非结构道路环境下的智能汽车质心侧偏角估计

车辆质心侧偏角是描述车辆侧向运动状态的重要参量之一,其估计的精度直接影响车辆的安全控制,传统的质心侧偏角估计方法不能满足非结构道路环境下的智能汽车质心侧偏角估计的要求。通过建立3自由度智能汽车动力学模型,采用CarSim和MATLAB构建智能汽车整车参数化模型;基于扩展kalman滤波(EKF)算法,设计非结构道路环境下的状态观测器对智能汽车质心侧偏角进行估计。在高、低附着系数路面双移线工况和蛇形工况下,对状态观测器的估计效果进行联合仿真验证。仿真结果表明:该方法能较精确地估计出非结构道路环境下智能汽车的质心侧偏角。     

多工况适应的车辆质心侧偏角观测算法研究

研究汽车高速运行稳定性优化控制问题,在车辆稳定性控制中,质心侧偏角是衡量稳定性的重要指标,观测对于稳定性控制非常重要。针对目前车载多传感器信息的观测条件,为解决质心侧偏角观测的准确性、快速性和多工况适应性问题,提出了一种融合卡尔曼滤波和信号积分的质心侧偏角观测算法。观测算法充分考虑了车辆动力学特性,采用车辆运行过程的多种工况进行了算法设计及切换。最后在Matlab/Simulink平台上搭建了质心侧偏角观测仿真实验平台,通过多工况下的仿真,对所提出的质心侧偏角观测算法进行了仿真验证,结果表明能快速准确地矫正质心侧偏角,使稳态误差减小。     

基于轮胎/路面磨擦状况估计的轮胎故障观测器设计

轮胎故障是造成交通事故的主要原因之一.但是目前大多数轮胎故障监测方法由于需要使用各种复杂的传感器因此制造代价高昂且不可靠.为此,提出了一种新型实用的轮眙故障观测器.基于考虑外界不确定干扰的新型动态轮胎/路面磨擦模型,该观测器仅仅使用汽车驱动力及轮胎转速数据,跟踪估计轮胎/路面磨擦系数的变化,并通过对磨擦状况的分析对轮胎状态做出合理的判断.由于转速传感器是汽车防滑刹车控制系统(ABS)的基本组成部分,因此该观测器可与ABS结合工作,低成本的实现轮胎故障监测.     

基于Dugoff轮胎模型的爆胎车辆运动学仿真

研究爆胎车辆运动模型问题,车辆行驶过程中发生爆胎易引起交通事故。根据实车试验得到爆胎后车辆的运动特性比较困难,通过对轮胎力学特性的研究,考虑到爆胎后轮胎刚度和有效滚动半径等参数的变化,在Dugoff轮胎模型的基础上,建立一种能够描述轮胎爆胎力学特性模型,并在Simulink中搭建了七自由度整车仿真模型。假设在驾驶员不干预的情况下,仿真了车辆在高速直行和转向时发生爆胎后的运动状况,并对爆胎导致车辆偏航的原因进行了分析。结果表明,搭建的模型可以真实反映爆胎后车辆运动特性的变化,并为稳定性研究提供了依据。     

MIMO非线性系统状态估计的递推Monte-Carlo方法研究

递推蒙特·卡洛 (Monte-Carlo,MC)方法是基于系统状态和观测值概率分布的估计方法。本文首先讨论了SISO非线性系统状态估计中递推 MC方法的应用 ,在此基础上将上述状态估计方法推广到 MIMO非线性系统 ,并提出了两种不同的估计方案。仿真研究表明 ,这两种方案都可以得到较好的状态估计结果。不过 ,随机抽样数目对递推 MC估计方法的状态估计精度会产生较大影响 ,限制了该方法的进一步应用 ;本文对随机抽样数目对状态估计结果的影响进行了讨论。     

基于最大似然估计的加权质心定位算法

为解决无线传感器网络中节点自身定位问题,针对接收信号强度指示（received signal strength indication,RSSI）测距误差大和质心定位算法精度低的问题,提出一种基于最大似然估计的加权质心定位算法．首先通过计算将估计距离与实际距离之间的最大似然估计值作为权值,然后在权值模型中,引进一个参数k优化未知节点周围锚节点分布,最后计算出未知节点的位置并加以修正．仿真结果表明,基于最大似然估计的加权质心算法具有定位精度高和成本低的特点,优于基于距离倒数的质心加权和基于RSSI倒数的质心加权算法,适用于大面积的室内定位．     

基于多面体描述系统的鲁棒非线性预测控制

针对一类具有持续有界扰动的离散时间非线性系统, 提出一种基于多面体描述系统的鲁棒非线性模型预测控制策略. 首先利用泰勒级数构造多面体描述系统包裹原系统. 其次, 对该多面体描述系统构造鲁棒终端不变集和仿射输入型预测控制律. 进一步, 利用离散系统的输入状态实际稳定性(Input-to-state practical stability, ISpS)概念证明了闭环系统的鲁棒稳定性. 最后, 通过仿真验证了本结果的有效性.     

