基于交通流混合模型的高速公路状态估计

针对单一的高速公路交通流模型在时变复杂道路情况下经常无法取得满意状态估计效果的问题,通过引入适应性权重参数,描述不同交通状况下高速公路一阶模型和高阶模型对实际交通状况的近似程度和适用性,提出数据驱动的高速公路一阶/二阶线性交通流混合模型.结合扩展Kalman滤波(EKF)原理,构建新的高速公路状态估计器,通过对交通状态和权重参数进行联合估计,得到不同路况条件下权重参数的变化情况.数值模拟实验结果验证了新的交通流混合模型及估计器的适应性和有效性.     

基于UKF方法的锂离子电池荷电状态估计研究

选用二阶RC回路的电池模型,以单体的磷酸铁锂动力电池为研究对象,通过充电/放电电流脉冲实验获得电池模型中的各个参数变化范围,研究其荷电状态(SOC)的估算方法.根据电池模型的状态方程和输出方程,运用MATLAB软件,利用无迹卡尔曼滤波(UKF)方法来估算锂离子电池的SOC,并将其估算结果与扩展卡尔曼滤波(EKF)方法的估算结果进行比较.实验结果表明UKF方法能够更精确地估计出动力电池的SOC.     

行人交通流自由速度模型研究

为了估计行人交通流的自由速度及其分布,在分析行人步行速度受约束概率的基础上,基于改进的Kaplan-Meier估计方法,对行人的自由速度估计方法进行了分析,用大量的实测数据建立了不同步行设施上行人的自由速度分布模型,经检验行人的自由速度符合正态分布.这为相应的步行交通设施的设计和行人交通仿真提供了良好的数据支持.     

基于信息融合技术的汽车状态估计算法

以信息融合技术为基础,根据状态估计理论,对汽车的纵向速度、横摆角速度和质心侧偏角进行了估计。仿真计算与场地实验结果对比表明,应用该方法可以有效地解决汽车纵向速度、横摆角过度和质心侧偏角的测量问题。     

炮弹发射弹道目标精度校正估计仿真

针对全球定位系统、雷达和卡尔曼滤波等传统测量手段在弹道量测中面临的诸多问题,提出了超宽带技术与平方根无迹卡尔曼滤波方法相结合的弹道估计算法,通过试验与仿真对该算法进行了分析.结果表明,采用平方根无迹卡尔曼滤波进行估计时,运行时间低于扩展卡尔曼滤波,略高于无迹卡尔曼滤波,且位置和速度均方根误差均低于二者.将平方根无迹卡尔曼滤波应用于弹道估计问题中可取得更为有效、准确的估计结果.     

基于扩展Kalman滤波的汽车行驶状态估计

介绍了一种应用扩展Kalman滤波技术估计车辆行驶状态的控制算法。该算法以非线性三自由度车辆模型为基础,对汽车在行驶过程中的横摆角速度、纵向车速和质心侧偏角分别进行了估计。为验证该算法的准确度,将估计获得的状态值与实车场地实验测得的数据进行了比较。比较结果说明,应用扩展Kalman滤波算法能够较为准确地估计出车辆的横摆角速度、纵向车速和质心侧偏角。     

给水管网状态估计模型的研究

从给水管网实际出发，根据少量已知监测信息及管路网络拓扑结构建立了给水管网状态估计模型，并结合模拟试验证明模型正确可行。该模型直接反映了末知节点压力与已知信息的关系，可用于解决已知信息不充分的问题，因而具有广泛的实用性。     

多种交通流状态下的交通波模型

为方便描述多种车流状态下的交通波速度传播过程, 基于车辆跟驰的物理机制和车辆运动学特性推导出交通波速度传播统一模型.采用高点视频拍摄和视频车辆轨迹提取的数据采集方法获取实际调查数据, 得到了停车波和起动波的波速计算值.通过与实测数据比较, 结果表明交通波模型的波速计算值与实测值的相对误差为5%左右, 证实了模型的有效性.通过对模型进行分析, 得出车辆速度和车头间距对交通波波速的影响区别, 为城市交通控制与管理提供了理论依据.     

多元线性回归模型参数的EB估计及其收敛速度

本文采用多元函数核估计方法,构造了多元线性回归模型参数的经验贝叶斯估计,证明了该估计有如下性质:1.渐近最优,2.收敛速度可任意接近于1。     

基于运行效率的通行能力计算方法

为了提高交通流模型整体估计精度, 对交通流模型参数估计方法进行了研究.针对密度-速度、密度-流量以及速度-流量模型之间的关联性以及交通流观测数据分布特征对模型估计精度的影响, 提出了联合模型参数估计方法, 并给出了联合模型参数估计优化目标函数的表达形式及约束条件.以Castillo-Benítez和Van Aerde模型为例, 基于北京市二环快速路实测数据对联合模型参数估计方法可行性及参数估计效果进行了验证; 构建了加权判定系数, 并结合平均绝对百分比误差(mean absolute percentage error, MAPE)和平方根误差(root mean squared error, RMSE)评价联合模型估计效果.结果表明, 对Castillo-Benítez模型而言, 由单一模型计算的速度、流量估计MAPE分别是19.8%和18.7%, 基于联合模型计算的速度、流量MAPE分别下降为10.0%和10.0%, 模型总体判决系数由0.913变化为0.910;对Van Aerde模型而言, 由单一模型计算的密度、流量估计MAPE分别为16.4%和16.3%, 基于联合模型计算的密度、流量MAPE分别为14.2%和14.2%, 模型总体判决系数由0.732变为0.749.

