基于主观贝叶斯多传感器数据融合的AGV精确定位研究

针对室内自动导引运输车（Automated Guided Vehicle,AGV）定位偏差大、精度不足的问题，提出了一种基于主观贝叶斯网络的传感器数据融合定位方法.该方法首先结合卡尔曼滤波模型，对不同传感器的数据进行滤波处理，并通过主观贝叶斯网络模型计算信息增益大小，从而自主地选择传感器数据；再将选择的传感器数据进行融合；最后根据融合后的传感器信息进行AGV位置状态更新，获得更精确的AGV位姿信息.仿真实验结果表明，在室内实验环境中，主观贝叶斯网络融合算法能够实现多传感器的数据互补.与RUKF算法相比，该方法的均方根误差缩小到了0.17 m，定位精度提高了43.6%，定位时间缩短了0.071 s，效率提高了4.5%，数据稳定性提高了47.8%，其定位偏差明显小于单传感器的定位偏差，证明了该方法的有效性.     

单节点重积分数值积分公式

在重积分中点数值积分公式的基础上，建立了两个单节点高精度重积分数值积分公式     

基于Romberg算法的数值积分的原理与实现

本文首先简单地介绍了数值积分的基本思想,然后阐述了复合梯形公式、Richardson外推算法及Romberg算法,最后给出了实现Romberg算法的通用函数。     

基于双频P码伪距和相位的GPS精密单点定位技术

本文首先介绍了GPS精密单点定位技术,对精密单点定位数据处理流程中的关键技术进行了研究。采用宽巷组合的方法得到观测方程,用拉格朗日插值方法得到每个观测历元的精密星历数据,用扩展卡尔曼滤波参数估计方法把对流层延迟、钟差等当成参数在观测方程中求解。通过与Grafnav7.80软件差分处理的结果相比较,证明了本文的该数据处理方法的有效性。     

基于加速度求解速度的直接积分法

提出了一种基于加速度信号直接积分求解速度信号的方法.针对桩基动荷载试验中动态响应的特点，运用动态规划技术导出了利用实测加速度求解速度的直接积分公式，并给出了算例.     

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。     

计算π的几种方法

圆周率π在数学中是最重要的常数之一,本文探讨了圆周率的几种算法。     

车辆质心侧偏角估计算法设计与对比分析

车辆质心侧偏角是描述车辆侧向运动状态的重要变量之一,同时也很难准确估计.为此设计了基于运动学的直接积分法,基于扩展卡尔曼滤波的质心侧偏角估计算法和基于广义龙贝格观测器的质心侧偏角估计算法.对信号引入一定强度的噪声,通过多种典型工况对质心侧偏角估计算法进行调试与验证,分析不同算法的特点和工况适应性.直接积分法在长时间尺度下无可用性,但在极限工况下能较为快速地描述质心侧偏角变化趋势;卡尔曼滤波算法整体估计效果较好,但在一些动态工况存在估计偏差,且多为高估;龙贝格观测器算法在大部分工况都能获得良好效果,但在某些情况下存在估计偏差,且多为低估.     

机场道面使用性能的动态自回归预测模型

针对我国机场道面性能观测时间短,观测数据少,使用现有模型预测精度低,不能根据观测值动态更新预测模型等现状,提出了将卡尔曼滤波应用于时间序列预测的方法,建立了动态自回归预测模型,进行机场道面使用性能的预估.选取我国华东某机场的实测道面状况指数为基础数据,进行时间序列建模,应用卡尔曼滤波算法实现时间序列模型参数的实时更新,分析模型的预测效果.时间序列数据较少时,难以建立高精度的自回归模型,通过卡尔曼滤波处理建立的动态自回归预测模型精度明显提高.     

UKF车速估计器的算法研究与仿真

为准确估计车辆的行驶速度, 保证汽车的安全性, 设计了基于无味卡尔曼滤波算法（UKF: Unscented Kalman Filter）的车速估计器, 并与基于卡尔曼滤波（KF: Kalman Filter）算法所建立的估计器进行了比较。两个估计器都以七自由度整车模型为研究平台, 同时在Matlab中搭建了UKF和KF的算法模型。仿真实验结果表明, 当系统输入产生突变时, UKF算法与真实值的绝对误差率始终在4%以内, 比KF算法的误差率大约降低了3%, UKF车速估计器能很好地预测车速变化的趋势, 相对于KF估计算法效果更佳。