IMM算法实现非线性状态估计的研究与仿真

研究交互式多模型算法的非线性状态估计性能,按照工作点把非线性系统线性化为多个子模型,建立多模型自适应状态估计器.利用Monte-Carlo仿真法将其与EKF和UKF算法在不同参数下的噪声抑止能力和鲁棒性进行了比较,并分析了马尔可夫参数和模型个数对算法性能的影响.仿真结果表明该算法能达到理想的估计精度、收敛速度、稳定性和鲁棒性,能克服单一估计器由于参数变化和外部扰动所造成的估计误差过大,甚至发散的问题,能覆盖大范围的参数不确定性.     

基于隐马尔可夫模型的网络控制系统延时状态估计

网络控制系统(NCS)中存在不确定的网络延时,使网络控制系统的分析和设计十分困难;针对这一问题,采用隐马尔可夫模型(HMM)的隐含层状态估计算法,以校园网络为实验平台,通过观测到的网络控制系统输出信号来获得估计信号,从而间接地对被随机时延噪声污染而存在顺序混乱的状态信号进行估计;并对不同时间间隔条件下,直接状态估计和扩展空问状态估计这两种方法的适用性进行了分析比较;实验结果表明在中小型网络控制系统中,基于隐马尔可夫模型的时延估计方法是简单、有效的.     

Vehicle sideslip estimation: A kinematic based approach

This paper deals with vehicle sideslip angle estimation. The paper introduces an industrially amenable kinematic-based approach that does not need tire–road friction parameters or other dynamical properties of the vehicle. The convergence of the estimate is improved by the introduction of a heuristic based on readily available inertial measurements. The method is tested on a vast collection of tests performed in different conditions, showing a satisfactory behavior despite not using any information on the road friction. The extensive experimental validation confirms that the estimate is robust to a wide range of driving scenarios.     

基于人脸角度估计的多观察视频合并

对特定人物进行观察记录时,由于被观察对象处于运动状态,需要通过布置多个观察源来充分采集其行为信息,这导致大量冗余信息的存储,同时不利于后续对视频的检索和对被测对象行为的分析.为此,提出了一种基于人脸角度估计的多观察视频合并方法,通过对多个观察视频的拆分、人脸检测、人脸角度估计和重组,获得单一的包含被观察对象正面行为的观察视频,然后进行存储.通过实验验证了算法的可行性,同时讨论了多观察源采集视频不同步带来的影响.     

Nonlinear vehicle side-slip estimation with friction adaptation

A nonlinear observer for estimation of the longitudinal velocity, lateral velocity, and yaw rate of a vehicle, designed for the purpose of vehicle side-slip estimation, is modified and extended in order to work for different road surface conditions. The observer relies on a road-tire friction model and is therefore sensitive to changes in the adhesion characteristics of the road surface. The friction model is parametrized with a single friction parameter, and an update law is designed. The adaptive observer is proven to be uniformly globally asymptotically stable and uniformly locally exponentially stable under a persistency-of-excitation condition and a set of technical assumptions, using results related to Matrosov's theorem. The observer is tested on recorded data from two test vehicles and shows good results on a range of road surfaces.     

基于稳定性语义聚类的相关模型估计

针对由不稳定聚类估计的相关模型影响检索性能的问题,提出了基于稳定性语义聚类的相关模型(SSRM)。首先利用初始查询前N个结果文档构成反馈数据集;然后探测数据集中稳定的语义类别数量;接着从稳定性语义聚类中选择与用户查询最相似的语义类别估计SSRM;最后通过实验对模型的检索性能进行了验证。对TREC数据集5个子集的实验结果显示,SSRM相比相关模型(RM)、语义相关模型(SRM),平均准确率(MAP)性能最少提高了32.11%和0.41%;相比基于聚类的文档模型(CBDM)、基于LDA的文档模型(LBDM)和Resampling等基于聚类的检索方法,MAP性能最少提高了23.64%,19.59%和8.03%。实验结果表明,SSRM有利于改善检索性能。     

基于模糊自适应免疫算法的非线性系统模型参数估计

复杂生产工艺中非线性系统的模型参数估计是系统建模优化问题中的难点, 为避免优化算法过早收敛于错误的参数估计值, 根据生物免疫机理和模糊逻辑原理提出了一种新颖的模糊自适应免疫算法, 该算法采用混沌超变异操作增强算法搜索能力, 并用免疫网络调节策略保持抗体群的多样性, 同时采用模糊逻辑调节算法参数以提高算法的自适应能力. 函数优化仿真结果表明其具有较好的收敛性能, 并能够克服早收敛问题. 最后将其成功应用于重油热解非线性模型参数估计中, 验证了该算法解决实际建模问题的可行性和有效性.     

