首页 | 本学科首页   官方微博 | 高级检索  
检索     
共有20条相似文献,以下是第1-20项 搜索用时 265 毫秒

1.  改进概率量化分布式一致性算法  
   彭换新  戚国庆  盛安冬《四川大学学报(工程科学版)》,2013年第45卷第5期
   为了提高量化通信下分布式一致性算法的收敛精度,对概率量化分布式一致性算法进行改进,提出改进概率量化分布式一致性算法。在改进概率量化分布式一致性算法中,节点利用自身状态值和邻接节点的概率量化信息进行节点的状态更新。对改进概率量化分布式一致性算法的收敛性和均方误差进行了分析、计算和仿真。结果表明改进概率量化分布式一致性虽然不能收敛到一致性,但是均方误差更小,收敛精度更高。    

2.  基于WPG的无人机一致性控制算法  
   彭浩  毛祥荟  谷源涛  王永程  王玉《深圳大学学报(理工版)》,2019年第5期
   基于游走近端梯度(walk proximal gradient,WPG)提出无人机的一致性控制算法,并在高度对齐场景下进行建模实验.验证了算法在有路由与无路由两种情况下的性能,并在无路由情况下将WPG算法进行推广,且将推广的WPG算法与基于Gossip的方法相结合.实验表明,在有路由情况下,算法可在有限的迭代次数下迅速收敛,且收敛精度高;在无路由情况下,算法具有很好的收敛性,并具有很高的通信效率,可大幅减小一致性过程中的通信开销.    

3.  多智能体系统的交直流混合微网群一致性协同控制  
   高扬  艾芊  王靖《高电压技术》,2018年第7期
   针对交直流混合微网群组成结构的复杂性、源-网-荷高度电力电子化趋势等新特点,提出一种基于离散一致性算法的智能多级控制策略,对交、直流微网群的组网形式及群级协调控制进行了详细研究。在用户需求发生变化时,基于多智能体系统构建稀疏通信网络,对微电网群内各分布式设备实现就地分布式控制,邻近智能体间进行通信,节省通信时间;分析了通信延时对一致性算法收敛稳定性的影响。仿真结果表明,当构建的随机矩阵D的对角元素不为0时,通信延时不会对一致性算法的收敛性产生影响,但会影响收敛的形式及时间;另外,多智能体系统可以实现"即插即用",维持交直流混合微网的稳定性。    

4.  应用切比雪夫多项式滤波的高渗透率光伏分布式控制策略  
   王冠中  陈荧  王蕾  傅旭华  叶承晋  辛焕海《电力系统自动化》,2017年第41卷第21期
   分布式控制只需要局部通信,在地域分散的光伏功率控制中具有良好的鲁棒性和灵活性。提出一种基于一致性算法的光伏分布式控制策略,各控制节点与相邻节点交换当前时刻光伏最大功率点和负荷信息,通过一致性算法迭代估计有功输出参考点。在此基础上,利用由二次插值方法得到的P-V曲线计算逆变器直流侧电压参考值。同时,为解决控制对象较多引起的一致性算法收敛速度慢的问题,使用切比雪夫滤波多项式对一致性算法进行滤波加速。该方法在不违背算法分布式特征的前提下,加快了收敛速度,并对变化的通信拓扑具有较好的鲁棒性能。最后,通过算例验证了所提方法的有效性。    

5.  非线性随机离散系统推广卡尔曼滤波方法收敛性分析  被引次数:3
   宋志勇《控制理论与应用》,2000年第17卷第2期
   讨论了非线性随机离散系统的推广卡尔曼滤波算法的收敛性 .基于BoutayebM的一阶线性化技巧 ,得到了确保局部渐近收敛的充分条件    

