GNSS/MEMS IMU车载组合导航中IMU比例因子误差的影响分析

从系统状态模型出发,分析比例因子误差对组合导航精度和计算量的影响,同时基于车载运动的特点分析比例因子误差的观测性,提出一种仅保留航向陀螺仪和水平加速度计比例因子误差的降维状态模型。实验结果表明,当比例因子误差大于6×10^(-3)时,增广比例因子误差有助于提高导航精度,但计算量增加约170%;降维模型能够达到高维模型的导航精度,与不增广比例因子误差相比,计算量仅增加约70%。

因子图框架下里程计辅助GNSS/INS组合导航算法

在复杂观测环境下,GNSS/INS组合导航系统的GNSS信号易受干扰从而导致INS独立导航精度迅速下降。针对上述问题,本文基于因子图的里程计辅助GNSS/INS组合导航算法,利用里程计观测信息结合非完整性约束构建航向速度约束方程,同时采用能多次线性化计算和多次迭代的因子图优化方法进行参数估计。实际车载试验解算结果表明,在GNSS信号良好时,基于因子图方法比滤波方法具有更快的收敛时间,收敛速度提高了近10倍;在GNSS信号发生中断时,添加里程计辅助后组合导航系统在东向和北向分别提升了83%和89%。与传统的滤波融合手段相比,本文采用因子图优化后在东向和北向的定位精度分别有63%、70%的改善。

预应力UHPC-NC组合梁结合面徐变剪应力分析

在恒载应力作用下,预应力UHPC-NC组合梁因两种材料不同的徐变特性及加载龄期的差异导致结合面产生徐变剪应力,分别采用解析法和有限元法对结合面徐变剪应力进行分析。在解析法中,用三角级数表示UHPC-NC结合面的应力分布,基于结合面上的变形协调,利用最小余能原理推导出结合面徐变剪应力计算公式。在有限元法中,将组合梁UHPC层与NC层均划分成四边形平面应力单元,对结合面则采用等效杆单元模拟。以T形截面预应力UHPC-NC组合梁为例进行计算方法的验证,两种方法的计算结果吻合良好,且研究发现徐变剪应力最大值位于梁端;在此基础上对影响结合面徐变剪应力分布的UHPC层压应力、梁高、计算龄期、环境年平均相对湿度等参数进行分析,结果表明:结合面徐变剪应力最大值随着UHPC层压应力、计算龄期、环境年平均相对湿度的增大而增大,但基本不随梁高变化;结合面徐变剪应力最大值的位置随着梁高的增大而逐步向跨中靠近,其他因素不影响应力最大值的位置。研究结果可为UHPC-NC组合梁结合面的抗剪设计提供参考。

N-Calculator与NUFER耦合模型和组合预测法在食物氮足迹研究中的应用

为改善传统N-Calculator模型的局限性,加强食物氮足迹核算结果与环境影响的联系,提高活性氮管理预见性,将N-Calculator模型与食物系统养分流动(Nutrient Flows in Food Chains,Environment and Resources Use,NUFER)模型进行耦合,以估算我国2001—2020年人均食物氮足迹,建立组合预测体系。结果显示:2001—2020年,我国人均食物氮足迹由16.04 kg N/a增至18.95 kg N/a;全国食物氮足迹由20.47 Mt N/a增至26.76 Mt N/a;居民饮食结构正由以植物源食物为主的低氮消费模式转向以动物源食物为主的高氮消费模式;食物生产过程产生的活性氮的最终归宿为大气(64.3%)、水体和深层土壤(35.7%);我国食物氮足迹与人均可支配收入、城市化率、动物源食物消费氮占比呈正相关性,与恩格尔系数呈负相关性;未来10 a我国人均食物氮足迹呈增长趋势,预测结果显示年均增幅为0.16 kg N/a。

一种世界坐标系下的GNSS/SINS松组合导航矩阵李群滤波算法

针对在地心地固(ECEF)坐标系下基于右不变误差的卡尔曼滤波在GNSS/SINS组合导航中,因位置矢量数值较大导致系统线性误差运动学矩阵和观测矩阵不稳定进而降低滤波器性能的问题,提出一种世界坐标系下的GNSS/SINS松组合导航矩阵李群滤波算法。首先在世界坐标系中构建导航状态和考虑地球自转的运动学方程。然后在世界坐标系下定义矩阵李群上的右不变误差,该误差在右群作用下保持不变,并重新推导和设计基于该误差的矩阵李群滤波算法,根据GNSS观测构建世界坐标系下的观测矩阵。实验结果表明,在低精度惯导场景中相对于ECEF坐标系下的传统扩展卡尔曼滤波,所提算法的北向、东向、地向位置误差均方根分别减小了82.6%、61.8%和10.6%,具有一定的实用价值。

