基于BS-PLS回归模型的木材含水率在线预测研究

由于木材干燥周期较长、干燥窑内工作状态极其复杂,这使得木材含水率的检测精度受环境影响较大,尤其是在以木材含水率为基准的干燥过程中,木材含水率的在线检测精度至关重要.针对这一问题,提出了基于样条映射的偏最小二乘法的木材干燥过程非线性建模方法.该方法将采集温度、湿度等多种传感器检测值作为模型的输入,木材含水率作为模型的输出,仿真试验验证了模型具有较好的泛化能力和较高的预测精度.     

基于多模型数据融合算法的木材干燥过程建模

提出了一种适合木材干燥过程建模的多模型数据融合算法,通过该方法构建了数据融合模型。分别用BP神经网络和动态递归网络建立了木材干燥基准模型,利用自适应加权算法对两模型输出进行融合,通过实验干燥数据仿真表明:融合后的木材含水率预测值的方差为0.125 3,高于任何一个单独模型的预测精度。     

基于LSSVM的木材干燥建模研究

针对木材干燥过程的强非线性特点,提出以最小二乘支持向量机LSSVM建立木材干燥基准模型.通过实验用小型木材干燥窑实际干燥过程中采集的数据作为训练样本进行仿真实验,结果表明基于LSSVM的木材干燥模型预测输出能够准确反映干燥过程木材含水率的变化,模型结构简单、预测精度高、泛化能力强,验证了LSSVM对木材干燥过程建模是一种可行而有效的方法.     

GA-BP网络在木材干燥过程建模中的应用

木材干燥是一个复杂的非线性系统,由于木材结构复杂且具有多样性和变异性,很难建立一个理想的符合木材干燥过程的数学模型。利用遗传算法的全局寻优能力优化BP神经网络连接权值系数,分别用BP和GA-BP两种算法建立了木材干燥基准模型。对比结果表明:GA-BP算法建立木材干燥基准模型提高了期望误差精度和收敛速度,避免了BP算法陷入局部极小值,预测平均误差为1.0413%,具有较好的预测精度。     

GA—BP网络在木材干燥过程建模中的应用

木材干燥是一个复杂的非线性系统，由于木材结构复杂且具有多样性和变异性，很难建立一个理想的符合木材干燥过程的数学模型。利用遗传算法的全局寻优能力优化BP神经网络连接权值系数，分别用BP和GA—BP两种算法建立了木材干燥基准模型。对比结果表明：GA—BP算法建立木材干燥基准模型提高了期望误差精度和收敛速度，避免了BP算法陷入局部极小值．预测平均误差为1．0413％，具有较好的预测精度。     

基于小波包的木材含水率在线检测*

木材含水率是调控干燥过程的关键参数,其测量的准确性直接影响到木材干燥质量的好坏、干燥成本的高低、机器干燥周期的长短。木材干燥过程中,木材含水率的在线检测受多种因素影响（检测电路的噪声干扰,多种环境因子间的交叉灵敏度等）。针对以上问题,提出了一种小波包消噪的处理方法,分别利用小波和小波包两种方法对木材含水率测定值进行特征提取。仿真结果表明,小波包分析具有较好的滤波效果。     

基于小波神经网络的木材干燥窑内传感器建模研究

针对木材干燥系统具有非线性、强耦合的特性,难以建立准确的数学模型,提出一种基于小波神经网络的建模方法。通过木材干燥窑内木材含水率传感器、温度传感器和湿度传感器采集的数据建立小波神经网络模型,并通过模型预测木材含水率传感器的测量值。小波神经网络将BP神经网络在非线性问题上自学习的能力与小波表征信号局部信息的能力相结合,具有很强的自适应分辨性和容错能力。利用实际木材干燥过程中采集的数据作为训练样本进行仿真实验。结果表明：小波神经网络方法建立的模型能够预测木材含水率传感器的测量值,模型泛化能力强,预测精度高于BP神经网络建立的模型,验证了小波神经网络对木材干燥窑内传感器建模的可行性和有效性。     

木材干燥窑自动测试系统的研制

论述了木材干燥窑自动测试系统的硬件、软件设计.重点介绍了各个参数测量传感器的工作原理、提高被测参数测量精度的措施,以及测量过程中动态补偿的方法.通过实验验证,该系统运行稳定,测量精度高,数据采集实时可靠.测温精度为±0.1℃.平衡含水率和木材含水率精度为±1%.     

基于SAGA优化BP神经网络的木材含水率预测

针对木材干燥过程中含水率的检测问题,提出了一种基于SAGA优化BP神经网络的木材含水率预测方法,即采用遗传算法与模拟退火算法相结合的学习策略,利用SAGA的全局寻优能力优化BP网络的权值和阈值.仿真试验表明,优化后的BP网络表现出良好的预测性能,缩短了训练时间,避免了BP算法陷入局部小,具有很高的预测精度.     

基于UKF的滚动时域估计方法研究

在实际工业过程中,模型参数往往具有一定的时变性和非线性。为了能够有效地实施过程操作优化,常常要对过程模型参数进行在线估计。滚动时域估计方法是解决非线性系统模型参数在线估计的1种实用方法。滚动时域估计方法的关键问题之一是抵达成本(Arrival Cost)的计算,针对简化计算抵达成本带来的精度问题,提出采用无迹卡尔曼滤波(UKF)算法来近似估算目标函数中的抵达成本。最后,将基于UKF的滚动时域估计方法应用于2个例子中。结果表明,基于UKF的滚动时域估计方法具有较好的估计效果。     

