改进强跟踪粒子滤波及其在紧组合导航中的应用

如何提高粒子滤波中采样效率和算法对突变状态的跟踪能力,是粒子滤波算法研究和应用中的重点.将强跟踪滤波算法与粒子滤波算法相结合,提出了改进强跟踪粒子滤波(Improved Strong Tracking Particle Filter,ISTPF)算法,该算法通过强跟踪滤波生成一个修正项,并以此修正粒子滤波中的粒子样本,...     

SS-IUKF算法及其在成像声纳组合导航中的应用

利用成像声纳对海底进行探测时需要高精度的导航信息。针对导航高维滤波问题,文中在球面单形sigma点变换的基础上,将其与迭代UKF相结合,提出了球面单形迭代无迹卡尔曼滤波(SS-IUKF)算法,并应用于捷联惯性导航系统(SINS)/多普勒流速剖面仪(ADCP)组合导航系统。仿真结果表明,SS-IUKF算法相比UKF、SR-UKF、EKF算法提高了滤波精度和计算速度,具有一定的工程应用价值。     

合成孔径声纳中RD和ω-k成像算法的比较

从聚焦能力和处理相关的空变特性的能力两方面 ,对合成孔径声纳中几种成像算法进行比较 .给出了RD(RangeDoppler)和ω -k算法的对水池实验数据成像的结果 .     

融入粒子群优化的UPF算法研究及其导航应用

粒子滤波易出现粒子多样性损失,粒子退化等问题,且在初始未知时,需要粒子数较多,收敛较慢。针对上述缺陷,在UKF和PF滤波基础上,将改进了搜索因子的粒子群优化算法融入U粒子滤波算法,提出了一种新型粒子滤波算法,加速了算法的收敛速度。将其应用于地形匹配导航算法中,仿真结果表明该新型算法明显优于UPF及PF算法,更适应于大误差的初始条件下,收敛速度快,具有更高的导航精度和抗噪特性。     

一种基于和声搜索的改进粒子滤波算法及应用

针对传统粒子滤波算法在粒子生成阶段存在的粒子选取盲目性问题,提出了将和声搜索算法与粒子滤波算法相结合的设计思路,得到了一种改进型粒子滤波算法。随后,针对某载体的导航问题,将该算法应用于组合导航滤波并进行了仿真,仿真结果验证了所提出滤波算法的正确性和有效性。     

基于Unscented粒子滤波的传感器管理算法

传感器管理是信息融合技术的重要研究方向,以往的传感器管理算法主要是针对线性融合系统,现实中非线性系统更为普遍,而针对非线性融合系统的传感器管理算法研究较少。粒子滤波是目前非线性领域中应用最广的滤波算法,该算法的主要思想是使用一个带有权值的粒子集合来表示系统的后验概率密度。Unscented粒子滤波采用Unscented卡尔曼滤波计算提议概率密度分布,粒子的产生充分考虑当前时刻的量测,使得粒子的分布更加接近状态的后验概率分布。针对非线性系统,提出了一种基于Unscented粒子滤波的传感器管理算法。首先利用Unscented粒子滤波对目标进行状态估计,求出目标的协方差;然后利用信息熵计算目标的信息增量;最后利用信息增量最大对传感器资源进行分配,并对该算法进行了仿真。     

改进的联合Kalman滤波及其在组合导航中的应用

以组合导航为应用背景,对联合Kalman滤波进行了改进,每循环Ⅳ次,就用主滤波器的估计值来修正子滤波器的值,以改善滤波器的性能,提高组合导航系统精度,并且大大减小收敛时间,提高其效率.最后将该方法应用于GPS/INS/LORAN-C组合导航系统中,仿真结果表明该方法是有效的.     

约束无迹粒子滤波及其在汽车导航中的应用

针对汽车组合导航系统要求滤波算法具有高精度,高稳定性,高时效性的特点,设计了一种基于约束方程的无迹粒子滤波算法,该算法通过约束方程使得非线性系统的维数降低,在保持无迹粒子滤波精度的基础上提高了算法的解算速度,使算法的时效性得到提高。在汽车组合导航系统状态方程和测量方程的基础上建立系统的约束方程,算法的仿真取得了良好的效果,说明该算法对导航系统的适应性较强。通过对比表明相对于扩展卡尔曼粒子滤波和无迹卡尔曼粒子滤波,该算法的导航精度和时效性方面优势明显,体现了该算法的优越性。     

基于遗传算法的改进无迹粒子滤波相对导航算法

针对无人机编队飞行过程中相对导航系统存在测量误差问题,提出一种基于遗传算法的改进无迹粒子滤波相对导航系统信息融合算法。建立了无人机相对运动模型与组合导航系统测量模型。针对粒子滤波算法重要性密度函数选取的问题,将无迹卡尔曼滤波引入粒子滤波重要性采样环节,并在粒子滤波算法重采样阶段提出一种基于遗传算法的改进重采样方法。进行了数学仿真,仿真结果表明,该方法能够有效估计无人机相对运动信息,优于无迹粒子滤波算法和粒子滤波算法。     

粒子滤波GPS/SINS组合导航系统动基座传递对准

在SINS(捷联式惯性导航系统)与GPS(全球定位系统)组合传递对准时,航向角的可观测性较弱,经过卡尔曼滤波后,航向角误差虽有所改善,但仍呈发散趋势,针对GPS/SINS组合系统特点,提出了一种动基座传递对准方案,依靠GPS测量信息进行速度匹配,完成动基座传递对准.该方案采用粒子滤波方法解决对准过程中的非线性问题.仿真结果表明该方案的对准精度(1σ)可以达到东向失准角误差为5角分,北向失准角误差为2角分,方位失准角误差为6角分.     

