应用卡尔曼滤波的激振力时域识别方法研究

激振力识别属于结构动力学中的第二类反问题,为识别振动系统的激励力,本文基于卡尔曼滤波器和最小方差估计的方法,分别建立了以系统位移和加速度为输入参数的激振力时域识别方法.推导了两种方法的识别公式,并对两种方法的识别结果和识别结果的稳健性进行了仿真分析.仿真结果表明,两种方法对噪声方差初值的设定均不敏感;以加速度幅值为输入的方法识别精度优于以位移幅值为输入的方法;以位移幅值为输入的方法识别结果稳健性较好.最后采用力锤敲击试验验证了识别方法的有效性和精度.     

基于MARG传感器的长跑上肢姿态检测算法设计

随着可穿戴设备在运动健康领域的广泛应用,针对长跑运动姿态分析方面,本文基于四元数的乘性扩展卡尔曼滤波算法(MEKF)进行改进,利用MARG传感器采集长跑运动中的上身姿态,进一步完善了仅从足部姿态判断跑姿的方法。经实验分析,与一般方法相比,该算法提高了针对长跑姿态的检测精度,并且对错误的姿势动作给予矫正建议。     

基于PMU的电力系统监控体系结构优化设计

文中提出了一种利用有限数量的相量测量单元(PMU)和相量数据集中器(PDC)设计最优监控结构的方法。通过在大量的设定值场景下,使电力系统可观测性曲线的期望值最大化,同时使通信基础设施成本最小化,最终确定PMU和PDC的最佳位置。提出了一种非线性动态扩展卡尔曼滤波(EFK)状态观测器。这种状态观测器可以将暂态行为转换为由代数微分方程描述的广域电力系统,而无需非线性反演技术。最后以IEEE-5电力系统为例,说明了该方法的有效性。     

基于UKF航迹滤波的干扰目标智能识别算法研究

针对雷达导引头末制导阶段抗干扰技术,建立了典型的距离-速度拖引干扰模型,采用无迹卡尔曼滤波(UKF),研究了基于速度、加速度、过载等指标的干扰目标智能识别技术。首先建立距离-速度拖引干扰模型,通过引入弹目相对距离、径向速度、高低角与方位角建立了系统跟踪模型。其次,给出了基于UKF实现目标跟踪与识别的滤波框架。在此基础上,以径向速度、径向加速度、角加速度与过载为评价指标,建立了目标智能识别指标体系。最后,通过典型的目标运动模型(目标跃升),对目标施加的四次距离-速度拖引干扰(两次前拖、两次后拖)进行目标识别。仿真结果表明,利用UKF滤波信息能够有效实现对距离-速度拖引干扰下的干扰和目标智能识别,仿真结果验证了该识别方法的可行性与有效性。     

基于微型飞行器机载视觉的目标识别与状态估计方法

为了实时获得微型飞行器着陆时与着陆平台的相对位置关系,本文提出了一种基于微型飞行器机载视觉的目标识别与状态估计方法。该方法利用曲面拟合方法获得着陆平台图像边缘的梯度方向和亚像素坐标,并将其作为匹配信息进行相似度运算,匹配成功后再通过运动方程模拟移动平台的运动特性,利用卡尔曼滤波对移动平台下一时刻的位置进行预测。最后进行偏移量的计算,将实验所得的数据通过几何变换可以得出飞行器与着陆平台的相对位置参数。实验结果表明该算法能够实时准确计算出飞行器与视觉着陆标识之间的相对位置关系。     

自适应卡尔曼滤波算法在压裂作业中的应用

针对采用传统卡尔曼滤波器对压裂作业中压力进行滤波时,难以获得准确数学模型和噪声统计特性而导致滤波效果较差的问题,提出了一种基于拟合优度确定系数的自适应卡尔曼滤波算法(R~2-AKF)。该算法将测量数据的预测值作为回归曲线拟合值,通过计算测量数据的预测值与实际采集值的拟合优度确定系数R~2来确定过程噪声协方差矩阵Q的修正系数α,得到具有过程噪声协方差调整的自适应卡尔曼滤波算法,通过压裂作业现场试验验证了其有效性。试验结果表明:自适应卡尔曼滤波算法能保证系统的滤波精度,具有较强的实时性,是一种简单、有效的实时滤波算法,具有一定的工程指导意义和推广价值。研究结果可以为压裂作业中压力数据采集和分析提供技术参考。     

航空重力垂直加速度改正滤波方法对比研究

根据航空重力测量的基本原理,阐述了用于航空重力垂直加速度改正的频域滤波器和时域滤波器的设计方法,以此为依据设计了用于垂直加速度改正的低通滤波器和卡尔曼平滑滤波器,并利用滤波器对航空重力实测数据进行了处理试验。试验结果表明:两种滤波方法都能够实现垂直加速度改正,而时域滤波器处理精度较高,与解算参考标准的误差低于1mGal。