一种用于散货码头的GPS精度提升算法

GPS是广泛应用于散货码头的自动化和远程监控中的一种设备.但由于噪声的存在,GPS接收器并不能提供高精度的定位.主要阐述了一种基于卡尔曼滤波器快速去除噪声的方法,并提高GPS系统的定位精度.通过实验法,卡尔曼滤波器的关键参数首先被确定,然后通过卡尔曼滤波器的自动递归运算,快速获取正确的GPS定位数据.最后,还通过了一组对比实验,验证了这种算法的有效性.     

动态卡尔曼滤波在导航试验状态估计中的应用

阐述了GPS动态试验的新方案,使用两个精度相差一个数量级的GPS接收平台,通过匀速运动车辆的DGPS及GPS的滤波对比试验,验证了卡尔曼滤波器的有效性.并针对传统EKF(extended Kalman filtering)滤波器动态滤波性能较差的缺陷,引入了一种基于非线性思想的动态无导数卡尔曼滤波器,并对其状态方差阵及随机噪声方差阵Cholesky分解更新公式做了改进,避免了导数的运算,加快了滤波速度,有效地确保方差矩阵平方根的正定性从而抑止了发散.将这种新的卡尔曼滤波器应用于实际动态定位状态估计问题上.试验结果表明:比起传统卡尔曼滤波器,新的卡尔曼滤波器有较高的精度,实用性更强.     

基于改进卡尔曼滤波在车辆组合导航中的研究

针对车辆在长时间行驶的状态中,组合导航经常会出现滤波精度不高的问题,提出一种采用遗传算法对卡尔曼滤波器进行在线调节的自适应数据融合方法,根据位置误差系数和卡尔曼滤波器的新息统计信息,实时调整参数值,将卡尔曼滤波器调整到运行过程中的最优状态。通过MATLAB软件对该方法进行仿真试验,模拟INS/GPS组合导航系统运行情况,表明这种方法和传统卡尔曼滤波算法相比较导航精度明显提高。     

半主动悬架的无迹卡尔曼状态观测器设计

卡尔曼滤波器是线性动态系统中应用最广泛的一种状态估计方法。在非线性系统中,扩展卡尔曼滤波(EKF)和无迹卡尔曼滤波(UKF)被广泛应用,相比扩展卡尔曼滤波器,无迹卡尔曼滤波器准确度更高、更易于实现。在车辆动力学这种强的非线性系统中,无迹卡尔曼滤波器应用广泛。设计了一种基于无迹卡尔曼滤波器的半主动悬架系统状态观测器,讨论了不准确的过程噪声协方差Q和测量噪声协方差R、及测量信号组合的选择和不准确的模型参数对状态观测精度的影响,仿真结果表明不准确的过程噪声和测量噪声协方差、不合适的测量信号选择和模型参数不准确的干扰在不同程度上降低了状态估计精度。     

移动机器人室内外无缝切换定位方法研究

为了实现移动机器人在室内外环境下的无缝精准定位,针对实验室的巡检机器人,安装惯性测量单元(IMU)、GPS、UWB定位传感器模块,在通过容积卡尔曼滤波器实现室内和室外融合定位的基础上提出了基于阈值机制和多传感器定位精度的室内外无缝切换定位方法,并设计实验验证算法在定位精度上的优越性和室内外定位切换上的平稳性.     

基于LabWindows/CVI的GPS数据采集处理系统

文章在虚拟仪器技术的基础上,设计了GPS数据采集处理系统。介绍了系统设计的关键技术,阐述了其搭建的过程及实现的主要功能。采用LabWindows/CVI 8.0作为系统的软件开发平台,实现了GPS25LVS与上位机的数据通信,并建立了GPS静态定位数据处理的卡尔曼滤波器,提高了GPS的静态定位精度。     

一种带遗忘因子的自适应卡尔曼滤波器及其在移动机器人中的应用

在移动机器人姿态估计过程中,由于难以建立准确的系统模型,导致参数量测不准确。采用一种自适应卡尔曼滤波器,通过加入遗忘因子的方式改变滤波器对状态估计的信任程度,改善了系统中噪声统计模型不准确对测量结果的影响。仿真结果表明,当经验知识不足导致建立姿态测量模型不准确时,自适应卡尔曼滤波器的滤波效果优于传统卡尔曼滤波器,提高了姿态信号的估计精度。     

卡尔曼滤波器在高频信号注入法中的应用

高频信号注入法估计永磁同步电机转子位置的精度,依赖于高频电流信号的提取.卡尔曼滤波器是对付白噪声的有力工具,本文针对高频注入信号的特点,设计了卡尔曼滤波器,并进行了仿真和实验研究.结果表明,经过卡尔曼滤波器的处理,电流信号信噪比大大提高.     

