郑道昭“无迹论”:话语建构及真实的书圣意义

从40余件四山刻石全部被视作郑道昭亲笔所为的书迹,到只有30余件,乃至于10余件被认为是郑道昭笔迹的论争之中走出来,笔者以为其实并没有一件作品是郑道昭亲笔书写的,这种现象可称作“无迹论”。那么,没有真迹的主持者郑道昭是否还具有“书圣”的意义呢?笔者认为恰恰相反,通过书刊行为,其将一座座山峦改变本来的意义(图1~图4),反而凸显出郑道昭真实的作用。这是可以对应现当代艺术之中的“大地艺术”“观念艺术”的思想层面创作判断。同时,这又是别于西方艺术纯粹的视觉张力的中国式的艺术方式。在此意义上,郑道昭创造了一种书法的新样式、新方法,也作出了对于书法史的真实变革。就此而言,对他的“北方书圣”判断才是恰当的。

基于负荷预测和无迹粒子滤波的配电网动态状态估计

随着汽车充电成为新型重要负荷,为确保此时配电网运行与控制安全,对其进行实时准确的态势感知,提出一种基于卷积神经网络和门控循环单元的短期负荷预测与无迹粒子滤波算法自适应混合的配电网动态状态估计方法。结合使用卷积神经网络和门控循环单元进行短期负荷预测,将预测得到的有功与无功功率进行潮流计算,再与无迹粒子滤波量测估计值自适应加权得到电压幅值和相角状态估计结果。以IEEE33节点配电网为例,验证了所提状态估计方法的准确性与面对不良数据时的鲁棒性。

自适应双层无迹卡尔曼滤波的车辆状态估计

针对在车辆行驶状态估计中存在估计不准确、鲁棒性较差以及系统噪声不确定等问题,提出一种将双层无迹卡尔曼滤波(DLUKF)与改进的Sage-Husa算法相结合的自适应双层无迹卡尔曼滤波算法(ADLUKF)作为车辆行驶状态的估计器,再结合三自由度汽车模型对车辆行驶的横摆角速度和质心侧偏角进行估计。通过改进的Sage-Husa滤波器对系统过程噪声和测量噪声进行动态调整,进而减少车辆行驶状态估计的误差。应用Carsim与Matlab/Simulink进行联合仿真以及实车试验数据来验证该估计器的有效性,并与无迹卡尔曼滤波(UKF)算法进行对比。结果表明:与UKF算法相比,该算法有效提高了车辆行驶的横摆角速度和质心侧偏角的估计精度和稳定性。

基于无迹卡尔曼滤波的液体火箭发动机故障诊断

针对火箭发动机故障数据难以获取的问题,设计了一种基于无迹卡尔曼滤波(UKF)的液体火箭发动机故障诊断算法。采用MATLAB/Simulink平台搭建了液体火箭发动机故障仿真模型,实现发动机正常运行仿真和预燃室氧阀门故障、氧主泵汽蚀、氢主涡轮叶片脱落3种故障仿真。将正常运行仿真值与设计值、试车值进行了对比。结果表明:模型参数与设计值最大误差不超过5%,仿真精度较高;仿真参数变化趋势与试车值基本一致,且稳态值误差较小。使用UKF算法求取发动机正常运行阈值范围,并对故障序列进行滤波处理,若故障数据连续3次超出阈值区间,且在0.1 s内有至少2个涡轮泵发出报警,则判定故障发生,故障发生时间为第2个涡轮泵报警时间。使用设计算法对3种故障序列进行诊断,判定故障发生时间分别为20.08 s、20.05 s、20.18 s。相比于传统红线阈值算法,文中所设计算法响应更为及时,且误报率较低。

基于分数阶模型多新息无迹卡尔曼滤波算法的超级电容SOC估计

对超级电容的SOC估计展开了研究。首先,搭建了超级电容测试平台,用于超级电容的参数辨识,并对超级电容进行了常规性能测试;其次,在不同的环境温度和动态工况下采用多种算法进行超级电容SOC估计。结果表明,采用分数阶模型多新息无迹卡尔曼滤波(FOMIUKF)算法对超级电容SOC的估计精度最高,对超级电容的路端电压跟随情况最好,估计结果的均方根误差和平均绝对误差的最大值分别约为1.8%和1.73%。

