基于Kriging模型和无迹卡尔曼滤波的转向架构架模型修正

为提高转向架构架模型的修正效率和实时性,提出了一种基于Kriging模型和无迹卡尔曼滤波的模型修正方法.首先,对构架进行模态分析,引入信息熵确定模态阶数来优选频响函数频率区间.其次,构造Kriging模型,将频响函数经过小波变换并提取第4层低频系数作为Kriging模型输出,并通过改进的灰狼算法(grey wolf o...     

输入未知下非比例阻尼结构参数识别方法的研究

在地震动、地脉动等环境激励下的结构动力测试中,由于输入信息的随机性和作用位置的不确定性,输入信息是难以测试或难以精确测试的。本文在研究前人关于复合反演算法的基础上,提出加权平均修正算法,解决了地震动未知情况下结构参数的识别问题;在此基础上,本文研究非比例阻尼模型下的识别问题,针对堆积阻尼模型下的结构系统,结合松弛算法和加权平均修正算法,提出比例输入未知条件下非比例阻尼模型结构参数系统识别的迭代修正算法。     

部分加速度测量下结构恢复力与质量非参数化识别方法

传统的基于扩展卡尔曼滤波方法的结构非线性行为识别方法往往要求结构质量以及结构非线性恢复力的参数化模型已知。该研究为解决非线性结构质量,结构参数,非线性恢复力的识别问题,提出了一种两阶段识别方法;为提高计算效率采用遗忘因子扩展卡尔曼滤波算法结合等效线性模型实现结构非线性位置的定位,随后采用无迹卡尔曼滤波算法与恢复力的二重切比雪夫多项式非参数化模型识别结构参数,质量与恢复力。在对一个含形状记忆合金(SMA)阻尼器的多自由度体系的数值模型进行了数值模拟验证的基础上,设计了一个含SMA阻尼器的四自由度框架开展动力试验,验证了所提出方法对结构质量以及恢复力的识别效果。     

输入未知条件下基于自适应广义卡尔曼滤波的结构损伤识别

发展一种输入未知条件下的自适应广义卡尔曼滤波(Adaptive Extended Kalman Filter with Unknown Inputs,AEKF-UI)方法,在线复合反演系统参数与未知输入,结合基于改进粒子群优化算法的自适应技术实现系统时变参数追踪,进而识别结构损伤,包括损伤发生的时间、位置和程度。建立基础隔震结构实验模型及理论模型,其中隔震层的非线性动力学特性通过Bouc-Wen模型描述。对基础隔震结构进行振动实验研究,采用刚度元件装置模拟时间、位置和程度不同的结构损伤,基于测得的加速度响应和AEKF-UI方法进行实时系统参数与未知输入的同步反演。研究结果表明:在两种典型地震波激励下,AEKF-UI方法得到的识别值与参考值相一致,验证了该方法在系统辨识中的有效性和准确性。     

基于无迹卡尔曼滤波的MIMO-OFDM系统信道估计算法

基于对现有MIMO-OFDM系统信道估计技术及其理论的分析,提出了一种基于无迹卡尔曼滤波（UKF）的信道估计算法。该算法不需要信道的任何先验统计信息,从频域出发,首先利用最小二乘（LS）算法得到导频处信道的粗略估计值,再在时域运用路径捕获法和UKF算法得到信道的精确估计值。仿真结果表明,与LS算法、最小均方（LMS）算法等相比,该算法在较低运算复杂度下可以获得信道估计性能的明显改善。     

基于l1正则化无迹卡尔曼滤波的结构损伤方法

采用传统卡尔曼滤波类算法对结构进行损伤识别时,损伤识别反问题的不适定性使得识别结果易受噪声干扰,甚至算法不收敛。为此,该文提出了一种结合l1范数正则化的无迹卡尔曼滤波损伤识别算法。根据结构出现局部损伤时其损伤参数分布具有稀疏性的特点,通过伪测量方法,将l1范数正则化引入到无迹卡尔曼滤波框架中,在改善反问题求解不适定性的同时,能有效地提高结构局部损伤识别能力。梁、桁架结构的数值分析与实验研究表明,该文方法可以对损伤的位置与程度进行准确识别,且具有良好的鲁棒性。     