基于卡尔曼滤波的涡街流量计信号处理方法研究

为了改善涡街流量计的性能，提出了一种基于卡尔曼滤波的涡街信号处理方法。根据涡街信号的特点，设计了一个线性涡街信号模型。结合模糊搜索和迭代算法，通过分析卡尔曼滤波器算法的原理和关键参数，改进卡尔曼滤波器算法。通过仿真模拟和实际流量实验验证了所提出的方法，并与其他方法进行了比较。实验结果表明，所提出的方法具有自适应滤波、更好的抗干扰能力和更快的滤波速度的优点。     

双渐消Kalman滤波补偿六维力传感器矩形板噪声模型误差

六维力传感器能够通过应变片及板梁结构实时检测空间六方向的力信息,但其输出信号不可避免地被噪声干扰所污染。为改善这一现象,同时针对过程噪声模型不精准致使经典卡尔曼滤波器性能差的问题,设计了一种双因子渐消卡尔曼滤波器。算法研究了加性噪声信号的统计特性,建立了矩形板主振型增广状态方程,分析了两种过程噪声模型偏差对滤波性能的影响。在经典卡尔曼滤波器的基础上,基于新息正交性原理,依据Sage开窗估计原理与最小二乘准则,构造了双渐消因子的解析式,阐述了滤波器的工作原理。研究表明:双渐消卡尔曼滤波器稳定性强,能够有效削弱噪声模型偏差的影响;对比抗差卡尔曼滤波器,精度提升38.66%。     

交互多模型在车辆组合定位系统中的应用（英文）

为解决扩展卡尔曼滤波器(extended Kalman filter,EKF)在车辆组合定位系统中因车辆加减速、转弯(以下简称机动)而存在的精度低、稳定性差等问题,设计了一种将交互多模型(interacting multiple model,IMM)算法与非线性卡尔曼滤波器相融合的自适应滤波算法。该算法使用三种状态空间模型来描述车辆的运动模式,采用多个非线性滤波器对每个模型并行滤波,通过模型匹配似然函数对滤波结果进行加权融合,最终得到系统的定位信息。该方法具备非线性系统滤波器优点,克服了单一模型滤波算法对机动目标定位效果差的缺点。利用该方法和EKF算法分别对GPS/INS/DR车辆组合定位系统中进行了仿真实验,结果表明,该算法的滤波定位精度明显优于目前组合定位系统中所用的EKF滤波器,大幅提高了组合定位系统的稳定性和定位精度。     

卡尔曼滤波器在移动机器人自主定位中的应用(英文)

自主定位是移动机器人的基本性能,但移动机器人最优的定位信息需要综合考虑所携带的各类传感器数据,故如何有效融合这些数据是自主定位的难点。卡尔曼滤波器是实现不同信息融合的工具,可有效减少定位过程中机器人的位置和角度误差,因此在机器人定位、导航、后跟踪、运动控制、评估、预测等方面得到了广泛应用。本文阐述了卡尔曼滤波器的基本原理,建立了一个基于多传感器移动机器人的简易数学模型,并通过仿真实现了目标定位的基本功能,结果验证了卡尔曼滤波器自主定位移动机器人的可行性。     

高频信号扩展卡尔曼滤波器设计

为了实现永磁同步电动机转子位置估计试验的高频信号滤波,基于扩展卡尔曼滤波器原理,提出了一种改进的基于FPGA的信号提取方案,设计了高频信号扩展卡尔曼滤波器。该滤波器采用迭代算法提取转子位置信息,并对基频控制电流进行滤波处理,比传统IIR滤波器或FIR滤波器具有更快的滤波速度和更好的滤波性能。该滤波器简单易实现,消除了反馈回路中的低通滤波器。由于反馈回路中没有高频信号成分的干扰,控制器对高频位置估计的影响较小,所设计的位置估计器几乎不受控制器的影响,简化了位置估计器的设计。最后,仿真结果说明文中方法的可行性,并给出了一个基于EKF的低速无传感器试验。     

微型光电编码器在电机角速率辨识中的应用

针对电机伺服控制系统利用编码器角位置信息预测角速率的需求,提出并实现了一种基于平稳卡尔曼滤波的编码器信号处理方法。首先,分析了典型电机系统的结构及测量噪声编码器的组成,在此基础上建立了电机系统和编码器的参数化数学模型,并根据电机系统和编码器模型给出了统一的参数化平稳卡尔曼滤波器设计结果。在Matlab/Simulink环境下完成了电机、编码器和卡尔曼滤波器的仿真模型,并利用不同参数对参数化平稳卡尔曼滤波器的普适性和滤波效果进行了预测。最后,搭建了实验平台,对仿真结论进行验证并对滤波性能进行了实测。仿真和实验结果表明:参数化滤波模型对典型电机系统具有普适性,自适应平稳卡尔曼滤波器可以利用编码器信号实现角速率的最优估计,误差标准差为0.021(°)/s,最大误差可以控制在0.06(°)/s之内,能够满足一般电机伺服系统对角速率精度的要求。     

