基于多传感器的序贯式融合有限域H∞滤波方法

与集中式和分布式融合滤波器相比,序贯式融合滤波器不仅保证了估计精度相同,而且在对测量值即到达即滤波、部分测量值缺失等方面都具有灵活性、自适应性和实时性等特点.为此,本文针对一类噪声能量有界的多传感器动态系统,给出了一种序贯式融合有限域H∞滤波器.首先,利用测量值扩维的方法,给出一种集中式融合有限域H∞滤波器;然后,利用H∞滤波的性能指标与二次型不等式之间、以及Hilbert空间二次型的稳定点与Krein空间正交投影之间等的对应关系,构造出一种序贯式融合有限域H∞滤波器;最后,从理论与数值仿真两方面验证了新滤波器与集中式融合有限域H∞滤波器的性能等价性.

“控制系统仿真与CAD”教学改革与探索

为突出"控制系统仿真与CAD"课程培养学生实践动手能力的目的,本文对该课程的教学方式进行改革探索,主要涉及教材选用、启发式教学、实践教学、考核方式等方面。通过教学改革,取得了较好的教学效果。

基于伪测量方程模型库的延迟量测滤波

信息在传感器网络传输过程中会出现延迟、错序和丢包等现象,如何充分地利用这些信息对有效提高状态估计精度非常重要。针对现有延迟量测滤波方法中存在的问题,本文基于所建立的伪测量方程模型库,提出一种用于处理延迟量测的滤波方法。首先,利用线性定常系统的参数时不变特性,在测量值有限延迟条件下建立伪测量方程模型库;然后,基于当前时刻到来的延迟或即时测量数据,在模型库中选取与之对应的测量方程模型,并结合系统状态模型,建立系统状态的预测估计器或滤波估计器或滤波融合估计器。仿真对比验证了新方法的有效性与最优性。

跨流域调水泵站群的一类网络化控制系统设计

泵站群在跨流域调水过程中发挥着重要的作用,对其进行有效控制是保障调水工程顺利进行的必要条件。为了克服传统控制方法的不足,本文提出了一种泵站群网络化控制系统的系统设计模式。着重分析了泵站群网络化控制系统的结构特点和功能特点,并指出了一些网络化控制系统本身所面临的新问题。利用网络化控制系统可以有效地提高泵站群监控系统的自动化水平,加强泵站之间实时的协调,促进水资源的综合调度。

不确定无序量测系统的最优网络化状态估计

本文以线性时不变或系统参数预先确定的单传感器系统为对象,研究带有不确定随机无序量测约束下的最优网络化估计问题.基于线性时不变或参数预先确定系统的滤波器系数矩阵离线计算和线性最小方差估计的线性加权求和特性,首先介绍传统Kalman滤波的等价测量值加权求和形式.然后,以该测量值加权求和滤波器为基础,结合布尔二值开关和无序量测直接求和补偿技术,针对两种典型无序量测跟踪系统分别设计全局最优网络化Kalman滤波器.最后,四个仿真例子验证了本文算法的有效性和优越性.

基于模糊数学的酱牛肉感官综合评判研究

以酱牛肉感官品质的综合评价为研究对象,通过对模糊数学综合评价原理过程进行分析,构建出酱牛肉感官综合评价方法,并确定出酱牛肉感官指标的权重系数。分析过程中,以酱牛肉的外观色泽、组织形态、口感、香气和肉滋味为评价目标集合,利用模糊数学对不同种类的酱牛肉感官品质进行综合评价。评价结果表明,文章构建的酱牛肉感官综合评价方法能够快速、准确地对不同种类的酱牛肉进行品质综合评价。

基于模型库的船舰组合导航信息融合算法

在船舰组合导航系统中,由于各导航传感器自身物理特性、工作原理的差异,无法同步获得船舰目标的观测信息,因此船舰组合导航问题实质上是一类典型的异步融合估计问题。然而,现有的异步融合估计算法无法兼顾滤波精度的最优性以及滤波过程的实时性。为此,针对舰船稳态运行过程中的线性平稳过程,提出利用模型库设计一种船舰组合导航信息融合的新算法。仿真实验验证了所提方法的有效性,能同时满足实时性和最优性的要求,并且简捷,易于实现。

