基于EKF的无人潜航器航位推算算法

为了解决传感器的安装角偏离误差以及量测误差导致的无人潜航器(AUV)在水下自主航行时不能满足长时间导航定位的要求,对航位推算算法进行了研究.针对AUV在高纬度、长时间航行中曲率半径的变化,采用地球参考椭球体作为地球几何形状的数学描述;针对数据滤波实时性的要求,基于扩展卡尔曼滤波(EKF)对卫星导航系统(GPS)数据进行滤波,并利用AUV湖试数据对传感器的安装偏离误差进行了校正.对提出的导航算法进行了试验验证,结果表明AUV的自主导航定位精度为0.75%,满足设计要求,并优于改进前的航位推算算法.     

模拟GPS与DR航位推算组合系统的地图匹配算法

事实证明利用GPS与DR航位推算组合的地图匹配技术能够提高GPS定位的精度,于是提出一种模拟DR航位推算的基于模糊逻辑的地图匹配算法,结合高精度的地图系统对GPS定位信息进行修正,提高定位精度．并利用软件模拟了GPS的定位数据,对算法进行了仿真,仿真实验结果验证了算法的有效性。     

Recurrent neural network for vehicle dead-reckoning

For vehicle integrated navigation systems, real-time estimating states of the dead reckoning （DR） unit is much more difficult than that of the other measuring sensors under indefinite noises and nonlinear characteristics. Compared with the well known, extended Kalman filter （EKF）, a recurrent neural network is proposed for the solution, which not only improves the location precision and the adaptive ability of resisting disturbances, but also avoids calculating the analytic derivation and Jacobian matrices of the nonlinear system model. To test the performances of the recurrent neural network, these two methods are used to estimate the state of the vehicle＇s DR navigation system. Simulation results show that the recurrent neural network is superior to the EKF and is a more ideal filtering method for vehicle DR navigation.     

某型反舰导弹武器系统DIS设计与仿真

分析了 DIS系统的特点 ,建立了某反舰导弹武器系统 DIS体系结构 ,并应用 DR、VR技术对武器系统进行计算和仿真 .     

混合工作日历下柔性作业车间多目标调度优化方法

针对混合工作日历下柔性作业车间多目标调度的困难,提出了一种基于NSGA Ⅱ的多目标优化方法。基于设备工作日历的时间推算机制,设计了时间推算函数;采用"分段"方式对工序和设备进行编码;采用"分段"交叉和变异方式进行交叉和变异操作;采用"遗传算子改进策略"保证交叉、变异操作后子代个体的可行性,以减少计算量;采用基于设备工作日历的时间推算函数于解码操作中,用于准确计算工序的起止时刻,以保证调度方案的可行性;采用2种技术于解码操作中,用于缩短生产周期,以提高调度方案的质量:一是将工序时间细分为设备调整时间和加工时间,使下道工序的设备可提前调整,二是安排工序时采用正向可插入式挤压调度方法。结果表明:提出的方法能在可接受的计算时间内得到有效的混合工作日历下柔性作业车间多目标调度Pareto解集供调度人员决策。     

基于神经网络的航位推算导航

针对航位推算法中陀螺仪对方向测量存在较大噪声,进而导致航位推算误差较大的问题,提出一种基于神经网络的航位推算方法.该方法利用神经网络考察加速度测量值与方向测量值之间的时变关系,从而在不使用陀螺仪的情况下,通过该时变关系使用加速度值计算方向值,进而完成水下自主航行器(AUV)的航位推算导航.结果表明,该算法能在仅使用加速度计的情况下完成航位推算导航,因此可避免近海面由陀螺仪噪声导致的航位推算误差问题.仿真实验证明了该算法准确率较高.     

既有空间结构位形推算的随机偏差方法

根据未测节点空间位置的不确定性和随机分布特性,提出了结构位形推算的随机偏差方法.结合空间结构特点,给出随机偏差方法的抽样测点选取原则和最小样本容量确定方法.基于概率论及数理统计理论,给出随机偏差方法的偏差分布推断方法.引入先验信息概念,基于贝叶斯统计理论,给出有先验信息条件下的参数推断方法.对实际网壳结构采用该随机偏差方法推算结构实际位形,并进行整体稳定性分析,结果表明基于随机偏差方法的鉴定分析结果更符合实际.     

分布式虚拟环境中碰撞检测研究

分布式虚拟环境中，由于实体和化身通常分布于不同的仿真节点，所以碰撞检测应具有完全性和唯一性，即碰撞对方对一次碰撞应做一次仅且做一次响应。本文在详细分析已有算法不足的基础上，提出了一种改进的算法，它能保证分布式虚拟环境中碰撞检测的唯一性，并能与DR技术混合使用。     

基于循环神经网络的车载DR状态估计

由于噪声的不确定性和自身的非线性特征,通过航位推算系统(DR)精确地估计车辆的状态是实际车辆组合导航中最困难的部分。提出了一种基于循环神经网络的方法,和传统的扩展卡尔曼滤波(EKF)方法相比,该方法不仅提高了系统定位的准确性和自适应抗干扰能力;而且不需要模型的具体解析形式,避免了复杂的 Jacobian 矩阵的计算,算法更简单,也更加易于实现。为了检验其有效性,将两种方法分别对车辆 DR 导航系统进行滤波仿真,仿真结果进一步表明该神经网络方法明显优于 EKF 方法,是车载 DR 导航中一种更理想的非线性滤波方法。     

基于EKF的DR/激光测距组合导航算法研究

航位推算（Dead Reckoning,DR）是一种常用的导航定位技术,其推算过程是一个累加过程,传感器的误差随时间的延长而积累,为此,将航位推算与激光测距组合起来用于智能车辆导航,确保系统在任何时候都能为运动智能车辆提供较为准确的导航信息。扩展卡尔曼滤波（Extended Kalman Filter,EKF）为一种非线性滤波器,是智能车辆组合导航系统中一种有效的数据融合方法。本文将EKF方法用于智能车辆组合导航的状态估计,仿真实验结果表明,EKF滤波能够有效地提高智能车辆的导航精度。