排序方式: 共有22条查询结果,搜索用时 15 毫秒
1.
2.
3.
4.
强跟踪SRCKF及其在船舶动力定位中的应用 总被引:4,自引:0,他引:4
针对平方根容积卡尔曼滤波器(SRCKF)在定位系统船舶模型不确定时存在滤波精度下降甚至发散的问题,提出了一种具有强跟踪性能的SRCKF算法.基于强跟踪滤波器(STF)的理论框架,采用三阶球面径向容积规则代替STF中的雅克比矩阵计算,结合渐消因子的等价表述,构建强跟踪SRCKF.基于滤波收敛判据和渐消记忆滤波思想,分析了强跟踪SRCKF的收敛性.强跟踪SRCKF兼具STF鲁棒性强、SRCKF滤波精度高和实现简单的优点,有效克服了STF的理论局限性及SRCKF在系统模型不确定时滤波性能下降的缺点.利用船舶陆上仿真系统进行试验,证明了强跟踪SRCKF的有效性. 相似文献
5.
6.
针对实际系统状态估计具有互相关噪声的情况,研究了互相关噪声下非线性系统状态估计问题.首先基于贝叶斯理论推导出新的互相关噪声下的贝叶斯估计算法.然后使用三阶球面径向基(spherical-radial)规则计算贝叶斯估计中的非线性积分,当噪声互相关时,基于扩展卡尔曼滤波的思想分别计算状态矩阵和观测矩阵的Jacobi矩阵,可得互相关噪声下的容积卡尔曼滤波(cubature Kalman filtering with one-step auto-correlated and two-step crosscorrelated noise,CKF--CCN);当噪声不相关时,可得容积卡尔曼滤波(cubature Kalman filtering,CKF)及其平方根形式(SCKF).最后通过动力定位系统仿真实验,表明提出的CKF-CCN的估计精度要高于SCKF和仅考虑一步互相关的平方根容积卡尔曼滤波(SCKF-CN). 相似文献
7.
8.
基于模糊神经网络的水下潜器多变量解耦控制研究 总被引:1,自引:0,他引:1
潜器在水下进行特殊作业时,需保持空间六自由度的定位姿态,对定位的控制存在叉影响,因而给潜器的精确控制带来困难。针对这一控制非线性系统,提出了一种基于模糊神经网络(DFN)控制方法,该方法对非线性多变量动态系统具有较强的处理能力;它将多输入多输出的复杂系统转变成神经网络设计和耦合补偿结构,预估补偿器方法是通过预定试验的离线学习,获得耦合的预估知识,然后在线完成补偿,仿真结果显示该方法具有很好的鲁棒性。 相似文献
9.
建立了水下机器人的动力模型,分析了辨识该模型的神经网络结构,采用带自反馈的Elman网络来获得更精确的结果。针对BP算法即误差反传算法的缺陷,提出了用混合优化算法——误差反传算法和遗传算法的混合算法(又称:GA&BP算法)修正网络权值。最后,将改进的Elman网络应用于水下机器人的非线性辨识。通过仿真证明了该方法用于高阶非线性系统的实用性。 相似文献
10.
基于鲁棒CKF的多传感器全信息融合算法 总被引:2,自引:0,他引:2
为了克服不良测量的影响,改善多传感器的融合性能,提出一种基于鲁棒容积卡尔曼滤波(CKF)的多传感器全信息融合算法。基于新息协方差匹配原理构建鲁棒CKF,定义数据质量检测函数,根据测量数据质量选择鲁棒CKF或标准CKF作为子系统最优滤波算法。基于多传感器融合信息,建立子系统软故障检测算法;定义子系统故障系数,通过系统重构实现故障子系统的隔离。利用多传感器系统所能提供的最多信息,建立全信息融合算法。将所建算法应用于船舶动力定位测量系统的仿真实验中,与CKF、局部估计加权融合算法进行比较。仿真结果表明,鲁棒CKF及软故障检测函数提高了子系统的滤波鲁棒性,全信息融合算法进一步改善了系统的融合性能。仿真结果验证了所建算法的有效性。 相似文献