟踪卫星的信号常常由于建筑物、隧道及树木等的遮挡而使GPS的定位精度大大降低,甚至无法进行正常的定位。为此,提出了基于DSP的GPS/DR组合定位系统,详细介绍了系统的硬件设计方法、组成和软件设计思想。最后进行了采用联合卡尔曼滤波器的GPS和DR系统的组合定位的仿真实验。实验证明,采用联合卡尔曼滤波算法的GPS/DR组合定位系统的转度明显高于GPS单独定位方式。     

改进的基于“当前”统计模型自适应滤波算法及其在航迹预测中的应用

基于"当前"统计模型的模糊自适应(FACS)滤波算法利用机动目标"当前"加速度调整加速度极限值,实现了对一般机动目标的有效预测;但是在预测强机动目标时却存在较大的预测误差。为了解决这一问题,引入强跟踪滤波器(STF),提出了一种新的自适应滤波算法STF-FACS。该算法根据滤波残差实时调整卡尔曼滤波增益,提高了对强机动目标的预测能力;同时保留了FACS算法对于一般机动目标的预测性能。最后,对强机动目标分直线机动和转弯机动,分别进行航迹预测仿真。仿真结果表明,对弱机动目标进行航迹预测时,两种算法的预测效果相当;对强机动目标进行航迹预测时,STF-FACS算法无论是在动态时延和预测精度方面都比FACS算法要好。     

基于卡尔曼滤波的实时总电子含量周跳探测与修复

总电子含量(total electron content, TEC)作为描述电离层形态和内部结构的重要参量,对于电离层领域的理论研究和发展有着重要作用,而周跳的探测一直以来都是全球定位系统(global position system, GPS)载波相位测量数据预处理的重点和难点,尤其是在高精度GPS定位中,卡尔曼(Kalman)滤波在周跳探测与修复中的应用使得能够准确可靠地探测出观测值中可能出现的周跳,利用Kalman滤波算法探测不同的观测数据类型及其组合,并将修复后的观测值与理论值进行对比。结果表明:该算法对周跳探测和修复有很强的有效性和精度。     

基于随机矩阵理论和改进粒子群优化-深度置信网络的无功优化

配电网无功优化是使电网能安全稳定运行的重要问题,本文将深度学习应用于配电网无功优化上,提出基于改进的粒子群优化 (Particle swarm optimization, PSO)深度置信网络（Deep Belief Networks,DBN）模型的配电网无功优化方法。首先,利用随机矩阵理论将配电网运行过程中产生的环境以及电气数据构造五种随机矩阵,每种矩阵构建8种特征指标,共提取40种特征指标;其次,以随机矩阵理论所提取的各特征指标为输入,以变压器分接头档位和节点的无功补偿容量作为输出,利用改进的PSO优化DBN网络的初始权重,建立PSO-DBN模型,学习各特征指标输入与变压器分接头档位以及节点无功补偿这两种控制策略之间的关系,得出相应的无功优化策略。最后,以改进的IEEE33节点系统作为算例仿真对象,验证了所提方法可降低网损和减少电压波动。     

基于非齐次泊松过程的共享停车场运营策略

为缓解因城市某些地区、某些时间段停车供需不平衡的问题,将居住区内空闲车位进行共享的解决方法已引起多方的关注。在居住区实施共享停车时,需考虑车位提供者与社会停车用户的时空冲突问题。本文首先基于实际停车行为数据,假设车位提供者返回过程呈非齐次泊松过程;其次,以居住区共享停车为运营场景,居住区停车场车位共享率和管理者收益最大化为目标,构建了相应的数学优化模型;最后,设计了粒子群求解算法,通过数值实验,分析该场景下的最优运营策略。结果表明：(1)社会停车用户的最大离开速率在其占车位总数的四分之一左右时,管理者总收益最大;(2)随着车位提供者车位返回速率突变时间的改变,要使得总收益及车位共享率最优,第一阶段变更共享策略时间设置在车位提供者返回速率突变时间前三十分钟内,第二阶段变更共享策略时间应设置在车位提供者返回速率突变时间后一小时五十分钟以内为宜。     

基于改进自适应无迹卡尔曼滤波的国产民机导航数据滤波算法

针对国产民用飞机导航数据存在杂波不能准确测量的问题,提出一种基于改进自适应无迹卡尔曼滤波(adaptive unscented Kalman filter,AUKF)算法的导航数据滤波方法。将无迹卡尔曼滤波(unscented Kalman filter,UKF)与改进Sage-Husa次优无偏极大后验噪声估计器结合构造出改进AUKF,有效解决了在模型不确定或干扰信号统计特性不完全得知的情况下,滤波精度低甚至发散的问题,同时与维纳滤波器和小波阈值法滤波效果进行对比。选择ARJ21飞机实际运行的高度、经度及纬度数据进行仿真,结果表明：改进后的AUKF算法较其他滤波算法精度更高,有效提高了导航数据的可靠性。研究对提高国产民机导航定位精度具有重要意义。     

基于光伏发电量预测的含氢储能微网分段优化调度

针对多储能微网如何高效、经济运行,搭建了基于光伏发电的含氢储能、蓄电池储能的微网系统,采用一种日前预测调度与日内实时调度相结合的分段调度策略。在日前预测调度阶段,采用基于麻雀搜索算法优化支持向量机模型提高对日前的光伏发电量和负荷预测的精度,以微网最小使用成本为目标,考虑系统运行的可靠性,采用改进粒子群算法制定微网的日前最优调度策略。在日内调度阶段,考虑氢储能系统的响应延迟特性,以蓄电池为灵活补充元件,制定实时调整微网运行策略,消除预测误差带来的影响。最后,结合实际算例分析,验证了分段优化调度的可行性。结果表明,提出的方法能够有效预测数据,减少微网调度的响应时间,提高系统运行的经济性和稳定性。     

基于MST-改进PSO的电-气-热综合能源系统负荷恢复策略

以往故障恢复的研究大多集中在配电网方面且恢复目标仅为单一的负荷恢复量,未考虑资源成本以及能源消耗的 环境保护成本等。对此,本文提出了一种多侧协调优化的多目标负荷恢复策略,该方法不仅实现了网络的重构、较高等级负荷的优先恢复,还实现了系统运行成本最优。在系统发生故障后,分两阶段进行恢复：首先,使用最小生成树对系统结构进行改造,实现系统网络的重构,形成可恢复负荷的最终区域;然后,综合考虑源侧资源购买成本、用户侧切负荷补偿成本以及碳排放环保成本等,构建优化目标函数,使用改进粒子群算法对其进行求解,得到最终恢复方案。通过33节点配电网、14节点气网和6节点热网测试系统仿真,验证了该负荷恢复策略的有效性。     

泥石流宽级配砾石土结构特征实验研究

泥石流堆积物是一种宽级配砾石土,深入研究其结构特征和渗透特性,具有重要的理论和实践意义。根据粗细颗粒的含量,提出了接触式堆积、紧密堆积和基底式堆积三种结构类型,并通过实验进行了验证和分析;分析表明,细粒含量是决定宽级配土结构的关键。击实实验显示土中细颗粒含量达到16.52%时,干密度最大;渗透实验也表明此时其渗透性接近细粒土的渗透性;数值模拟表明,细颗粒含量达到22.23%时,孔隙率最小。理论分析和实验研究认为,宽级配砾石土中紧密堆积结构的细颗粒含量上限应为20%,超过这个含量,粗颗粒的骨架作用会被减弱,强度降低。