基于增秩Kalman滤波的移动车辆荷载在线识别

提出了一种基于增秩Kalman滤波(augmented Kalman filter,AKF)的移动车辆荷载在线识别方法。将车辆荷载向量与桥梁结构状态向量联立构成增秩状态向量,基于AKF算法,利用桥梁状态空间方程和少量振动响应获得增秩状态向量的无偏最小方差估计,进而实时识别车辆荷载。以简支梁-弹簧质量车桥耦合系统为数值分析对象,研究了基于AKF算法的移动车辆荷载识别方法的可行性和准确性,详细讨论了路面不平度、车速、噪声、传感器组合和采样频率对识别误差的影响。结果表明,所提方法能准确识别荷载,且对噪声和车速不敏感。

基于增秩Kalman滤波的动态荷载识别和结构响应重构

针对传统的荷载识别方法受不适定性问题影响导致识别误差较大,且受传感器数上的限制也无法监测所有结构易损伤位置处振动响应的问题,提出了一种基于增秩Kalman滤波(augmented Kalman filter,AKF)算法的动态荷载识别和结构响应重构方法.基于结构状态空间方程,形成由荷载向量和状态向量组成的增秩状态向量(augmented-rank state vector,ASV),利用Kalman滤波算法获得增秩状态向量的最小方差无偏(minimum variance unbiased,MVU)估计,实现了状态和荷载向量的同时识别.结合最优状态估计和观测矩阵,实现了未布置传感器处的结构动力响应重构.通过三个有限元案例,初步验证了该方法的可行性和有效性.结果表明,当荷载位置固定或移动时,所提方法均能有效地识别荷载和重构响应,精度较高且对测量噪声不敏感.传感器的种类、数量和布置位置对荷载识别和响应重构精度会有一定影响.

秩滤波方法

基于秩统计量相关原理提出一种秩采样方法,其采样点分布合理,能够有效地模拟系统状态的概率分布。在此基础上,进一步提出一种非线性秩滤波方法,给出秩滤波的采样策略、时间更新、量测更新公式及其计算步骤。目前常用的非线性滤波方法有无迹Kalman滤波和粒子滤波。无迹Kalman滤波方法只适用于高斯分布的情况;粒子滤波方法虽然可用于非高斯分布的非线性滤波,但却存在粒子退化及重采样引起的粒子贫化问题,且计算复杂、工作量大。而秩滤波方法不仅适用于高斯分布的非线性滤波,也适用于常见的多元t分布、多元极值分布等非高斯分布的非线性滤波,并且计算简单、计算量小,便于工程应用。从仿真算例可以看到,该方法比无迹Kalman滤波方法具有更高的滤波精度。

秩粒子滤波

将秩滤波与粒子滤波相结合,提出秩粒子滤波。它首先由秩滤波方法得到重要性密度函数,然后再采用粒子滤波方法进行滤波。由于秩滤波产生的重要性密度函数包含了最新的观测信息,与真实状态概率密度的支集重叠部分更大,所以,秩粒子滤波比无迹粒子滤波和粒子滤波具有更高的精度,且计算简单,便于工程应用。大量仿真结果验证了这一结论。

有色噪声条件下的实用Kalman滤波方法研究

Kalm an滤波技术是现代信息处理中的重要工具,但是基本的Kalm an滤波基本方程中要求系统噪声和量测噪声必须为互不相关的均值为零的白噪声过程,限制了应用的范围。该文研究了在系统噪声和量测噪声都是有色噪声条件下的Kalm an滤波方法,运用状态扩充法和量测扩增法推导了全套的滤波方程,拓宽了Kalm an滤波器在工程中的应用范围。

基于滤波方法和矩阵低秩稀疏分解的遥感图像去噪算法

针对遥感图像在形成、传输和处理过程中产生的椒盐噪声问题,设计了一种结合中值滤波、矩阵低秩分解与导向滤波的遥感图像去噪算法。给定含噪图像,该算法首先对图像进行有互相重叠像素的分块处理,利用非精确增广拉格朗日乘子法求解分块后图像所对应的矩阵低秩分解模型,得到稀疏图像和噪声图像,然后利用中值滤波算法对给定的含噪图像进行处理,对处理后的图像与稀疏图像相加求和,将结果作为引导图像,含噪图像作为输入图像,利用导向滤波算法得到保留遥感图像细节信息的复原图像。通过与其它方法对比,证明了本文方法的有效性。