CNN-LSTM车辆运动状态识别的AUKF组合导航方法

针对固定的噪声协方差难以适应车辆不同运动行为下噪声统计特性差异大的问题,提出了一种基于卷积神经网络与长短期记忆网络(CNN-LSTM)的车辆运动状态识别自适应无迹卡尔曼滤波(AUKF)组合导航方法。首先,应用CNN-LSTM网络模型进行车辆运动状态识别,解决车辆自我运动不确定性的问题;其次,将特定运动状态约束下的噪声协方差应用于UKF的时间更新与量测更新;最后,将所提方法在采集的数据集上进行验证。实验结果表明,与经典的UKF算法相比,所提方法的位置均方根误差与速度均方根误差分别下降了22.67%与2.63%,验证了所提方法的有效性。

基于CEEMDAN-GRU组合模型的碳排放交易价格预测研究

准确的碳价格预测有助于监管部门观测碳交易市场运行状况及投资者进行科学决策,对实现碳达峰和碳中和具有重要作用。但碳价序列具有非线性、非平稳性和高噪声的特性,很难对其进行准确预测。将完全自适应噪声集合经验模态分解(CEEMDAN)方法与门控循环单元(GRU)相结合,构建一个碳排放交易价格预测模型。该模型基于分解、集成思想,利用CEEMDAN将原始碳价序列分解,获得不同频率的本征模函数(IMF)和残差序列,使用GRU神经网络分别为各子序列建立预测模型,最后集成预测结果得到碳价预测值。以湖北省碳交易市场的日度成交价为例进行实证分析,结果表明:相较于其他5种基准模型,CEEMDAN-GRU模型具有更小的预测误差和更高的拟合优度,在碳价格预测上具有一定的优势。

基于自适应高斯渐进滤波的工程车GNSS/INS紧组合定位

研究了量测野值影响下的工程车GNSS/INS紧组合定位问题,提出了一种基于自适应高斯渐进滤波的车辆定位方法。首先,为降低量测野值对滤波器的破坏风险,利用假设检验方法对量测野值进行检测和剔除;其次,对于野值漏检测引起的定位性能下降的问题,设计了自适应的高斯渐进滤波方法来补偿量测的不确定性;特别地,利用线性化误差与系统估计误差的变化关系,对渐进量测更新方式进行了改进,从而实现对线性化误差的间接补偿。最后,通过工程车GNSS/INS紧组合定位实验进行结果分析,验证了所提方法的可靠性和优越性。

Heston模型下的两人鲁棒非零和随机微分投资组合博弈

用Heston模型描述风险资产的价格动态,构建了包含一种无风险资产和一种风险资产的金融市场,投资者可以将其财富自由地配置于无风险资产和风险资产中.考虑到投资者之间经济行为的随机博弈,用相对业绩刻画投资者之间的博弈行为,同时考虑模型的不确定性,以最大化最坏情境下投资者相对业绩的期望效用为目标,构建了包含两个投资者的鲁棒非零和随机微分投资组合博弈模型,利用动态规划方法分别求得了CRRA效用下Nash均衡策略的解析表达,借助数值仿真算例进行了参数的敏感性分析并给出了相应的经济意义阐释.研究发现:相较于不涉及市场竞争的传统投资策略,竞争将使投资者产生羊群效应,跟风投资风险资产,致使金融市场的系统性风险上升.此外,与不考虑模型不确定性相比,模型的不确定性使得投资者减少对风险资产的投资.

基于通道组合-数据对齐-多尺度全局CNN的MI-EEG分类

由于运动想象脑机接口(MI-BCI)范式不需要视觉刺激,应用MI-BCI范式在提高人机交互系统舒适度方面具有重要意义。为实现辅助设备的异步控制,提高模型的鲁棒性,减少通道使用数量以降低BCI系统输入的复杂性,提出一种基于通道组合(channel combination,CC)-数据对齐(euclidean space data alignment,EA)-多尺度全局卷积神经网络(multiscale global convolutional neural network,MGCNN)的运动想象脑电分类方法。通过引入大脑静息状态下的脑电信号,扩展MI-BCI输出指令集;利用CC将22通道脑电数据重构为左右对称通道加中间通道的3通道形式,重构后的数据经过EA方法规范后作为网络输入;构建多尺度卷积模块与全局卷积模块,并行提取脑电信号的局部特征和ERS/ERD全局特征;利用迁移学习提升模型的解码能力。结果表明:该方法在BCI Competition IV 2a数据集上达到了99.28%的平均准确率和0.99的Kappa值,提高了运动想象脑电分类精度,为在线异步运动想象脑机接口的应用与发展作出了贡献。