基于无迹卡尔曼滤波的四旋翼无人飞行器姿态估计算法

针对四旋翼无人飞行器姿态测量问题,提了一种基于无迹卡尔曼滤波的飞行器姿态估计算法.采用欧拉角法描述了飞行器的姿态解算模型,并在此基础上建立了飞行器的系统状态方程和观测方程;采用无迹卡尔曼滤波算法实现飞行器姿态角的解算.理论分析和仿真表明:与采用扩展卡尔曼滤波算法获得的飞行器姿态角信息相比较,虽然无迹卡尔曼滤波算法的计算时间稍有增加,但无迹卡尔曼滤波算法的计算精度和收敛速度比扩展卡尔曼滤波算法有显著的提高.     

基于扩展卡尔曼滤波的结构参数和荷载识别研究

经典的扩展卡尔曼滤波（Extend Kalman Filter,EKF）方法可有效识别结构参数,但却需要已知外部激励,然而,在工程实际中,有些外激励往往难以实时获取。为此,该文提出了一种基于EKF的未知激励下的结构参数和荷载识别方法。通过在观测方程中引入投影矩阵,实现了结构参数的识别,同时,利用最小二乘估计实时识别了未知的外激励。为了验证该方法的有效性和鲁棒性,文中采用了三个数值算例：四层的Benchmark模型、分段线性系统和非线性Duffing系统。数值分析的结果表明,该方法不仅能够准确识别线性和非线性结构的参数,还能有效识别作用于这些结构的外激励。     

未知地震激励下结构恢复力及质量非参数化识别

地震作用过程中结构恢复力是描述结构损伤发生发展过程定量描述的基础,更有助于描述结构在地震中破坏模式的演化。该文研究地震激励下结构部分质量及动力响应信息未知时,结构非线性恢复力、质量以及未知加速度时程的非参数化识别方法。首先,根据部分已知动力响应测量和质量信息,识别地震加速度时程。随后,利用记忆衰退全局加权迭代扩展卡尔曼滤波算法,引入幂级数多项式表征结构恢复力,实现了结构质量与非线性恢复力的非参数化识别。将具有非线性恢复力的磁流变阻尼器中引入到一个剪切型多自由度结构构成非线性系统,考虑测量噪声的影响,通过数值模拟验证了在噪声及较大质量初始误差情况下该方法识别结构质量、非线性恢复力及地震动加速度时程的识别效果。     

基于改进无迹卡尔曼滤波的锂电池SOC在线估计

针对无迹卡尔曼滤波算法对电池模型敏感并且容易受到不确定噪声干扰的问题,提出了改进的无迹卡尔曼滤波算法（improved unscented Kalman filter,IUKF）,提高电池荷电状态（State of charge,SOC）估计精度和鲁棒性能。首先,对锂离子电池进行建模并完成参数离线辨识。紧接着,对模型参数进行敏感性分析,研究不同参数对SOC估计效果的影响程度,为模型参数自适应对象的选取提供依据。随后,研究了包含模型自适应算法和噪声自适应算法在内的IUKF算法实现过程。最后,通过物理实验对比分析了IUKF与其它算法的实际估计效果,实验结果表明,该方法估计误差小于1.79%,鲁棒性能良好。     

结构物理参数识别的多尺度参数卡尔曼滤波方法

经过正交小波变换后,低尺度上测量信号的信噪比提高。应用小波变换将结构的激励信号和响应信号分解到不同尺度上,得到不同尺度上结构的状态方程和测量方程,结合动力学系统辨识的参数卡尔曼滤波方法,提出了结构物理参数的多尺度参数卡尔曼滤波辨识方法。理论分析和数值算例表明:在多尺度上对结构参数进行辨识比在单一尺度上辨识能获得更高的精度。     