处理有色观测噪声的粒子滤波算法

针对经典Kalman滤波无法直接处理有色噪声的问题,采用多项式长除法将有色观测噪声模型展开成无穷级数,截断取其有限项获得有色噪声的先验信息;然后利用粒子滤波能够处理非高斯噪声的特点对有色观测噪声进行处理。通过一个GPS定位算例,将此新方法与观测扩增方法进行了分析和比较。结果证明,利用该方法能有效地控制有色观测噪声的影响。

滑翔增程弹导航系统误差修正方法研究

为了提高滑翔增程制导炮弹的姿态测量精度,分析了单GPS天线测量弹体姿态角的计算方法,应用GPS和INS全组合的方式,采用INS和GPS的位置、速度和姿态误差信息作为观测量,设计了卡尔曼滤波器,将滤波估计的结果反馈给INS,实现对测量系统全参数的误差修正.数值计算和仿真结果表明,采用基于GPS姿态测量信息的Kalman滤波方法,对INS惯导系统测量误差进行修正,降低了3个姿态角的测量误差,加快了系统误差收敛速度,提高了滑翔控制系统的控制精度,增加了制导炮弹滑翔增程的效果.

非线性非高斯秩滤波方法

基于秩滤波原理,提出一种非线性非高斯秩滤波方法,给出其递推过程.目前常用的非线性滤波方法有无迹Kalman滤波和粒子滤波,无迹Kalman滤波只适用于高斯分布的情况,粒子滤波方法却存在粒子退化及重采样引起的粒子贫化问题.而非线性非高斯秩滤波方法不仅适用于常见的多元t分布、多元极值分布等非高斯分布的非线性滤波,并且计算简单、工作量小,便于工程应用.从仿真算例可以看到,该方法的滤波精度与无迹Kalman滤波和粒子滤波方法相比提高了500%以上.

基于神经状态空间的非线性系统建模研究

提出了一种基于神经状态空间的非线性系统建模方法。神经状态空间(NNSP)具有系统的拟线性特性,许多线性系统控制器设计方法均可以扩展到 NNSP模型。本文采用了增广卡尔曼滤波方法进行神经状态空间的参数辨识,高阶校验模型用于验证非线性系统神经状态空间的模型的有效性 。将本法应用于典型的化学过程的建模,结果表明本方法正确有效。

基于磁强计测量的一种姿态估计方法研究

运行在低轨道上的三轴对地稳定小卫星在安全保持模式下的姿态确定要求测量部件的可靠性高,功耗低。本文选用三轴磁强计作为测量部件,给出在安全保持模式下的增广型Kalman滤波器(EKF)的设计。仿真结果表明在安全保持模式下,对卫星姿态能够进行很好的估计或校正。

AUV闭环系统可辨识性分析及算法实现

针对水下机器人闭环系统辨识问题,应用闭环系统辨识理论,本文给出了水下机器人闭环系统可辨识的充分条件。运用增广的Kalman滤波算法对某水下机器人进行闭环辨识,获得了该系统模型。验证了所提出充分条件的正确性及算法的可行性。

非线性状态方程自校准滤波方法

针对工程实际中遇到的非线性系统状态方程中含未知输入(如环境因素的影响、模型和参数选取不当等)的情况,采用自校准技术,基于秩滤波与无迹Kalman滤波算法提出了一种非线性状态方程自校准滤波方法,并分别讨论了自校准秩滤波(SRF)与自校准无迹Kalman滤波(SUKF)两种情况。大量仿真结果和工程应用表明:与无迹Kalman滤波(UKF)相比,该方法通过对系统状态方程中的未知输入进行自动估计和补偿,改善了系统受未知输入影响下的滤波效果,从算例中可以看到,估计精度至少提高了80%,且计算简单,便于工程应用。