基于单因子抗差估计的SINS/DR高速列车组合导航定位研究

为了有效抑制列车长时间运行下SINS系统定位误差的快速积累,并解决GNSS/SINS组合导航系统在卫星信号故障时不能正常工作的问题,提出了一种基于单因子抗差估计的SINS/DR组合导航定位算法,在SINS系统基础上,引入车载里程仪,作为一种提供列车航位推算数据的设备,通过卡尔曼滤波器的反馈校正获得列车导航参数的最优估计值。在传统卡尔曼滤波器的基础上引入一种自适应调节因子,强化了卡尔曼滤波器的反馈校正效果,保证了在系统建模不准确时仍可获得列车导航参数的最优估计值。计算机仿真结果表明,设计的组合导航定位算法不仅可以保证高速列车长时间运行的定位精度和稳定性,而且在高速列车紧急制动的情况下仍具备较强的抗干扰能力,可以满足列车定位的基本要求。

航向信息缺失的MINS/ADS组合姿态算法

为了提高飞机在持续高动态场景下的姿态测量精度,并保证自主性,提出了一种基于微惯性导航系统(MINS)和大气数据系统(ADS)组合的捷联姿态算法。在航向信息缺失的前提下,推导了简化姿态更新算法和载体系速度更新算法,减小了计算量;通过引入大气数据系统的真空速信息,设计不依赖航向信息的MINS/ADS速度组合算法来提高姿态精度。飞行实验结果表明,与传统地平仪算法相比,所提算法的俯仰角和横滚角精度分别提升了74.32%和69.62%,环境适应性更强。

基于改进Black-Litterman模型的投资组合优化

考虑到金融市场“非完全有效性”且投资者“非完全理性”,通过贝叶斯框架建立了投资者观点与多渠道信息相结合的改进Black-Litterman模型,由此确定了最优的个性化投资策略.在中国股票市场的实证研究中,利用SVM-ARIMA-GARCH模型解决了投资者观点量化的问题.对比几类参考策略,改进Black-Litterman模型所确定的最优投资策略的样本外绩效表现更加稳健,在不同市场行情下均能获得较高的夏普比率和较低的换手率.

ML组合的CYGNSS海面风速反演质量控制模型

卷积神经网络(CNN)可用于气旋全球导航卫星系统(CYGNSS)的海面风速反演。虽然在模型训练前设置了质量控制指标来检测和削弱CYGNSS的异常观测数据,但CYGNSS观测数据中仍存在异常值导致模型反演精度降低,甚至出现错误反演结果。因此,提出一种基于机器学习(ML)组合的海面风速反演模型。在基于CNN回归模型的CYGNSS反演海面风速基础上,ML分类模型生成CNN回归结果的质量标志位,该标志位可以检测并删除CNN回归结果的异常值,进一步提高风速反演结果的数据质量,ML分类模型能够更好地考虑各种数据误差之间的相互作用,而不是单独使用每个条件的阈值,以达到更优的海面风速反演精度的效果。实验对比了Logistic回归(LR)、决策树(DT)、朴素贝叶斯模型、K最邻近(KNN)算法、神经网络(NN)模型、支持向量机(SVM)算法等6个分类模型,其中,基于KNN算法的分类模型对风速反演质量控制的效果最优。所提风速反演组合模型显著提高了反演结果的精度,在0~20 m/s区间内,异常样本过滤率为81.27%,在所有被过滤的数据中,过滤正确率为86.03%;风速反演误差的均方根误差从无ML分类模型的1.7 m/s降低到有ML分类模型的1.44 m/s,其中,训练样本为0~10 m/s的反演结果精度提升效果较为明显,证明了所提风速反演组合模型对风速质量控制的有效性。

基于互补集成经验模态分解和Stacking融合的短期风速组合预测模型

针对风电场短期风速预测准确度不高的问题,提出一种基于互补集成经验模态分解和Stacking融合的短期风速组合预测模型。首先,为突出短期风速的局部特征并降低建模难度,通过互补集成经验模态分解算法将短期风速分解为若干个稳定分量。然后,利用信息熵和近似熵来判定各分量的复杂度,高复杂度分量选择最小二乘支持向量机、低复杂度分量选择随机配置网络作为对应的预测模型。利用Stacking算法对每个模型的预测值进行融合,使预测精度得到提升。最后,通过一组实际的短期风速数据作为研究对象,将提出的预测模型应用于其预测。对比结果表明,所提预测模型可提高短期风速的预测精度。

微型组合导航SIP芯片的PDN电热协同仿真与优化

随着SIP芯片逐步小型化和集成化,导致芯片对PDN的直流压降、电流密度以及系统的温升控制要求越来越高.本文通过改变载流导体的面积来改善直流压降和电流密度过高的问题,同时针对芯片温升研究通过合理优化热过孔阵列的孔径、过孔数量以及镀铜厚度来减小热阻以达到控制芯片温升的目的.仿真结果表明,增加载流导体的面积能有效降低直流压降和电流密度,且还留有很大的裕量;而热过孔阵列的合理布局能有效控制芯片温升,从而提升了芯片的功能和可靠性.