基于无迹卡尔曼滤波的精密时钟同步算法

工业以太网中,各设备对时钟同步精度的要求越来越高。以IEEE1588协议理论为基础,设计一种基于无迹卡尔曼滤波的时钟同步算法。通过对PTP得到的时间差进行观测,获取对下一个周期时钟偏差、时钟频率的估计值,使用该估计值校正从时钟频率和时钟偏差,以保证时钟同步。实验证明,该方法能够有效提高时钟同步精度。

基于无迹卡尔曼滤波算法的喷涂机器人末端位姿补偿系统

喷涂建筑机器人在进行建图时无法将地面平整度的信息包含在地图中。当机器人按照所建地图运行时,由于地面信息的缺失,喷涂建筑机器人工作末端的喷涂夹具无法与墙面平行。为补偿喷涂夹具相对于墙面之间的位姿误差,提出一种基于无迹卡尔曼滤波的多传感器融合的喷涂夹具位姿补偿方法:以位移测量传感器测得的数据构建夹具位姿的状态方程,以陀螺仪测得的数据构建夹具位姿测量方程;利用无迹卡尔曼滤波算法获得夹具姿态的最优估计并将其传递给机器人,从而实现对喷涂夹具位姿误差的补偿。搭建实验平台验证了误差补偿系统的可行性。实验结果表明,误差补偿后的喷涂夹具相对于墙面之间的角度误差减小至0.005°。

基于自适应无迹卡尔曼的目标跟踪算法研究

基于提高装甲车主动防护系统目标跟踪精度和收敛速度、提升目标拦截概率的目的,该文引入了噪声自适应系数对SUKFR(比例对称采样的UKFR)算法进行优化。通过Matlab软件使用Monte Carlo(蒙特卡罗)方法对UKFR(径向速度的无迹卡尔曼)、SUKFR和ASUKFR(自适应系数的SUKFR)算法的滤波性能进行仿真试验,结果表明,采用ASUKFR算法的主动防护系统不仅目标跟踪精度更高、收敛速度更快,而且拦截概率达到了90%以上,为装甲车主动防护目标跟踪领域提供了一种新思路。

无迹卡尔曼滤波估计空间目标特征信息

为了加强对空间目标,尤其是非合作目标的探测监视,空间目标的各种特性正受到越来越多的关注。通过无迹卡尔曼滤波对空间目标的位置、速度、姿态、角速度和材料复折射率5种状态参数进行了反演估计。利用观测角度、光度和偏振度数据作为观测值估计目标的状态,基于位置与速度运动学模型和姿态与角速度动态模型,完成5种状态的时间演化,实现了对5种状态参数的联合估计。仿真结果表明,设置合理的状态初始值、状态方程和测量方程噪声,5种状态参数误差均能合理收敛,无迹卡尔曼滤波能够较好地预测空间目标的5种特征参数,同时也验证了观测角度、光度和偏振度数据可以用于反演空间运动目标的5种非直接观测特征信息。

基于改进Att-LSTNet与无迹粒子滤波融合的主动配电网预测辅助状态估计

针对传统的无迹粒子滤波(unscented particle filter,UPF)存在不准确的新息向量及未知的量测噪声协方差矩阵导致估计精度低的问题,提出一种改进Att-LSTNet与UPF融合的主动配电网预测辅助状态估计(forecasting-aided state estimation,FASE)方法。首先,采用引力搜索算法(gravitational search algorithm,GSA)对支持向量回归(support vector regression,SVR)的关键参数进行优化处理,利用历史数据建立GSA-SVR模型,并将其引入至Att-LSTNet模型的输出层,构建一种增强预测模型。然后,利用UPF中的新息向量来训练该模型,并结合孤立森林算法和箱线图法对原始新息向量进行监控和修正。最后,针对量测噪声协方差矩阵未知的情况,结合修正后的新息向量和UPF计算出未知量测噪声协方差矩阵,并进行状态估计。基于IEEE33与IEEE118节点标准配电系统的算例结果表明,所提出的方法在估计精度、泛化能力和鲁棒性等方面具有优越性。

