UKF和KF两级滤波的雷达与红外配准算法

针对雷达与红外传感器的时间和空间偏差配准问题,给出时空偏差配准模型,提出了一种时空偏差实时估计算法.该算法将目标的运动状态和传感器偏差组合在同一状态方程中,构建扩维状态的系统动态方程和量测方程,并通过对量测方程的非线性分析,采用UKF和KF两级滤波的方法进行目标状态和配准偏差的联合估计.仿真结果表明,与采用UKF滤波的方法相比,该算法具有更高的估计精度,而且减小了计算量.     

多传感器信息融合研究概述

多传感器信息融合是一门涉及信号处理、信息论、人工智能、模糊数学等理论的多学科交叉技术,被广泛应用于军事和民用领域。介绍多传感器信息融合的概念主要应用,描述多传感器信息融合的功能模型和融合方法,并对其发展趋势进行分析。     

多传感器信息融合的算法比较

神经网络技术已经越来越多的应用于传感器的信息融合,但是由于传统的神经网络结构对于计算大学习样本,需要的隐结点数很大,导致训练的时间很长,性能下降。本文提出了一种阵列神经网络的结构模型,通过将传统神经网络中的中间隐层用子网络代替,不同的信息分配到不同的子网络中,然后再进入融合层进行融合,从而克服了传统神经网络计算大容量样本的缺点。本文还结合测量压力的多传感器系统,通过比较阵列神经网络和传统神经网络对信息融合的效果和速率来研究阵列神经网络的作用。     

多传感器信息融合技术的监控报警系统

多传感器信息融合技术的监控报警系统是由多个传感器同时采集不同的描述信息,进行有效的提取、处理和传输,将捕获的信息转换成电信号并发送,从而降低了系统中单一传感器的误报率和漏报率,进一步提高了系统的准确性和可靠性。     

ANN-FRIFS在多传感器信息融合故障诊断中的应用

对于多传感器故障诊断系统,必须根据环境的变化,传感器的状态等合理地运用各传感器的信息.本文设计了一种基于经验规则和模糊推理功能的ANFIS置信度判别器,此判别器能自适应地对各传感器数据综合判别,得到它们相应的故障置信度,进而对多传感器的信息进行融合,提高了诊断的准确度.     

一种基于多传感器信息融合的火灾探测系统

根据火灾的特征与燃烧产物,设计了一种基于多传感器信息融合的火灾探测系统.该系统以DSP TMS320LF2407A为处理器,包括一氧化碳传感器模块、温度传感器模块和紫外火焰传感器模块.紫外火焰传感器可以很好地区分闪燃火和阴燃火,一氧化碳传感器和温度传感器能够对闪燃火和阴燃火产生不同的反应,因此系统采用两种不同的算法来探测闪燃火和阴燃火.该火灾探测系统在燃烧室中通过了实验验证.实验表明,该火灾探测系统比通用的感烟型探测器具有更快的探测速度和准确度,且不会在常见干扰源的干扰下产生误报警.     

基于多传感器融合信息的移动机器人速度控制方法

为提高移动机器人在复杂环境下的速度控制精度和适应能力,提出了一种基于多传感器融合信息的移动机器人速度控制方法.首先,根据多传感器非线性优化融合理论,通过最小化运动观测残差的方法来构建移动机器人运动状态优化估计模型.然后,对利用单目相机、轮式里程计及惯性测量单元(inertial measurement unit,IMU...     

基于多传感器两级特征融合的滚动轴承故障诊断方法

针对单个传感器获取信息有限导致诊断精度不足的问题,提出一种基于多传感器两级特征融合的故障诊断方法,并将其应用于不同工况下的滚动轴承故障诊断中。首先,在第一阶段特征融合中,通过变分模态分解计算每个传感器振动信号的本征模态函数(intrinsic mode function, IMF),消除噪声等冗余信息;再根据IMF提取时域、频域和多尺度熵特征,在一维特征层面融合成一个多域特征集。其次,在第二阶段特征融合中,首先构建基于Swish激活函数和log(cosh)损失函数改进的深度自编码网络,在此基础上进一步融合多域特征集并进行故障分类。将所提模型应用于不同工况下的滚动轴承故障诊断数据集,试验结果表明,与现有方法相比,所提方法具有更高的分类准确率和鲁棒性。     

磨煤机故障诊断中多传感器信息融合技术的应用

针对磨煤机故障诊断系统出现“漏报”、“误报”现象,提出应用多传感器信息融合技术,并给出了多传感器信息融合模型。该模型可提高对磨煤机的工作状态和故障的识别能力,同时降低监测与故障诊断系统的成本。     