6.  基于自适应滤波的风场测量仿真试验平台  
   蔡崧  产竹旺《计算机工程》,2003年第29卷第18期
   提出了一种自适应卡尔曼滤波算法,介绍了基于最优卡尔曼滤波、传统卡尔曼滤波及自适应卡尔曼滤波算法、具有开放性和可扩充性的风场测量计算机仿真试验软件平台。仿真和试验结果表明,软件平台实用有效,自适应卡尔曼滤波算法比常规卡尔曼滤波精度高,鲁棒性、收敛性好。    

7.  基于卡尔曼滤波的风场测量仿真软件平台设计  
   产竹旺  屈卫东《计算机仿真》,2003年第20卷第4期
   提出了一种自适应卡尔曼滤波算法,介绍了基于最优卡尔曼滤波、传统卡尔曼滤波及自适应卡尔曼滤波算法、具有开放性和可扩充性的风场测量计算机仿真试验软件平台。仿真和试验结果表明,软件平台实用有效,自适应卡尔曼滤波算法比常规卡尔曼滤波精度高,鲁棒性、收敛性好。    

8.  考虑数据量化的改进无模型自适应迭代学习控制算法  
   朱盼盼  卜旭辉  梁嘉琪  闫帅明《控制理论与应用》,2020年第37卷第5期
   针对一类存在数据量化的离散时间单输入单输出非线性系统, 提出一种带有编码解码量化机制的无模型自适应迭代学习控制(MFAILC)算法. 首先使用伪偏导数将受控非线性系统动态线性化, 进而考虑系统输出数据经由均匀量化器进行量化处理的过程, 并设计了一种编码解码量化机制, 最后基于这种编码解码量化机制提出了一种改进的MFAILC算法. 理论上给出了算法的收敛性分析, 结果表明, 当系统存在数据量化时, 所提出的算法仍可保证系统收敛. 与已有算法相比, 所提算法仅利用较少的输入输出数据, 就可以实现跟踪误差的零收敛. 仿真进一步验证了算法的有效性.    

9.  基于CKF的分布式滤波算法及其在目标跟踪中的应用  
   丁家琳  肖建  张勇《控制与决策》,2015年第2期
   针对已有基于Sigma点信息滤波的分布式滤波算法,其性能易受参数影响而导致应用范围受限的问题,以容积卡尔曼滤波(CKF)为基础,利用信息滤波和平均一致性理论提出一种分布式CKF算法。该算法在保持分布式滤波优良特性(即可扩展性和对节点故障强鲁棒性)的同时,兼具CKF的高滤波精度和强稳定性。仿真结果表明了所提出算法的有效性,与分布式Unscented卡尔曼滤波(UKF)算法相比,该算法显著提高了目标跟踪的精度和稳定性。    

10.  量化状态信息下多智能体Gossip算法及分布式优化  
   王长城 戚国庆 李银伢 盛安冬《电子与信息学报》,2014年第36卷第1期
   基于量化状态信息的异步随机Gossip算法大多以均匀选择概率的时间模型为基础,未充分考虑网络拓扑结构对局部信息传递的影响。为此,该文提出了一种以非均匀选择概率为时间模型的改进算法。首先给出了非均匀选择概率下的多智能体系统时间模型,在随机性量化策略下给出了一致性误差的收敛性质;并讨论了量化精度和概率化权重矩阵第2大特征值对一致性误差收敛速度的影响,进而利用投影次梯度给出了选择概率的分布式优化方法。仿真结果表明,该基于量化状态信息的算法可通过选择概率的分布式优化,提高一致性误差的收敛速度。    

11.  无线传感器网络中基于量化观测的粒子滤波状态估计  
   关小杰  陈军勇《传感技术学报》,2009年第22卷第9期
   无线传感器网络环境下处理分布式状态估计问题,由于网络中的带宽限制,减少通信成本是非常重要的一个环节,需要将观测值量化后再传送.针对非线性系统的状态滤波问题,本文提出了一种基于量化观测的粒子滤波状态估计算法,并阐述了基于量化观测的状态估计过程.文中分别采用基于均匀量化(UQDPF)和非均匀量化(NUQDPF)观测的分布式粒子滤波算法进行状态估计,通过被动跟踪仿真实例,利用均方根误差(RMSE)比较了误差性能,并且比较了在不同量化级数下的非均匀量化算法的跟踪误差,仿真结果表明,基于非均匀量化观测的粒子滤波器具有更高的跟踪精度,是一种有效的非线性滤波算法.    

