改进粒子滤波算法在组合导航中的应用

为了提高组合导航定位系统的定位精度和可靠性,分别对扩展卡尔曼滤波(EKF)、粒子滤波(PF)和U卡尔曼滤波(UKF)3种算法进行了分析。通过分析3种算法各自的特点,将PF算法和UKF算法的优点相结合,提出了一种新的粒子滤波算法——U粒子滤波(UPF)算法,并将其应用于GPS/DR组合导航系统中。通过对UPF算法与PF算法在GPS/DR组合导航系统中的仿真研究比较,进一步证实了UPF算法的可行性及计算的精确性。

基于改进粒子滤波算法的锂离子电池状态跟踪与剩余使用寿命预测方法

针对标准粒子滤波算法在锂离子电池剩余使用寿命预测方面出现的估计精度不高、算法不稳定及计算效率低等问题,该文提出一种改进粒子滤波算法的状态跟踪与剩余使用寿命预测估计方法。选取电池容量衰退经验物理模型为基础,通过贝叶斯理论对历史样本进行状态跟踪建模,优化训练算法辨识物理模型参数与重采样策略。采用状态跟踪训练优化后最新量测信息取代序贯重要性采样过程中未考虑观测噪声的量测信息,指导产生新的提议分布更新粒子重要性权值计算的方法来改善粒子退化现象,同时基于马尔科夫链-蒙特卡洛(MCMC)方法中的M-H(Metropolis-Hastings)抽样算法丰富采样粒子多样性,改良重采样策略来解决由其引起的粒子枯竭问题,并通过仿真揭示出不同跟踪集S和粒子数M等模型参数对预测结果的影响规律,继而构建实时更新提议分布、MCMC方法与粒子滤波算法优化融合的状态跟踪与剩余使用寿命预测模型——基于MCMC的更新改进粒子滤波融合算法模型。仿真实验结果表明,该文提出的改进算法具有状态跟踪拟合度好、预测精度高及计算效率性能优良等特点,并通过设计出不同类型电池容量和算法模型等多种组合方案的仿真,验证了改进算法较强的稳定鲁棒性、泛化适应性和通用有效性。

基于猎人猎物优化算法改进粒子滤波的滚动轴承剩余使用寿命预测技术

针对目前滚动轴承剩余使用寿命(RUL)预测存在的预测精度不高、预测模型累计误差大等问题,提出一种融合Hodrick-Prescott(HP)趋势滤波边界线(HPTF-BL)、猎人猎物优化算法改进粒子滤波(HPO-PF)的滚动轴承剩余使用寿命预测方法。该方法首先将HP趋势滤波与退化边界线构建相结合,对表达轴承退化信息的特征指标进行处理,得到上下退化边界与主要退化趋势,然后利用猎人猎物优化算法(HPO)改进粒子滤波(PF)的重采样过程,再使用改进的方法对特征指标进行趋势预测,最后结合设定的失效阈值线得到最终的剩余使用寿命。使用美国辛辛那提大学智能维护系统(IMS)中心的轴承实验数据验证了所提方法的可行性与有效性。

一种用于RSS提取的改进粒子滤波算法

针对室内WiFi指纹位置定位中取RSS的平均值作为其定位特征值在室内环境的复杂性和动态性不能准确地反映RSS信号真值的问题,以及卡尔曼滤波和粒子滤波算法等用于RSS信号的提取只针对线性噪声或非线性噪声中的一种,在室内动态多变、干扰复杂多样的环境下鲁棒性不理想的问题,结合卡尔曼滤波和粒子滤波,提出一种用于RSS提取的改进的粒子滤波算法。给出了算法实现的步骤,并且在不同地点不同环境条件(静态环境和动态环境)下分别进行了指纹定位在线端的数据采集实验。实验结果表明:基于改进粒子滤波的RSS提取算法的定位精度和鲁棒性均优于均值算法、卡尔曼滤波算法、粒子滤波算法等已有算法。

桥梁时变可靠度指标的改进粒子滤波预测算法

基于健康监测时间序列数据,提出了桥梁动态可靠度指标的改进粒子滤波预测方法.首先,利用监测极值数据建立动态模型,将其作为粒子滤波算法的状态方程和监测方程;然后,采用贝叶斯动态线性模型(BDLM)为粒子滤波器提供随时间更新的动态建议分布,以解决传统粒子滤波算法的样本退化问题,同时增加了粒子滤波算法的鲁棒性及自适应性;进而利用改进的粒子滤波算法(IPF),结合极值监测数据实现结构极值的动态预测,并结合一次二阶矩(FOSM)可靠性方法,实现桥梁结构可靠度指标的动态预测;最后通过在役桥梁工程实例与设计试验对所提模型和方法的合理性与有效性进行验证.