舰船相对组合导航最优定位算法

针对船舶相对组合导航过程中常见的通信延迟问题,在最小均方误差意义下发展出一种最优融合滤波方法。首先将各相对测量信息转化为目标船只的伪测量信息,然后按照序贯融合的思想来设计融合滤波算法。运用该算法,不仅能够保证滤波过程的实时性,而且可以保证导航精度的最优性。通过仿真实验,验证了方法的有效性和可行性。

网络化多传感器系统的序贯式融合滤波——基于噪声估计方法

在网络化多传感器系统中,由于各传感器采集到的量测信息在经网络向融合中心传递的过程中,常会出现各种随时间变化的延迟现象,而处理该类系统融合滤波问题的现有方法又大都难以实现滤波过程实时性与滤波精度最优性的共赢.为此,本文在线性最小均方误差意义下,利用不同时刻状态间的递推关系和噪声估计方法,提出了一种实时、递归、最优的序贯式融合滤波器.首先利用状态间的递推关系,将不同时刻得到的量测信息转化为当前状态的伪量测信息.其次,利用新提出的噪声估计方法求解伪量测方程中增益噪声的估计值和用于滤波器设计的增益矩阵.然后,基于转化后的伪量测信息和求取的滤波增益矩阵实现对系统状态的最优估计.以此方法依次处理该融合周期内到达融合中心的各量测信息,建立起一种实时、递归、最优的序贯式融合滤波器.最后,用计算机仿真来验证新方法的有效性.

多传感器一步延迟OOSMs序贯融合滤波

该文提出了一种序贯式多传感器一步延迟无序量测的融合估计算法。针对现有系统中存在的延迟量测问题,在单传感器一步延迟无序量测最优更新A1算法的基础上,引入序贯递推的思想,在线性最小方差准则下,提出了一种序贯式的多传感器一步延迟无序量测最优融合算法,提高了多OOSMs融合估计的实时性。仿真验证了该文算法的有效性和最优性。

电气类专业“软件技术基础”课程线上线下混合教学模式探析

本文以自动化专业为例,介绍电气类专业"软件技术基础"课程开展线上线下混合教学模式改革的研究和探索。基于开设专业人才培养目标和培养方案的特点,"软件技术基础"课程教学存在知识点较多但课时较少、学院机房上机实践资源有限、网络学习资源丰富但缺乏引导等问题。通过线上线下混合教学模式的探索,能够针对电气类专业特点,结合专业培养方案要求,有效组织课程内容和教学形式,取得较好的教学效果。学生的软件技术知识积累和实践操作能力得到明显提升。

噪声能量有限系统的无序量测更新

针对噪声能量有限网络系统的无序量测更新问题,利用延迟量测的预测估计和新息补偿的思想,提出了一种基于测量值求和形式H∞滤波器的无序量测更新方法。该方法能够利用系统参数的时不变性质,离线计算滤波参数,在无序量测发生与到达时,即能有效地处理,且能够保证滤波过程的实时性。该方法具有较强的扩展性,适用于参数不确定线性时不变系统的无序量测更新过程。仿真结果验证了所提方法的可行性。

一类噪声相关多传感器系统的新型序贯式融合滤波

对于过程噪声与观测噪声一步互相关、各观测噪声一步自相关的多传感器融合滤波问题,提出了一种新的低维序贯式融合滤波算法.基于低阶迭代正交变换的思想提出了解相关的方法,将观测方程经过等价改写去除系统噪声的相关性,然后依据序贯滤波的思想,依次处理到达融合中心的观测信息,进而得到一类实时序贯式融合滤波算法.整个推导过程在线性最小均方误差意义下严格进行,能够实现系统状态的最优融合估计.最后的仿真验证了新算法在处理上述噪声相关问题上的最优性.

