基于PSO小波神经网络辅助卡尔曼滤波的BDS/INS定位

在北斗定位系统/惯性导航系统(BDS/INS)中,由于非线性噪声、精确构建运载体模型困难等原因,经卡尔曼滤波,列车的速度曲线会有部分信息损失,导致定位信息不准确。因此,提出了基于小波神经网络辅助的卡尔曼滤波法。神经网络的输入是卡尔曼滤波前的信号,其输出是滤波后的信号。考虑影响小波神经网络精度的因子,对权值、阈值和学习率进行了优化。在此基础上,通过加入对数函数对学习率进行改进,利用遗传算法(GA)和粒子群优化(PSO)算法组合优化权值和阈值。实例仿真表明,经过优化的小波神经网络提高了收敛速度、定位精度,同时在保持原速度波形的整体趋势前提下,降低了因滤波导致的信号误差。     

基于BAS-PSO优化自抗扰的高速列车速度跟踪控制

针对高速列车自动驾驶系统,采用基于天牛须粒子群（BAS-PSO）优化自抗扰控制（ADRC）的算法,设计速度跟踪控制器。基于列车动力学模型设计自抗扰控制器,并以ITAE作为目标函数,利用BAS PSO实现参数整定。选用CRH380A型动车组参数,通过MATLAB进行仿真验证,对比BAS-PSO、PSO以及改进鲨鱼优化ADRC算法对列车目标速度曲线的追踪效果,其中基于BAS-PSO优化ADRC算法的列车目标速度曲线跟踪误差保持在±0.4 km/h的范围内,相比另外两种算法更加紧密地贴近目标速度曲线。结果表明,基于BAS-PSO优化ADRC具有跟踪误差小、抗干扰能力强的优点。     

基于数字触发器的电源设计

介绍了一种以51系列单片机为核心,以晶闸管为开关器件,输出电压连续可调的直流电源的硬件结构和软件流程。该系统目前已应用在某高校船舶电站模拟实验室,运行效果良好。     

H∞滤波与Kalman滤波的对比研究

在一般情况下，Kalman滤波技术应用得比较广泛。然而，在系统模型和噪声统计特性存在不确定性的条件下，Kalman滤波的应用就受到了一些限制，而H∞滤波可有效地解决Kalman滤波所遇到的问题，不仅估计精度高，而且还具有鲁棒性。本文首先简单介绍了H∞滤波和Kalman滤波，然后又分为三个方面对二者的性能进行了比较分析。     

列车自适应交互多模型H∞滤波定位算法

针对在列车运行的复杂工况下噪声特性难以准确获知和状态模型与实际运行不匹配的问题,提出了列车自适应交互多模型H∞滤波算法.首先,依据列车运动状态自适应调整系统状态噪声特性和模型.其次,通过自适应补偿误差协方差增强H∞滤波的鲁棒性.最后,以哈尔滨到大庆的部分实测数据对算法的有效性进行了仿真验证.结果表明:所提算法具有自适应...     

磁悬浮列车简捷鲁棒控制与仿真研究

磁悬浮轨道列车作为一种现代化的交通工具,其悬浮系统具有非线性、不稳定的性质.针对该系统的特性,对其稳定性问题进行研究与讨论.根据悬浮轨道的力学结构,建立了悬浮系统具有非线性性质的物理模型.为了便于理解和研究,将非线性系统利用逆系统的反馈线性化方法线性化,就会得到轨道列车悬浮系统经过补偿后的伪线性系统方程.分析伪线性系统...