基于卡尔曼滤波的车辆组合导航仿真研究

针对传统车载导航系统在复杂道路环境下定位精度偏低等问题,提出了应用全球定位系统与航位推算相结合的组合导航算法,使用卡尔曼滤波进行数据处理,实时调整参数值,将卡尔曼滤波器调整到运行过程中的最佳状态,从而提升导航系统的准确度。实验结果表明,所提方法可以提升车载导航系统的准确性和连续性,保证车辆定位曲线和车辆实际行驶路线基本吻合,但是定位误差会随着信号中断时间的延长而增大。     

脉动索道的自动运行

脉动索道的自动运行北京起重运输机械研究所吕建华１．脉动索道自动运行的必要性（１）脉动索道是客运索道的一种形式，其组成方式与工作状态如下：在整个索道沿线均匀装设偶数组轿厢，每组２辆或３辆（目前国内多为３辆轿厢）。索道全线一般为２个站（有时为３个站），一...     

显微视觉控制的微型机电转子引线自动化焊接

构建由三自由度纳米平台和显微视觉系统组成的微操作系统,利用纳米平台的特征在视觉空间的运动误差对视觉空间和纳米平台进行局部标定,在此基础上构造优化方程,对视觉空间和图像空间进行全局标定。利用标定的转换矩阵替换卡尔曼滤波器方程中的系数矩阵,用修改后的卡尔曼滤波器控制特征运动,以提高系统的定位精度。利用高压气流定位引线,解决了引线因柔性而定位困难的问题。实验结果表明,系统全局标定后,利用基于位置的视觉控制方法控制特征运动,其定位精度可达27μm,利用卡尔曼滤波器控制特征运动,精度可达5.4μm。气流定位方法可以将引线定位在电阻焊的电极下方。     

采用余弦调制滤波器组泄漏检信号处理研究

供水管道泄漏检测定位中,定位的不确定度由检测信号的信噪比决定,抑制噪声干扰,提高信噪比,是提高泄漏检测定位精度的关键。在充分分析泄漏信号特征的基础上,提出将改进的余弦调制滤波器组用于泄漏检测信号的噪声抑制。该方法利用分析滤波器组将信号分解为若干个带宽相同的子带信号,然后选择有效子带,再通过综合滤波器组将有效子带信号合成。该方法是一种不需要泄漏信号和噪声先验知识的自适应信号处理方法,能够有效抑制噪声,由于余弦调制滤波器分解的特性,即使泄漏信号处于不同频率段时,噪声抑制效果基本相同,处理后信噪比较处理前平均提高8 d B左右。实际工程应用验证表明,该方法去噪处理后的定位结果优于现有各种噪声抑制/信号增强方法的结果。     

GPS/SINS综合定位系统仿真实验研究

设计了一个基于位置/速度组合的集中卡尔曼滤波器,整合来自所有传感器的数据以提供精确的和可靠的定位数据.分别对GPS和SINS进行误差分析并建立相应的误差模型.运用卡尔曼滤波对系统误差进行最优估计,将校正后的SINS数据作为综合定位系统的输出.为验证论文中采用的整合方法和数据融合算法的有效性,对GPS/SINS综合定位系统进行了计算机仿真.仿真结果表明该GPS/SINS位置/速度组合可以提高系统精度,特别是位置和速度的精度有明显的提高.     

基于NAKF和DBN的液压管路故障智能诊断方法

针对航空液压管路故障识别困难的问题,提出了一种基于非线性自适应卡尔曼滤波器(NAKF)和深度信念网络(DBN)的液压管路智能故障诊断方法。首先,在传统卡尔曼滤波器(KF)的基础上,利用最小二乘法修正构造的Sigma点,消除高斯分布对Sigma点影响,提出了非线性自适应卡尔曼滤波器,并用其对仿真信号进行了降噪处理;然后,对液压管路实测振动信号中的随机噪声进行了去除,对深度信念网络模型参数进行了设计,并将液压管路数据集输入到深度信念网络模型中进行了训练;最后,基于同一样本数据,分别采用支持向量机(SVM)和反向传播神经网络(BPNN)等模型进行了训练处理,利用分类准确率等两个指标,对3种故障诊断模型进行了综合评估,对3种模型分类性能进行了对比分析。研究结果表明：采用NAKF-DBN智能故障模型得到的液压管路故障诊断准确率能达到99.72%,SVM模型和BPNN模型等浅层网络的平均故障诊断准确率不高于95%,而未经非线性自适应卡尔曼滤波器滤波的深度信念网络的诊断准确率仅有86.58%;该结果验证了NAKF-DBN模型对于液压管路故障识别的有效性,可以为航空液压管路的智能化诊断提供新思路。