ARMA model parameter estimation based on the equivalent MA approach

The paper investigates the relation between the parameters of an autoregressive moving average (ARMA) model and its equivalent moving average (EMA) model. On the basis of this relation, a new method is proposed for determining the ARMA model parameters from the coefficients of a finite-order EMA model. This method is a three-step approach: in the first step, a simple recursion relating the EMA model parameters and the cepstral coefficients of an ARMA process is derived to estimate the EMA model parameters; in the second step, the AR parameters are estimated by solving the linear equation set composed of EMA parameters; then, the MA parameters are obtained via simple computations using the estimated EMA and AR parameters. Simulations including both low- and high-order ARMA processes are given to demonstrate the performance of the new method. The end results are compared with the existing method in the literature over some performance criteria. It is observed from the simulations that our new algorithm produces the satisfactory and acceptable results.     

基于改进二维ESPRIT-like算法的相干源方向角估计

针对用于二维十字相控阵的类旋转不变技术估计信号参数(ESPRIT-like)算法用于相干源方向角估计时存在仰角和方位角配对困难的问题,提出一种基于接收信号矩阵联合对角化的改进二维ESPRIT-like算法。首先,通过ESPRIT-like算法得到x和y方向自相关矩阵,并由其重构出对应的Toeplitz矩阵以去相干;然后对Toeplitz矩阵进行等效分解,得到去相干后x和y方向的等效接收信号矩阵;最后对等效接收信号矩阵进行矩阵联合对角化,实现相干源仰角和方位角自动配对,从而得到正确的信源方向估计结果。仿真结果表明,与改进前的算法相比,改进后的算法能够实现正确的方向角估计;与目前常用的基于空间平滑的二维多重信号分类(MUSIC)算法相比,在信噪比为30 dB时,该算法响应时间减少了79%左右,仰角和方位角分辨率分别提高了20%和40%左右,均方误差约为MUSIC算法角度误差的10%。     

基于仿射控制输入的输入状态稳定非线性预测控制

针对有扰动的约束非线性系统,提出了一种基于仿射控制输入的反馈预测控制策略.采用无穷范数定义有限时域代价函数,对其进行极大极小优化得到预测控制律,并应用输入状态稳定分析了闭环系统的鲁棒稳定性,同时还给出了确定容许扰动上界的方法.最后,数值仿真说明本文的预测控制策略是有效的.     

基于TSK模糊系统的生化变量预估模型

提出了一种利用TSK(Takagi-Sugeno-Kang)模糊系统建立生化变量预估模型的方法,用于生化过程的工艺参数预测。利用TSK模糊系统的非线性逼近能力,以谷氨酸发酵过程为研究对象,建立了基于TSK模糊逻辑系统的生化变量预估器。以工厂现场采集的发酵过程参数大量数据为样本,训练TSK模糊系统生化变量预估器,并对模型的预估精度进行检验。仿真结果显示了预估模型的有效性,可以有效地预测谷氨酸发酵过程中生化变量的估计值。TSK模糊系统生化变量预估模型能预估生化过程中工业发酵罐的放罐时间,预估模型的状态预报对正常罐批具有足够高的预报精度,预报误差如果偏大亦可作为异常罐批的早期警示信息。有鉴于此,TSK模糊逻辑系统可望开辟生化过程参数预估的新途径。     

基于量子微粒群算法的发酵过程模型参数估计

量子微粒群优化算法(QPSO)是一种改进的微粒群优化算法(PSO),克服了PSO算法搜索空间有限和易陷入局部极值的不足,同时该算法具有参数少、易实现、收敛速度快等优点.应用量子微粒群优化算法,以谷氨酸发酵过程产物(谷氨酸)浓度数据为检验样本,以Verhulst方程为菌体生长模型,进行发酵模型参数估计.实验结果表明,基于QPSO算法的参数估计方法具有精度高、编程实现简单、计算量小等优点.