两点支承结构多点输入地震响应简化算法与精度分析

多点输入计算中,在考虑所有耦合项的完全二次项（CQC）组合法基础上,给出忽略相关耦合项的平方和平方根（SRSS）近似算法,并针对两点支承结构的特殊性,提出该类型结构拟静力响应的简化计算方法。以典型的两种两点支承结构为算例,分析SRSS近似算法的精度。计算结果表明,对于两点支承结构而言,SRSS算法的误差主要是因为忽略拟静力和相对动力耦合项所致,而忽略振型耦合项的误差较小;行波效应越强,近似算法的误差越大;但从实际工程结构的计算结果来看,在常见的波速范围内,两种近似算法的位移、内力的计算误差都分别在10%、15%以内。因此采用SRSS近似方法用于此类结构多点输入地震响应的计算是可行的。     

ANN—FRIFS在多传感器信息融合故障诊断中的应用

对于多传感器故障诊断系统，必须根据环境的变化和传感器的状态等合理地运用各传感器的信息。文中设计了一种基于经验规则和模糊推理功能的ANFIS置信度判别器，此判别器能自适应地对各传感器数据综舍判别，得到它们相应的故障置信度，进而对多传感器的信息进行融合，提高了诊断的准确度。     

基于输入估计方法的振动主动控制试验研究

针对一种基于随机游走和输入估计策略的振动主动控制方法进行了试验研究。该方法涉及的动力学模型既依赖于受控系统的基本物理参数,又与未知的外扰激励密切相关。首先采用模态识别方法离线辨识系统的物理参数,以获得系统状态方程,再利用随机游走模型将未知外扰视为辅助状态量来构造新的状态方程,并借助Kalman滤波原理对新状态方程中的未知状态进行估计,进而得到未知状态和外扰的估计值。根据系统已知的测量输出、未知状态及外扰的估计值构造目标函数,应用LQG方法求解控制器增益,得到考虑未知外扰的最优控制输入。以柔性悬臂梁模型作为受控对象,对其实施振动主动控制,试验结果表明,该控制方法能有效抑制模型的前四阶模态振动,特别是对低阶模态的控制,其效果远优于经典LQG控制方法。     

单输入多输出耦合设计任务二阶段迭代模型研究

产品开发过程中单输入多输出耦合设计任务间存在复杂的信息依赖关系。采用单阶段方法的任务执行方式时,因所执行的任务数量多并且需传递的信息量大,致使任务间存在的复杂信息关系难以被理清,从而导致任务执行过程中的方案分配不够合理,任务间的迭代返工次数过多,产品开发周期过长。针对这些问题,在深入分析单输入多输出耦合设计任务单阶段迭代模型的基础上,提出了一种任务迭代过程中的信息处理策略,并构建了一种单输入多输出耦合设计任务的二阶段迭代模型及其求解执行时间的数学模型。应用该数学模型,可以计算得到最佳二阶段设计任务分配方案。以某发动机开发项目为例,进行了该方法的应用分析。研究表明,采取二阶段迭代模型,任务迭代执行时间比单阶段短,并且通过合理分配在1,2两个阶段执行的任务,能够获得最短的二阶段任务迭代执行时间。该方法根据任务间不同的信息关系选择合适的任务迭代模型,能够有效缩短产品开发周期,可为产品设计人员在产品开发过程中选择合理的任务执行方式提供一定的理论参考。     

State estimation comparison for a high-dimensional nonlinear system by particle-based filtering methods

The sequential filtering scheme provides a suitable framework for estimating and tracking geophysical states of systems as new data become available online. Mathematical foundations of sequential Bayesian filtering are reviewed with emphasis on practical issues for both particle filters and Kalman-based filters. In this study, we further investigate the study of Kim (2005) such that the sequential Importance resampling method (SIR), Ensemble Kalman Filter (EnKF), and the Maximum Entropy Filter (MEF) are tested in a relatively high dimensional ocean model that conceptually represents the Atlantic thermohaline circulation. The model exhibits large-amplitude transitions between strong (thermo-dominated) and weak (salinity-dominated) circulations that represent climate states between ice-age and normal climate.The performance of the particle-based schemes is compared with the convergent results from SIR based on measurement errors, observation locations, and particle sizes in various sets of twin experiments. The sensitivity analysis shows strength and weakness of each filtering method when applied to multimodal non-linear systems. As the number of particles is increased, SIR achieves the convergent results that are mathematically optimal solutions. EnKF shows suboptimal results regardless of sample sizes, and MEF achieves the optimal solution even with a small sample size. Both EnKF, and MEF produces robust results with a relatively small sample size or increased measurement locations. Small measurement errors or short intervals of observations (or, more frequent observations) significantly improve the performances of SIR and EnKF, and MEF still show robust results even with a relatively small sample size or sparse measurement locations when the system experiences the transition between one region to the other region.     

