基于多时间尺度的电-气-热耦合网络动态状态估计

目前能源网络状态估计的研究一般仅对单一系统或双系统。针对多种能源网络联系日益紧密的情况,研究了电-气-热耦合网络中不同子网络间的耦合关系和交互作用,并根据不同网络之间动态特性的差别,提出了基于多时间尺度的电-气-热耦合网络顺序状态估计(state estimation,SE)方法。同时以无迹卡尔曼滤波算法为基础,考虑到不同子网络间的耦合约束,构建了适应多情景的状态估计全局一致算法,保证了耦合网络状态估计结果满足边界耦合约束。仿真算例验证了所提方法的正确性和有效性,其结果对构建面向综合能源系统的新一代能量管理系统提供了数据支撑。

尺度因子自适应的UKF算法在目标跟踪中的应用

针对传统的无迹卡尔曼滤波(UKF)算法不能根据场景变化而自适应调整尺度因子α的问题,提出了一种改进算法,该算法利用UKF非线性近似的预测值与真实值之间的误差来调节α,并对采样策略进行了修正.将此方法应用于目标跟踪的仿真实验表明:该算法与使用尺度因子最优经验值的UKF算法精度相当,具有很好的跟踪性能和实用性.

基于改进UKF的电-气耦合系统状态估计

随着“双碳”减碳目标的能源改革推进,综合能源系统得到了快速的发展,电-气耦合系统成为实现多能流能源交互运行的重要案例。然而,由于各子系统之间信息交互、响应时间与运行时间尺度之间存在较大差异,给能源管理系统的监测与状态感知能力带来严峻的挑战。考虑电、气子系统状态估计之间存在不同时间尺度问题,该文构建多时间切片统一的分段式状态估计模型,提出了基于奇异值分解的无迹卡尔曼滤波多能流系统动态状态估计算法。仿真算例验证了分段式状态估计策略的有效性,有效实现对电-气耦合系统的精准监控,并且估计结果具备更强的数值稳定性。

管道地理位置测量系统的动态初始对准方法

针对长输油气管道地理位置测量系统的初始对准问题,提出了一种新的动态初始对准方法.建立了管道地理位置测量系统状态误差模型和以基准点之间的航向角误差、速度误差和位置误差为观测量的观测模型,设计了变尺度无迹卡尔曼滤波动态初始对准算法.结果表明,该算法所得初始对准俯仰角、航向角和横滚角的稳态误差分别为18.9'、6'和5',解决了姿态角周期性变化引起的初始对准精度差的问题,满足了管道地理位置测量系统的工程应用要求.

基于LS-SVM的捷联大失准角初始对准技术

针对捷联惯性导航系统（SINS）大失准角初始对准情况下非线性模型线性化导致模型不准确和影响对准精度的问题，设计了一种基于最小二乘支持向量机（LS-SVM）的大失准角对准算法。该方法采用基于加性四元数误差（AQE）的大失准角误差方程，采用简化的无迹卡尔曼滤波器（UKF）来模拟LS—SVM训练样本。捷联惯性导航系统和全球定位系统（GPS）的速度和位置误差作为LS-SVM的输入样本，简化UKF得到的失准角经小波去噪后作为输出样本。LS—SVM算法采用交叉验证法选择最佳的核函数参数。仿真结果表明，在大失准角下LS-SVM算法在对准时间和对准精度上与简化UKF和EKF相比均表现出较好的性能。

基于SUKF与SIFT特征的红外目标跟踪算法研究

针对复杂红外背景下单一跟踪算法难以准确定位运动目标的问题,提出了基于尺度无迹卡尔曼滤波(SUKF,scale unscented Kalman filter)与尺度不变特征变换(SIFT,scale invariant featuretransform)相结合的红外运动目标跟踪方法。首先,通过SUKF算法对状态空间进行滤波估计,确定运动目标的初步位置,并以此建立局部SIFT特征检测域。其次,SIFT算法在该局部检测域内对运动目标进行特征提取与匹配,最终实现对目标的准确定位;同时,利用定位结果更新并校正SUKF的状态模型。实验结果表明,本文提出的基于SUKF-SIFT的跟踪策略与相关算法相比,体现出较好的跟踪效果与实时性能。

结构化道路车道线的鲁棒检测与跟踪

针对智能车在视觉导航过程中车道线检测的鲁棒性和实时性问题,提出一种适用于结构化道路的车道线鲁棒检测与跟踪方法。首先,简化的Sobel算子提取车道线边缘图像,将边缘图像与改进的Otsu方法得到的车道线分割图像进行融合,实现对车道线标记点的鲁棒检测;然后,采用迭代最小二乘方法拟合车道线标记点并去除干扰点,并根据拟合参数建立车道线模型;最后,引入尺度无迹卡尔曼滤波(SUKF)对车道线进行跟踪。通过对多段实地采集的视频进行了仿真实验,结果表明,该方法对于高速公路车道线的检测率可达到99%,并具有较好实时性能;对于受损和弄污的城市道路车道线也体现出较好的鲁棒性和时间性能。

基于曲率特征的自主车辆地图匹配定位方法

提出了一种新的基于曲率特征的自主车辆地图匹配定位方法,该方法通过计算自主车辆行驶轨迹和参考轨迹的尺度不变曲率积分特征及其相关性进行匹配,可以有效地消除因航迹推算(DR)传感器标定参数偏差和航向角估计偏差而引起的错误匹配问题.文中首先采用扩展卡尔曼滤波器融合惯性测量单元输出、方向盘转角和4个ABS(防抱死刹车系统)传感器测量的轮速,估计自主车辆的位姿状态,并据此从数字地图中选择匹配的候选路段.然后利用本文提出的曲率空间特征地图匹配算法实现路段匹配,并根据曲率和航向角变化确定匹配点,最后将其作为无迹卡尔曼滤波器的观测值更新滤波器,从而实现高精度的位姿估计.现场道路实验结果表明,该法能够有效地实现地图匹配,降低自主车辆DR产生的累积误差,从而能够在GPS(全球定位系统)信号失效情况下实现长距离精确定位.