     

一种简化鲁棒的传感网络节点三维估计算法

针对无线传感网络中进行节点三维状态估计时受到重尾或突变性质噪声干扰的问题,提出了加权质心定位和简化最大互相关熵无迹卡尔曼滤波结合的传感网络节点三维估计算法．首先,通过信号强度的测距方式得到信标节点和传感节点的观测距离;然后,利用质心定位的方法得到节点的近似估计,并结合节点估计模型和最大互相关熵准则对非高斯、非线性问题的鲁棒性,推导出一种简化最大互相关熵无迹卡尔曼滤波算法;最后,得到精确估计．仿真结果表明,新算法在具有重尾非高斯观测噪声的传感网络中对节点三维估计的效果比典型的方法更好,不仅降低了一般最大互相关熵无迹卡尔曼滤波的时间复杂度,还提高了节点估计的精度．     

一种新的高动态全球定位系统频率估计算法

针对常用高动态全球定位系统频率估计算法扩展卡尔曼滤波(EKF)由于对模型进行简单线性化而造成的估计精度低与失锁门限高等缺陷,引入了一种新的线性滤波算法unscented卡尔曼滤波(UKF)进行频率估计．该算法不需要对非线性模型进行线性化,而是利用一系列Sigma采样点,通过unscented变换(UT)来进行状态与协方差阵的递推与更新．仿真实验结果表明新算法的估计精度远高于EKF,失锁门限也比EKF低约1dB,估计性能得到了改善．     

色彩梯度恒常性的光流场估计算法

为提高光流估计的鲁棒性,在彩色图像光流场计算中色彩恒常假定的基础上,进一步假定色彩梯度在运动中保持不变,据此提出了一种基于色彩梯度恒常性假设的光流求解方法,以色彩梯度构成光流基本方程,并对其施加全局平滑约束,以Gauss-Seidel迭代求解光流场,并用中值滤波去除光流场中的异常分量.实验表明,该方法相对于灰度图像序列及彩色图像序列的经典光流场估计算法可取得更好的估计效果.     

永磁同步电机的转动惯量辨识及状态估计

为提高永磁同步电机伺服系统的动态性能和鲁棒性,研究了基于模型参考自适应系统的转动惯量辨识方法以及基于卡尔曼滤波器的自适应状态估计策略。提出了一种适用于宽转速、高噪声环境下的电机角速度、角位移和负载扰动转矩的在线估计方法,分析了该方法的抗干扰能力以及系统参数变化对估计效果的影响,并通过辨识出的伺服系统转动惯量对卡尔曼滤波器的系数矩阵进行实时更新,实现了转动惯量自适应状态估计。仿真和实验结果表明该算法在速度分辨率、实时性和抗干扰能力上均优于传统M／T方法。     

相关测量噪声的多传感器最优融合状态估计

当检测环境中有一个统一的噪声源时，各个传感器的测量噪声是相关的。许多算法都假设各个传感器的测量噪声是不相关的，因为这是保证测量噪声方差矩阵平行解耦的必要条件。基于矩阵相似变换的理论，提出了一种使多传感器相关测量噪声方差矩阵解耦的方法，该方法使多传感器数据融合测量模型转化成测量噪声不相关的新模型，推导了存在相关测量噪声的多传感器数据融合最优状态估计算法。当测量噪声不相关时，算法与以往的具有不相关噪声的最优算法相同。     

生物力学模型导引的心肌运动与材料参数对偶估计

针对传统心脏图像分析方法割裂运动分析和材料分析的局限性和扩展卡尔曼滤波器联合算法引入互协方差矩阵具有收敛慢的问题,提出基于卡尔曼滤波器和扩展卡尔曼滤波器的对偶滤波器算法,该方法用有限元方法表达心脏求解域,连续生物力学模型作为逆问题的约束,在状态空间框架下将运动状态向量和材料参数向量分别置于2组状态空间方程中,用相应的滤波器进行交替迭代估计,从而实现心肌运动状态和材料参数的同时重建.结果表明,该方法能够有效地提高估计精度和收敛速度,缩短计算时间.     

Comparison of linear and nonlinear aerodynamic parameter estimation approaches for an unmanned aerial vehicle using unscented Kalman filter

Aerodynamic parameter estimation provides an effective way for aerospace system modeling using measured data from flight tests,especially for the purpose of developing elaborate simulation environments and designing control systems of unmanned aerial vehicle(UAV)with short design cycles and reduced cost.However,parameter identification of airplane dynamics by nonlinear models is complicated because of the noisy and biased sensor measurements.Using linear models for system identification is an alternative wa...     

改进型UKF滤波算法的卫星姿态估计

针对矢量观测的三轴稳定卫星的姿态估计问题,提出了一种改进的UKF（unscented Kalman filter）滤波算法．它通过引入简化球形分布Sigma点UT变换（SSUT）,使得Sigma点的数量减少,从而在与UKF算法估计精度相当的情况下,计算量大大减少．同时,该算法依据姿态四元数与修正罗德里格参数之间的变换关系以及Sigma点的本质属性,保证了在姿态估计过程中四元数满足归一化约束,并且给出了过程噪声方差阵的选取方法．与扩展卡尔曼滤波（EKF）相比,无需计算Jacobian矩阵且具有更高的估计精度,并且对初始姿态误差更具有较好的鲁棒性．数值仿真表明该方法能很好地改善滤波效果,提高了估计精度,同时减小了计算量。