12.  基于时空滤波的无线传感器网络抗差节点定位算法  被引次数:1
   罗海勇  李锦涛  赵方  林权  朱珍民  周全《高技术通讯》,2008年第18卷第12期
   针对无线传感器网络的最小二乘定位算法抗差性的不足,提出了一种基于时空滤波(STF)的抗差性加权最小二乘(WLS)节点定位算法--STLS.该算法基于空间域滤波的数据一致性检测算法利用相邻节点间必须满足的几何约束关系,采用优化矩阵操作,剔除粗差邻居节点,其计算复杂度为多项式的平方.通过使用具有2步收敛特性的DFP算法,最小化目标代价函数,实现节点的快速定位.实验结果表明,在均匀网格拓扑或各向异性C型网格拓扑下,该算法均可有效识别和剔除测距低估粗差点,其定位精度明显优于未进行空间一致性检测的加权最小二乘定位算法,当网络平均连通度较低时,该优势表现得尤为明显.    

13.  基于蚁群粒子群优化的卡尔曼滤波算法模型参数辨识  被引次数:2
   张旭辉  林海军  刘明珠  高豹江《电力系统自动化》,2014年第38卷第4期
   针对复杂的低压配电网通信环境,提出一种基于蚁群粒子群融合的无先导卡尔曼滤波(UKF)算法的模型参数辨识方法。对于电力线多径信道传输模型,采用具有最小均方误差估计效果的UKF辨识算法。针对UKF算法通过试验调节难以取得最佳滤波效果的问题,提出基于蚁群粒子群算法优化UKF噪声矩阵的方法,同时引入蚁群算法将惯性权重离散化以提高粒子群算法的搜索效率,克服其容易发生早熟收敛的缺点。试验和仿真结果表明,采用该优化算法辨识电力线信道模型可克服参数的分散性,提高拟合精度并缩短辨识时间。    

14.  GPS/CAPS双模定位解算的Kalman滤波算法  
   朱秋芳  李国通  贾广沂《弹箭与制导学报》,2008年第28卷第5期
   利用改进的自适应Kalman滤波算法实现GPS/CAPS双模卫星导航定位解算。首先,利用描述机动载体运动的“当前”统计模型建立GPS/CAPS双模定位的Kalman滤波模型,在此基础上结合Sage—Husa自适应滤波算法建立离散的自适应扩展Kalman滤波方程。然后,对该自适应滤波算法进行改进,当经收敛性判据判断滤波呈发散趋势时.切换至强跟踪Kalman滤波算法.既保证了滤波器的可靠收敛又保证了定位的精度和效率。最后的仿真结果表明.该算法县有效可行的.    

15.  离散高阶分布式一致性算法  
   彭换新  戚国庆  盛安冬《计算机应用研究》,2013年第30卷第9期
   为了提高分布式一致性算法的收敛速度, 提出了一种离散高阶分布式一致性算法。该算法通过单跳通信, 利用二跳邻接节点的前多步信息来加速分布式一致性算法的收敛速度。对无向通信拓扑下该算法的收敛性能和收敛速度, 以及带通信延时的该算法的收敛性能进行了分析和仿真比较, 结果显示, 该算法在满足条件下能收敛到初始状态的平均值, 与同样利用二跳邻接节点信息的算法相比, 具有通信量小, 收敛速度更快的特点, 但是能容忍的通信延时变小。    