一种基于深度学习辅助的SINS/DVL组合导航方法

水下机器人(autonomous underwater vehicle,AUV)导航定位精度一定上程度影响了AUV的工作效率,由于GNSS无法在水下使用,以捷联惯导系统/多普勒计程仪(SINS/DVL)的组合导航系统受到众多青睐。DVL在部分情况下会失效,若直接将DVL隔离,系统将变为纯惯性导航系统,严重影响导航定位的精度。为了应对DVL在部分波束缺失的情况,提出了一种DLinear-informer辅助组合导航算法。通过DLinear对原始输入数据特有的分解方式,增强了算法对AUV非线性信息的提取与学习,提高了速度预测精度。实验结果表明:所提算法能够准确预测DVL失效期间丢失波束的速度,降低组合导航的位置误差,提高了系统的鲁棒性和定位精度。

基于^(15)N稳定同位素示踪技术的植物组合湿地对氨氮去除途径研究

人工湿地是生态修复受污染水体的重要手段,对氮的去除效果显著,但不同植物湿地对氮去除效果差异明显,因此不同类型植物组合后的湿地对氮去除效果及去除途径值得进一步研究。通过室内控制试验,以常见浮水植物绿狐尾藻(Myriophyllum elatinoides)和挺水植物梭鱼草(Pontederia cordata)为研究对象,利用^(15)N稳定同位素示踪技术探究绿狐尾藻、梭鱼草及绿狐尾藻+梭鱼草植物组合对氨氮(NH_(4)^(+)-N)的去除途径。结果表明,绿狐尾藻+梭鱼草植物组合处理相较于单一绿狐尾藻和梭鱼草处理对氮的脱除量分别提高1.8%和3.6%。基于^(15)N质量平衡,绿狐尾藻、梭鱼草和绿狐尾藻+梭鱼草植物组合处理氮去除途径的底泥吸附贡献分别为8.30%、7.96%和6.94%,植物吸收贡献分别为41.76%、35.34%和48.67%,微生物作用去除贡献分别为49.94%、56.71%和44.39%。微生物作用在湿地脱氮过程中占主导地位。相较于单一植物湿地,植物组合湿地对氮的去除效果得到提升,同时促进了植物对水体NH 4+-N的吸收。该研究有助于更好地理解植物组合湿地对氨氮的脱除途径。

基于MEMS IMU的GNSS RTK/INS紧组合定位分析

本文针对复杂动态的城市环境自动驾驶规模化应用需求,提出惯性单元辅助RTK快速收敛的自动驾驶低成本、高精度定位方法。使用MEMS IMU M39和战术级IMU Pos320,通过对多组实测车载数据进行仿真中断,得到INS位置漂移误差、模糊度收敛时间、模糊度固定正确性指标,再对无惯导辅助、M39辅助模糊度固定和Pos320辅助3种情形下的模糊度固定时间和定位精度进行了统计和分析。结果表明,M39在GNSS中断5 s时可辅助RTK实现模糊度瞬时固定,中断时间为10 s时可以将RTK模糊度收敛时间压缩至1/4。MEMS IMU的加入使得RTK模糊度固定错误个数显著下降,10 cm以内高精度定位占比由62.25%提高至98.44%。试验验证了MEMS IMU辅助RTK能够加快模糊度收敛速度,提高了其在自动驾驶导航定位应用中的精度和可靠性。

基于Kriging模型与FORM的钢板组合梁桥结构优化设计

考虑材料参数的不确定性以及设计变量多重约束条件的影响,提出了基于可靠性分析的钢板组合梁桥结构优化设计方法。首先,利用拉丁超立方试验设计(Latin hypercube design,LHD)构建试验组合方案,并通过有限元分析获取试验设计组合下的最大挠度响应值。基于获取的训练样本,构建能够表征结构最大挠度值与随机输入之间映射关系的Kriging代理模型。基于建立的代理模型,以钢结构截面积最小化为目标函数,建立符合规范要求与可靠度约束的优化数学模型,并采用一阶可靠性方法(first order reliability method,FORM),实现设计变量优化。通过比较具有相同设计变量上限,但下限分别为初始值的80%和70%两种优化设计方案,评估了两者在相同阈值以及不同阈值下设计变量的优化结果。最后对方案二在阈值为17 mm下的优化结果进行极限状态验算。结果表明:两个优化设计方案在阈值为17 mm下的优化结果更具合理性,并且方案二在同一阈值下具有更高的优化程度。随着阈值增加,优化程度增加,且腹板高度在较大阈值下对结果影响更大,而翼缘宽度在较小阈值下影响更大。