未知输入下的复合反演研究

回顾了近年来未知输入情况下的结构参数识别算法,并针对未知输入情况下的复合反演算法做了深入研究,总结归纳了这类算法的特点和应用条件,并在此基础上提出了能够用于具有多个未知输入组合下的复合反演算法。此方法是基于最小二乘原则并结合统计平均思想的一类迭代算法,对于在多个未知输入情况下的结构(例如在地震动和风荷载共同作用下等),可以用来识别结构参数并同时反演多个未知输入。与仅适用于具有一个未知输入情况下的复合反演算法相比,本文方法具有更广泛的应用背景,最后以一个4层剪切型结构为例来验证本文方法。有噪声情况下和无噪声情况下的识别结果显示本文方法具有一定适用性。     

Improved GNSS Cooperation Positioning Algorithm for Indoor Localization

For situations such as indoor and underground parking lots in which satellite signals are obstructed, GNSS cooperative positioning can be used to achieve high-precision positioning with the assistance of cooperative nodes. Here we study the cooperative positioning of two static nodes, node 1 is placed on the roof of the building and the satellite observation is ideal, node 2 is placed on the indoor windowsill where the occlusion situation is more serious, we mainly study how to locate node 2 with the assistance of node 1. Firstly, the two cooperative nodes are located with pseudo-range single point positioning, and the positioning performance of cooperative node is analyzed, therefore the information of pseudo-range and position of node 1 is obtained. Secondly, the distance between cooperative nodes is obtained by using the baseline method with double-difference carrier phase. Finally, the cooperative location algorithms are studied. The Extended Kalman Filtering (EKF), Unscented Kalman Filtering (UKF) and Particle Filtering (PF) are used to fuse the pseudo-range, ranging information and location information respectively. Due to the mutual influences among the cooperative nodes in cooperative positioning, the EKF, UKF and PF algorithms are improved by resetting the error covariance matrix of the cooperative nodes at each update time. Experimental results show that after being improved, the influence between the cooperative nodes becomes smaller, and the positioning performance of the nodes is better than before.     

基于UKF的双轴耦联Bouc-Wen模型识别与应用

Bouc-Wen模型常用于非线性滞回模拟,具有滞回曲线连续可微、可考虑退化、拈缩等非线性效应的优点。该文在双轴Bouc-Wen模型的基础上,提出了适用于单向偏心结构的平扭耦联Bouc-Wen模型,导出状态方程并利用无色Kalman滤波器(UKF)对其进行参数辨识。结合单向偏心结构的等效二自由度模型(EDDOF),利用UKF对其非线性反应信号进行系统辨识,进行了应用研究。结果表明：UKF可对双轴耦联系统的状态及参数进行快速高效识别,且精度可靠,通过单向偏心结构地震反应分析和辨识验证了其适用性和可靠性。该模型亦可表征广义系统状态,拓展应用于结构监测控制、可靠性和随机反应分析等相关研究领域的应用。     

系统非线性参数识别的松驰法

研究了非线性参数系统模型的识别问题,通过引入求解线性方程的松驰法思想,构造了一类新的迭代识别算法。算例表明此方法具有很好的参数识别精度,并且具有概念清楚,易于编程等特点,为非线性系统模型参数的识别问题提供了新的思路。     

基于前向神经网络的非线性时变系统辨识改进EKF算法

为了克服传统扩展卡尔曼滤波算法进行参数估计时可能产生的新数据失效问题,提出了一种改进的扩展卡尔曼滤波(EKF)步骤,然后将改进步骤做为人工神经网络的学习算法用于基于前向神经网络的非线性时变系统辨识。与传统的扩展卡尔曼滤波步骤相比克服了新数据的饱和现象,可以更好地反映系统时变特征。通过一个单变量一般时变非线性系统和一个三自由度非线性时变刚度结构系统算例,仿真验证了新算法在辨识精度和计算量方面的改进特性。     

一种改进的UKF算法及其在深空自主光学导航中的应用

利用星敏感器以及光学导航相机,通过测量星光信息以及天体边缘信息,进行了自主光学导航方案的设计.通过观测量的转化改进了Unscented卡尔曼滤波方法(UKF)的具体实现形式,并将改进的方法与扩展的卡尔曼滤波方法(EKF)、UKF以及基于平方根分解的方法(SR-UKF)进行了比较,通过仿真对其算法的优越性进行了验证.仿真结果表明,这种基于观测量转换的UKF算法,不仅在计算量上有所减少,在精度上也有较大提高.