基于无迹卡尔曼滤波的动力电池状态估计

准确预测动力电池的荷电状态(SOC)与健康状态(SOH)对电动汽车电池系统的安全运行至关重要。卡尔曼滤波(KF)算法被广泛用于动力电池的状态估计,但非线性误差较大。提出利用无迹卡尔曼滤波(UKF)算法实现对动力电池状态的准确估计。首先,通过分析动力电池实验数据,建立一阶等效电路模型,模型拟合优度达到0.992。随后,加入容量衰退机制模拟锂离子电池老化过程,并对电池进行恒流充电以及随机放电循环,模拟动力电池实际工况。不同初始值下,SOC、SOH估计的均方根误差均小于0.01,且随着循环次数的增加,误差逐渐减小。

基于无迹卡尔曼滤波和小波分析的IMU传感器去噪技术研究

获得精确的姿态信息是跌倒检测的关键。文中在姿态角解算问题中提出一种基于无迹卡尔曼滤波和小波滤波的改进方法,通过Savitzky-Golay滤波器和小波滤波融合算法对加速度计以及陀螺仪数据进行降噪处理,利用降噪后的加速度数据对陀螺仪数据进行PI积分补偿,将补偿后的陀螺仪数据进行Mahony解算,其结果作为无迹卡尔曼滤波的状态信息;其次通过加速度值解算,将其结果作为无迹卡尔曼滤波的量测信息实现姿态解算。实验表明,在静态条件下,相对于常见的扩展卡尔曼滤波融合切比雪夫滤波算法,该方法使IMU传感器原始加速度计精度提高了83.3%,姿态角标准差平均减少了0.00193,能够有效地减少随机噪声。零点漂移、高斯噪声对IMU传感器姿态角信号的影响,使跌倒检测系统在复杂的环境条件下具有较高的精度以及稳定性。

带乘性噪声的欠观测系统无迹增量Kalman融合估计

研究了带乘性噪声的非线性欠观测系统的多传感融合估计问题。采用虚拟状态向量与虚拟噪声,并为虚拟状态设计一步预报器与状态更新方程。针对非线性欠观测系统提出了无迹增量Kalman滤波算法(UIKF)。提出了对角矩阵加权的融合增量卡尔曼滤波器。通过对比分析,得到增量估计值精度要高于标准估值精度,加权融合曲线的估值精度要高于单一子传感器估值精度,验证了在滤波过程中使用增量滤波方法对状态估计的优化。

四驱车辆交互式多模型自适应无迹卡尔曼滤波路面附着系数估计

路面附着系数对车辆动力学控制性能有重要影响,为准确实时估计路面附着系数,提高算法在不同路面及工况下的估计精度与收敛速度,本文针对分布式四轮驱动车辆,结合7自由度车辆动力学模型和Dugoff轮胎模型,提出了一种基于交互式多模型的自适应无迹卡尔曼滤波(IMM-AUKF)路面附着系数估计方法,首先将改进的Sage-Husa噪声估计器引入到无迹卡尔曼滤波(UKF)算法中,构建了自适应无迹卡尔曼滤波(AUKF)观测器,以对测量噪声进行实时更新并保证其协方差矩阵的正定性,同时提高新观测数据的权重,并增强算法的实时跟踪精度和稳定性;然后通过选择不同的观测变量,分别构建了车辆纵向行驶工况AUKF观测器和横纵向耦合工况AUKF观测器,并利用交互式多模型(IMM)算法进行观测器模型的切换,进而实现算法在车辆不同行驶工况下路面附着系数的准确估计。高附、低附、对接以及对开等路面仿真试验及实车道路试验结果表明,所提出的IMM-AUKF算法相比于传统的UKF算法,具有更高的估计精度与更快的收敛速度,能够适应不同工况下路面附着系数的实时准确估计。

基于自适应无迹卡尔曼滤波算法的锂电池荷电状态预测

针对无迹卡尔曼滤波在噪声不稳定和工况复杂的情况下锂电池荷电状态预测准确度低的问题,提出基于二阶等效RC电路模型,采用遗忘因子递推最小二乘法对模型参数进行辨识,使用自适应无迹卡尔曼滤波算法(AUKF)对锂电池荷电状态进行预测,最后在DST数据工况下,验证预测模型的准确性。对无迹卡尔曼滤波(UKF)算法和提出的AUKF算法进行仿真对比,结果表明:所提算法的最大误差在±0.02之内,预测精度更高、适用性更强。