鲁棒四元数无味卡尔曼滤波算法在组合导航姿态估计中的应用

针对SINS/GPS直接式组合导航姿态估计中,GPS信号易受外界干扰而引入污染观测量等问题,提出基于Huber的鲁棒化四元数无味卡尔曼滤波算法。通过研究在四元数无味卡尔曼滤波算法中引入Huber鲁棒化框架,对原算法的量测更新进行修正,增强滤波算法的鲁棒性与稳定性。以SINS/GPS位置松组合为应用背景,在不同仿真环境下,验证提出算法对姿态信息的估计效果。试验结果表明:与原算法相比,该算法具有更好的鲁棒性和稳定性。     

GPS/FOG组合导航系统自适应滤波器设计

结合GPS姿态测量系统导航的特点和光纤陀螺敏感角速度范围宽、启动速度快的特点,提出了一种光纤陀螺辅助GPS导航的方法,采用自适应滤波技术设计了组合导航算法,并进行了大量的试验,试验结果表明,利用光纤陀螺辅助GPS导航方法可行.     

一种模糊自适应INS/GPS组合导航方法

提出了一种基于模糊逻辑的自适应卡尔曼滤波新算法,即基于滤波数据残差构造一种模糊算法,以自适应控制卡尔曼滤波器的增益系数。从而可以消除异常的测量数据带来的影响,使滤波器的残差始终保持零均值,且使估计误差的协方差阵收敛,最终实现最优估计。通过对INS/GPS组合导航系统的计算机仿真结果表明,该算法具有比常规卡尔曼滤波算法更高的导航精度。     

一种基于自适应滤波的三相有源电力滤波器的检测算法

对电力有源滤波器现有的几种检测算法进行了而单的分析,针对目前在电力有源滤波器中应用较广 泛的瞬时无功功率理论检测法中存在的问题和不足,提出了一种基于自适应滤波理论的三相并联型电力有 源滤波器的新型检测算法,并用 Ｍａｔｌａｂ中的Ｓｉｍｕｌｉｎｋ对基于此算法的有源滤波器进行了建模和仿真．     

GNSS/SINS组合导航在地地导弹中的工程应用

介绍了基于Kalman滤波的GNSS/SINS组合导航技术在地地导弹中的应用,在发射点惯性坐标系中建立了便于工程应用的数学模型,针对某型号进行了位置速度仿真,并和目前在工程实际中应用的加权平均组合方法进行了比较。仿真结果表明,Kalman滤波技术可以应用于地地导弹工程实际中。     

基于灰狼算法的机器人多关节综合运动轨迹优化

针对机械臂运动需满足高效率和低冲击的问题,在分析机械臂轨迹规划流程的基础上,选取了机械臂末端运动轨迹的六个关键路径点,并基于灰狼算法以时间、平滑度为目标对机械臂运动轨迹进行了优化,获得pareto最优解集。对六自由度机器人的仿真结果表明:将灰狼算法与机械臂的轨迹优化结合能得到比较好的仿真结果,理论上实现了在运动过程中抑制振动,为解决该问题提供了新的方法。     

舰艇编队协同反导火力分配的改进多目标粒子群算法

为提高协同反导时的多目标火力分配计算能力,首先建立了火力分配多目标数学模型;然后,针对火力分配多目标规划具有的线性不等式约束条件难以使用多目标粒子群优化算法、粒子群算法自身存在的盲目搜索等问题进行了改进,并明确了计算流程;最后,对算法进行了仿真实验,仿真实验表明:改进的多目标粒子群算法求解多目标火力分配规划模型得到的非劣解集可构成Pareto前端,且非劣解集的适应度最大值随迭代步数演变具有稳定的收敛性,验证了改进多目标粒子群算法的有效性.     

同步电机参数在线小扰动辨识技术研究

针对目前同步电机参数辨识方法存在的对输入扰动信号要求严、不能计及非线性因素等缺陷,对同步电机参数在线小扰动辨识技术进行了研究.构建了同步电机参数在线采集系统,建立了同步电机的恰当电路模型和状态方程,采用最大似然估计法在轻载和低励磁状态下辨识电机的线性参数,然后在磁路饱和状态下对饱和参数进行辨识修正,最后在大扰动的情况下,对参数和模型进行检验、修正.仿真计算结果与实测数据吻合较好,证明了文中所提出的同步电机参数辨识技术的有效性.