Optimal input design for online parameter estimation for aircraft with multiple control surfaces

An optimal input design method is proposed for online parameter estimation for aircraft with multiple control surfaces. The optimal input is designed considering the input and output constraints. These constraints are constructed based on a military standard, MIL-STD-8785C, viz., the flying qualities of a piloted aircraft. The accuracy of parameter estimation using the optimal input is compared with that of parameter estimation using conventional doublet/3211 inputs. Two online parameter estimation schemes are also considered to evaluate the performance of the designed optimal input: a Bayesian method based on the time domain and an equation-error method based on the frequency domain. The recursive form of the Bayesian method is also derived. Numerical simulations are performed, and the performance, convergence, and accuracy of two online parameter estimation schemes are compared.     

基于随机游走和输入估计方法的振动主动控制研究

摘要:为了研究未知外扰作用下动力学系统的振动主动控制问题,结合Kalman滤波和LQG(linear quadratic Gaussian)控制方法,提出了基于随机游走和输入估计的振动主动控制方法。为尽量获取未知外扰信息,首先采用随机游走模型构建求知外扰信号的离散递推形式,并将其作为辅助状态引进受控系统的状态方程。然后,借助具有信号识别和跟踪能力Kalman滤波原理,对含有辅助状态的系统进行状态估计,从而得到未知外扰的估计值．根据系统已知测量输出、未知状态及外扰的估计值构造系统目标函数,采用ＬＱＧ方法求解系统最优控制输入。最后针对sdof模型进行数值仿真。结果表明受控系统在非随机和随机外激励下都具有良好的控制效果,且控制精度优于传统ＬＱＧ方法     

On efficient construction and evaluation of runs rules–based control chart for known and unknown parameters under different distributions

In this study, we have considered two design structures of control chart by covering the situations of known and unknown parameters, variety of probability distributions, and runs rules. The design structures are dependent on constants which generally considered hard to compute analytically. For construction of constants and also for evaluating performance of the design structures through performance measures, we have illustrated Monte Carlo simulation procedure/algorithm for researcher and practitioners. Furthermore, based on the Monte Carlo simulation procedures, we have established a program in R language to compute values of different constants and performance measures. Results illustrated that design structures for known and unknown parameters under variety of runs rules and probability distributions have outstanding performance in contrast to existing structures. Moreover, design structure for unknown parameters behaves alike the design structure for known parameters. This indicates that design structure for unknown parameters has the ability to resolve the issue of runs rules which generally occur when parameters are estimated. Besides, two real‐life examples have been included in which physicochemical characteristic of groundwater and plasticizer characteristic of petrochemical process are monitored through design structures.     

安时-卡尔曼交叉运行的电池荷电状态估算策略及其微控制器在环验证

为了提高电池管理系统(BMS)的性能,研究了电池荷电状态(SOC)的估算方法,并根据SOC估算算法精度和系统实时性要求,提出了安时(AH)积分算法-卡尔曼(Kalman)算法(AH-Kalman)交叉运行的SOC估算策略。该策略用开路电压(OCV)法确定SOC初值,以实时性较强的AH积分法为主,采用间歇运行的Kalman滤波法修正安时计量法积分误差。建立了系统仿真模型,验证了卡尔曼滤波算法对安时积分法积累误差的修正作用。将控制算法生成C代码下载到目标控制器,搭建微控制器在环测试验证(PILS)平台,进行了与传统卡尔曼滤波算法的复杂度对比分析。结果表明,所提出AHKalman交叉运行的SOC估算策略在保证了SOC估算精度的同时也具有较好的实时性,便于实际应用。     

基于三阶累积量及自适应滤波时延估计的管道定位方法

针对直接互相关被动时延估计法定位管道异常振动事件存在噪声干扰影响定位精度的问题,提出了基于三阶累积量及自适应滤波时延估计的管道异常事件定位方法。该方法对顺、反两路异常振动信号进行三阶自累积量和互累积量估计,抑制高斯相关噪声和对称分布噪声。然后利用自适应滤波时延估计算法对三阶自累积量和互累积量信号的时延进行迭代计算,在不依赖先验知识的情况下抑制非高斯相关噪声。经现场实验证明,该方法可以准确地对管道异常事件进行定位,对噪声具有很好的抑制作用,改善了直接互相关时延估计的性能。相对于直接互相关时延估计方法,相对定位误差由2.7%降低到0.6%,定位一致性提高了三倍,平均定位精度可达14m。