基于自适应预瞄的履带式无人车轨迹预测控制

针对履带式无人车采用纯跟踪算法进行轨迹跟踪控制时轨迹适应能力差及跟踪精度低等问题,提出了基于轨迹预测的自适应预瞄跟踪控制算法。首先建立基于瞬时转向中心的运动学模型,并基于该模型和无迹卡尔曼滤波算法对履带式无人车进行滑动参数估计及轨迹预测;然后构造代价函数,利用轨迹预测结果在多个预瞄点中选择代价最小的预瞄点用于无人车纯跟踪控制;最后利用Simulink/Recurdyn进行仿真。结果表明,该算法可有效提高纯跟踪控制器的控制效果。

基于无迹卡尔曼滤波水下WPT系统副边关键参数在线辨识

为提升无线电能传输(wireless power transfer,WPT)系统传输性能,需在控制过程中实时获取负载与耦合系数等关键信息,而该信息的获取目前普遍采用无线通讯模块或增加额外通信线圈等方式,增加了系统复杂度,尤其面临复杂水下工况及高频电磁环境,在通讯过程中极易造成通讯异常而导致系统瘫痪。为此,文中提出一种新型基于无迹卡尔曼滤波的WPT系统互感及负载关键参数在线识别方法,该方法仅需采样原边侧电压瞬时值,即可实时获取互感与负载等关键参数信息。同时为提升辨识精度与收敛速度,采用离线式神经网络指导粒子群优化算法建立系统噪声协方差矩阵。实验结果表明,该算法具有模型简单、计算精度较高等特点,在变负载、变移相控制角及偏移情况下,所提出的在线辨识方法对负载与互感的最大识别误差分别为6.19%和1.7%,且2 ms左右即可完成负载的动态识别,具有一定的工程应用价值。

自适应渐消无迹卡尔曼滤波锂电池SoC估计

精确的荷电状态(SoC)是锂电池安全高效运行的重要保障,文章针对传统无迹卡尔曼滤波(UKF)对非线性系统突变状态跟踪能力差,导致SoC估计精度低的问题,提出一种新型自适应渐消无迹卡尔曼滤波(AFUKF)SoC估计方法。首先,通过设计新型衰减因子对UKF误差协方差矩阵进行加权,并基于新型衰减因子完成AFUKF的设计,减小陈旧量测值对估计结果的影响,提高传统UKF的估计精度和跟踪能力。其次,基于自主实验平台测试数据,验证了本文所提AFUKF算法存在初始误差时,相较于传统UKF算法,ECE工况下平均绝对误差和均方根误差分别下降了47.95%和33.92%,DST工况下分别下降了36.40%和27.73%;相较于同类改进的AUKF算法,ECE工况下平均绝对误差和均方根误差分别下降了43.36%和33.51%,DST工况下分别下降了39.01%和25.63%。模型结果表明,相比于传统UKF算法以及同类型改进的AUKF算法,AFUKF具有更高的估计精度,且在相同初始SoC误差条件下具有更好的鲁棒性。

自适应无迹卡尔曼滤波算法在水下组合导航系统中的应用

【目的】解决水下组合导航系统中先验噪声与实际噪声分布不匹配时,融合滤波性能下降问题,提高自主式水下航行器导航精度。【方法】提出一种自适应无迹卡尔曼滤波算法(AUKF),在融合算法中引入自适应因子;重构系统状态方程中速度项与状态变量的结合方式,解决系统方差不一致问题。通过仿真实验和半物理实验验证该算法的有效性。【结果与结论】与无迹卡尔曼滤波算法相比,在平均位置估计偏差上,AUKF算法的纬度均方根误差(RMSE)降低27%,经度RMSE降低27%,高度RMSE降低25%。AUKF在面对偏差对系统状态的扰动时能够有效抑制滤波发散,从而有效地提高自主式水下航行器的导航精度。

基于无迹卡尔曼滤波的反窃电自动化检验系统

在电力系统发展过程中,窃电行为不仅会产生巨大的经济损失,还会引起火灾,影响电力公司的安全运行。为此,设计了基于无迹卡尔曼滤波的反窃电自动化检验系统。构建检验系统模型,根据模糊逻辑函数,计算卡方验证匹配参数。利用离散算法建立检验设备的系统状态方程和系统测量方程,加权处理信息噪音干扰。分析无迹卡尔曼滤波动状态,计算均方误差值,实现反窃电自动化检验。实验结果表明,基于无迹卡尔曼滤波的反窃电自动化检验系统准确率在98%以上,可保证电力公司的安全运行。