非线性系统的改进多模型扩展Kalman滤波器

针对这样一类非线性系统:状态方程由线性部分和非线性部分构成,测量方程为线性方程,提出了一种基于系统模型拆分的多模型扩展卡尔曼滤波器算法(SMMEKF)。首先,在现有方法的基础上提出了一种改进的多模型扩展卡尔曼滤波方法(IMMEKF)。然后,依据状态方程把原系统拆分为线性子系统与非线性子系统;在时间更新阶段,对线性子系统使用卡尔曼滤波算法进行预测,对非线性子系统使用改进的多模型扩展卡尔曼滤波算法进行预测;在测量更新阶段,采用交替式更新的方法逐步对非线性子系统与线性子系统的预测值进行校正。最后的仿真对比分析了两类方法处理非线性系统滤波问题的性能。

基于无线传感器网络的火源定位方法研究

文章根据火灾发生初期的火灾烟气的扩散情况,基于高斯烟羽模型气体扩散理论,推导了火灾初期的气体扩散模型在无风情况下的火源定位方法。采用基于烟气浓度信息的最小二乘多边定位法对火灾中心点进行定位,在气流较稳定的情况下,通过传感器网络测得的烟气浓度推知火源中心点具体位置,然后采用基于K-means聚类法的最近邻密集区域选取算法减小误差,解决现有火灾预警系统中只能对火灾进行报警,不能定位的缺点。仿真实验表明,该方法可以较好的对火源点进行位置估计。

基于观测分解的一类非线性滤波方法

文章针对一类观测方程为非线性,状态方程为线性的非线性系统开展滤波方法研究。首先,采用观测分解方法把原系统拆分为线性系统部分和非线性系统部分;然后,分别利用卡尔曼滤波和扩展卡尔曼滤波对新系统进行处理,最后采用分布式融合方法进行估计融合。通过数值仿真将其与直接使用扩展卡尔曼滤波的处理结果进行对比,使用观测分解的新方法有更好的估计精度。

基于数据驱动的室内有风环境下火源定位算法

传统的室内火源定位方法一般都是针对无风条件下的火源进行定位,但实际火灾现场往往是有风的。为了研究有风环境下火源点的定位问题,提出一种基于数据驱动的火灾定位方法,结合极限学习机优秀的训练速度和粒子滤波对于非线性系统的优越性,拟合得到出有风环境时的火灾温度场系统量测方程,结合粒子滤波进行定位,并与常用的最小二乘法定位结果进行对比,仿真结果表明本文方法在精确性与稳定性上优于最小二乘法。

一类高斯混合噪声干扰的系统拆分与滤波方法设计

文章针对这样一类系统:状态方程与观测方程中含有均值为零的高斯噪声且含非零均值的高斯噪声,提出了一种基于系统噪声拆分的滤波算法.首先将状态方程与观测方程分别拆成两个仅含有一个噪声的方程;然后,对两个方程分别进行滤波;最后,进行融合.仿真结果表明相比直接使用卡尔曼滤波方法,系统噪声拆分方法提高了滤波的估计精度.

一类噪声相关系统的新型序贯融合滤波

提出了一种新的低维序贯式融合滤波算法,有效地解决了多传感器系统中观测噪声与过程噪声两步相关及观测噪声之间两步相关的问题.算法主要基于正交变换的思想,首先经过两次等价的改写观测方程,去除噪声之间的相关性,然后用序贯滤波的思想,依次处理到达融合中心的等价观测信息,从而得到一种新型序贯式融合滤波算法.同时还推导了上述噪声相关情况下的测量值扩维融合算法.通过仿真实验,并与测量值扩维融合算法对比,证明了算法的最优性.

二维卡尔曼滤波的多源信息集中式融合去噪方法

目前对于单独的某种算法或单传感器的图像信息已不能满足高精度的图像识别任务的需要,通过多传感器可获得比单一传感器质量更高的信息。基于此,文章首先在图像上建立多传感器二维线性离散系统的状态空间模型,然后利用二维卡尔曼滤波算法对图像进行滤波去噪,最后利用集中式融合去噪。仿真结果表明:文章算法在提高峰值信噪比和提高图像清晰度两个方面比其他算法更加有效。