复杂环境下探测器高精度自主导航算法研究

为提高探测器在复杂深空环境中自主导航精度,提出基于二阶中心差分法和PCA模型改进的粒子滤波算法。首先通过二阶中心差分滤波方法获取最优的重要性密度函数,采用对称比例的采样算法从中进行样本点采样;然后通过引入主成分分析法对采集的样本集进行预处理,引入比例缩放因子,对粒子集合进行粒子重采样。通过仿真实验,此方法能够在很大程度上改进粒子滤波算法中出现的粒子退化的问题,使跟踪系统平均误差达到0.429,提高算法的跟踪精度和稳定性,实现探测器复杂环境下高精度自主导航。

兼具安全性与柔顺性的步行康复训练机器人交互方法

提高弱机能群体使用助行机器人的柔顺性和安全性是人机交互领域重要的研究内容。本文提出一种能够兼顾柔顺性、安全性与便捷性的步行康复训练机器人非接触式柔顺控制方法。首先,分析自主研制的步行康复训练机器人结构、功能及工作模式。为准确识别使用者步态意图,研发了一种多通道近距离传感器,并结合机器人的机械结构,搭建了机载内嵌式双腿动态意图识别系统,实现了对双腿步态的实时检测。然后,为提高交互柔顺性,提出一种改进粒子滤波算法,解决了传统粒子滤波算法多次迭代过程中粒子退化问题。最后,通过引入步态速度补偿,设计了具有紧密跟踪人体步态功能的柔顺化控制方法并进行综合性实验。实验表明,本文提出的方法在确保人机交互安全性的基础上,可精确且柔顺地控制机器人的运动状态,从而紧密地跟随人体步态。该非接触式控制方法可以应用于具有类似结构的助行机器人,以及弱机能群体的日常助行与步行康复训练。

基于特征电压模型的锂离子电池容量估计与RUL预测

锂离子电池的容量与剩余使用寿命预测对提高其安全性具有重要的意义。该文提出一种基于改进粒子群滤波(PF)算法与特征电压关联模型的锂离子电池容量估计与剩余使用寿命预测方法。提取放电曲线中的特征电压,建立特征电压循环次数及特征电压容量2个关联模型;应用改进PF算法对2个关联模型的参数进行辨识,以实现容量的在线估计与剩余寿命的离线预测;利用此方法通过拟合样本电池老化数据来优化建议概率密度的初始值,提高模型参数辨识的准确性以提高所建立关联模型的精度。结果表明:所提出的方法容量估计误差能保持在3%以内,寿命预测误差保持在5%以内。

面向服务机器人的多行人检测与跟踪

服务机器人在给人提供帮助,带来生活便利的同时,需要检测并跟踪行人.然而,环境复杂,多个行人之间存在遮挡等问题,给行人的检测与跟踪带来了挑战.在行人检测方面,本文提出了最近邻方法融合激光人腿检测和Kinect人体检测的结果,有效改善了行人检测的精度和完整性.针对多行人跟踪,本文提出了一种改进的粒子滤波算法对行人的位置和速度进行了估计,克服了传统粒子滤波算法计算量大,重采样阶段粒子贫化的缺点.最后,在实际场景中采用改造的turtlebot机器人进行了测试,并进行了计算机可视化,实验结果证明本文提出的方法具有很好的准确性,实时性和鲁棒性.

基于智能手机的多传感器结合室内定位

定位对于当下智能生活的理念有着至关重要的作用。对于室外定位,GPS是一项可靠易得的技术。而当今,随着智能家居等的推广,以及定位技术的日渐发展,室内定位技术越来越受到关注。GPS在室内环境搜索到的信号很弱,无法在室内环境使用,另外其在精度方面也无法满足需求。而目前流行的室内定位技术中大多依赖于智能手机的传感器实现,而单一传感器的定位,精度与稳定性不高,降低了定位的体验。其中,基于磁场的室内定位技术与基于Wi-Fi的室内定位技术是当前流行的技术手段,但是,单独的磁场定位与Wi-Fi定位两种技术都有各自的缺陷,定位效果并不理想。因此,文中利用智能手机采集室内的Wi-Fi信号与磁场信号,再利用改进的粒子滤波算法进行定位,有效地提高了定位效果。