16.  AR模型参数自适应估计方法研究及应用  被引次数:1
   彭秀艳《哈尔滨工业大学学报》,2009年第41卷第9期
   为了提高AR模型参数估计的精度和收敛速度,提出基于卡尔曼(Kalm an)滤波原理的AR模型参数估计方法.把AR模型参数向量作为状态向量,利用随机游动模型建立系统的状态方程,由观测数据建立系统的观测方程,应用卡尔曼(Kalm an)滤波原理求得参数向量的最小方差估计.将该方法应用于船舶运动实时建模预报中.仿真研究表明本文提出的基于Kalm an滤波算法的AR模型在预报精度以及收敛速度方面均优于基于递推最小二乘法(RLS)和最小均方(LMS)算法,该算法具有较强的鲁棒性,降低了实时在线预报时通信故障所引起的数据缺失对预报精度的影响.该方法在理论和工程应用方面具有重要的意义.    

17.  快收敛带通椭圆球面波函数重构求解算法  
   刘传辉  王红星  张磊  刘锡国《吉林大学学报(工学版)》,2013年第43卷第4期
   以提高带通椭圆球面波函数(BPSWF)重构求解精度为出发点,提出一种快速收敛的BPSWF函数重构求解算法。根据采样定理,由采样信号重构恢复带通信号的带通滤波选择本质,给出基于采样定理的带通椭圆球面波函数重构求解通式;分析了重构求解算法的主要误差因素,提出通过改善重构基函数收敛性,提高BPSWF函数重构求解精度的基本思想;通过频域设计构造了一种时域快速收敛的带通PSWF重构基函数,进而提出一种快速收敛的BPSWF函数重构求解算法。理论和仿真分析结果表明:新重构的求解方法更适合于低频段BPSWF求解,与sinc基函数重构求解方法相比,求解精度高,求得的PSWF函数正交性好,能量聚集性佳。    

18.  基于卡尔曼滤波的时变稀疏信号快速收敛重构算法  
   毕瑛炜  张岩《计算机应用》,2014年第Z2期
   为了提高时变稀疏信号的重构性能,提出了融合压缩感知和卡尔曼滤波的快速收敛重构算法。通过伪测量( PM)技术以及扩展卡尔曼滤波形式的线性化将近似l0范数约束有效地融合到卡尔曼滤波架构中,求解常规的卡尔曼滤波方程,重构出稀疏信号。此外,针对PM阶段的扩展卡尔曼滤波形式,提出了快速收敛算法,有效地保证了算法的收敛和精度。仿真结果表明,相比原有基于卡尔曼滤波的恢复算法,所提算法的重构精度更高、收敛更快。    

19.  基于平方根-卡尔曼滤波的无线网络仪器时钟同步算法  
   庞丽莉  吕奇辰  王世隆  随阳轶  林君《吉林大学学报(工学版)》,2012年第42卷第5期
   提出基于平方根-卡尔曼滤波算法的时钟同步算法,在保证算法收敛的前提下对时钟偏差和偏斜进行最优估计。算法中提出通信能耗与时钟精度的关系模型,在满足一定精度的前提下校准时钟,既能保证时钟的稳定和精准,又能较少地占用带宽资源,节约通信能耗。最后通过网络模拟器模拟实验论证了算法的性能。    

20.  基于粒子滤波的重力梯度与地形信息融合辅助导航方法  被引次数:1
   熊凌  马杰  田金文《计算机应用与软件》,2010年第27卷第2期
   基于粒子滤波(PF)的重力梯度与地形信息融合辅助导航方法充分利用了重力梯度特征与地形特征融合的优点,可提高舰艇导航系统信息的利用程度。仿真比较了基于重力梯度的扩展卡尔曼滤波、基于重力梯度的粒子滤波和重力梯度与地形多特征融合粒子滤波算法得到的位置均方根误差,分析了基于EKF的重力梯度匹配辅助导航系统的稳定性和状态能观性。仿真结果表明,提出的融合算法既能加快粒子滤波的收敛速度,又能提高粒子滤波算法的估计精度。    

设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号