基于双EnKF的土壤水分与土壤属性参数同时估计

为提高土壤水分数据同化结果的精度,将基于双集合卡尔曼滤波(Dual Ensemble Kalman Filter,DEnKF)的状态-参数估计方案与简单生物圈模型(simple biosphere model 2,SiB2)相结合,同时更新土壤水分和优化模型参数(土壤属性参数)。选用2008年6月1日~10月29日黑河上游阿柔冻融观测站为参考站,开展了同化表层土壤水分观测数据的实验。研究结果表明:DEnKF可同时优化土壤属性参数和改进土壤水分估计,该方法对表层土壤水分估计的精度0.04高于EnKF算法的精度0.05。当观测数据稀少时,DEnKF算法仍然可以得到较高精度的土壤水分估计,3层土壤水分的估计精度在0.02~0.05之间。     

A computationally efficient Kalman filter based estimator for updating look-up tables applied to NOx estimation in diesel engines

No_x estimation in diesel engines is an up-to-date problem but still some issues need to be solved. Raw sensor signals are not fast enough for real-time use while control-oriented models suffer from drift and aging. A control-oriented gray box model based on engine maps and calibrated off-line is used as benchmark model for No_x estimation. Calibration effort is important and engine data-dependent. This motivates the use of adaptive look-up tables. In addition to, look-up tables are often used in automotive control systems and there is a need for systematic methods that can estimate or update them on-line. For that purpose, Kalman filter (KF) based methods are explored as having the interesting property of tracking estimation error in a covariance matrix. Nevertheless, when coping with large systems, the computational burden is high, in terms of time and memory, compromising its implementation in commercial electronic control units. However look-up table estimation has a structure, that is here exploited to develop a memory and computationally efficient approximation to the KF, named Simplified Kalman filter (SKF). Convergence and robustness is evaluated in simulation and compared to both a full KF and a minimal steady-state version, that neglects the variance information. SKF is used for the online calibration of an adaptive model for No_x estimation in dynamic engine cycles. Prediction results are compared with the ones of the benchmark model and of the other methods. Furthermore, actual online estimation of No_x is solved by means of the proposed adaptive structure. Results on dynamic tests with a diesel engine and the computational study demonstrate the feasibility and capabilities of the method for an implementation in engine control units.     

基于容积卡尔曼滤波算法估计动力锂电池荷电状态

动力锂电池荷电状态的准确估计是电池管理系统的关键功能之一。该文结合二阶电阻-电容等效电路模型,通过建立状态空间表达式,利用最小二乘法对等效电路模型各参数进行辨识,并通过多项式拟合方法获得了开路电压与剩余电荷的关系曲线,进而基于容积卡尔曼滤波方法对锂电池荷电状态进行建模,建立了基于数字信号处理器的充放电实验平台,实现了锂电池放电时荷电状态的实时估算。实验结果表明,该方法能够实现实时在线估算,且最大误差小于 2%,具有良好的估算精度。     

视觉与惯性传感器融合的隐式卡尔曼滤波位置估计算法

机器人对自身位置的实时感知在机器人技术中非常重要.本文主要研究机器人技术中一类基于视觉与惯性传感器的位置估计问题.与传统的状态估计问题不同的是,所研究位置估计问题为带有隐式观测方程的线性状态估计问题.为此提出一种能够解决此类估计问题的隐式卡尔曼滤波器,并给出了详细的滤波器设计过程.另外采用扩展变量法将加速度信息中的偏移量作为滤波器状态来估计,以补偿其对位置估计结果的影响.仿真结果显示,所给出的隐式卡尔曼滤波器收敛,加速度偏移带来的影响被有效的补偿.     

一种基于在线学习前向神经网络的组合导航滤波器

首先建立了带反馈校正的组合导航数学模型，在此基础上提出了一种在线学习的神经网络滤波算法。这种算法不需要噪声的先验知识，对系统模型的依赖也较弱。仿真表明，卡尔曼滤波器在理想情况下有较高的估计精度，而神经网络滤波器在非理想情况下有较高的精度，对模型误差和噪声特性的变化具有良好的鲁棒性。     

基于卡尔曼滤波的机场道面接缝积水检测方法研究

机场道面接缝积水会逐渐破坏机场道面平坦度,影响飞行安全.传统的机场接缝除湿方式易导致水泥焦化且效率低下.利用微波辐射技术设计了机场水泥道面接缝积水的检测系统,将含水量的测定转化为对电压的测量.采用最小二乘法和卡尔曼滤波分别对硬件测量误差进行补偿,分析结果表明,使用最小二乘法优化数据可将平均误差率由0.131 1％降为0.019 4％,而运用卡尔曼滤波算法则可降至0.008 1％,能够显著提高机场道面接缝积水含水量的测定精度.     

Real‐time nonlinear moving horizon observer with pre‐estimation for aircraft sensor fault detection and estimation

This paper presents a real‐time nonlinear moving horizon observer (MHO) with pre‐estimation and its application to aircraft sensor fault detection and estimation. An MHO determines the state estimates by minimizing the output estimation errors online, considering a finite sequence of current and past measured data and the available system model. To achieve the real‐time implementability of such an online optimization–based observer, 2 particular strategies are adopted. First, a pre‐estimating observer is embedded to compensate for model uncertainties so that the calculation of disturbance estimates in a standard MHO can be avoided without losing much estimation performance. This strategy significantly reduces the online computational complexity. Second, a real‐time iteration scheme is proposed by performing only 1 iteration of sequential quadratic programming with local Gauss‐Newton approximation to the nonlinear optimization problem. Since existing stability analyses of real‐time moving horizon observers cannot address the incorporation of the pre‐estimating observer, a new stability analysis is performed in the presence of bounded disturbances and noises. Using a nonlinear passenger aircraft benchmark simulator, the simulation results show that the proposed approach achieves a good compromise between estimation performance and computational complexity compared with the extended Kalman filtering and 2 other moving horizon observers.