基于自适应优化选择-抗差自适应卡尔曼滤波混合模型的GNSS+5G组合定位

PNT系统的构建是通信和导航领域的关键课题。发展能够兼容集成不同类型PNT手段,提供具备较好的弹性和环境适应性的综合PNT体系已成为当前刻不容缓的重要任务。5G和北斗系统的出现和发展,为PNT体系走向更综合、更弹性提供了新的思路。据此,本文提出了一种基于GNSS+5G组合数据的自适应优化选择-抗差自适应卡尔曼滤波(AOS-RAKF)算法,以实现城市复杂环境中的高精度定位估计。该算法主要由两个模块组成,即基于AOS的5G基站测量数据优化和基于AOS-RAKF算法的GNSS+5G组合定位。其中,基于AOS的5G基站测量数据优化模块通过自适应优化选择因子实现更好的观测数据重选。GNSS+5G组合定位模块利用优化后的5G数据和GNSS建立耦合结构模型,再利用RAKF方法实现移动车辆的高精度定位。半实物仿真测试结果表明,复杂城市环境下与使用原始测量数据的GNSS、单5G、传统的GNSS+5G组合定位相比,本文AOS-RAKF方法显著提高了定位精度。

基于改进无迹卡尔曼滤波的滑坡监测算法

在露天矿开采过程中滑坡坍塌是开采过程中常见的问题,滑坡是影响露天矿边坡安全生产的重要因素,露天矿边坡稳定性研究与治理是矿山技术工作中不可缺少的组成部分。因此,提出一种基于改进灰狼算法优化的无迹卡尔曼滤波算法,解决无迹卡尔曼滤波对模型不确定性的鲁棒性差和在系统达到平稳状态时,容易丧失对突变状态的跟踪能力的问题。传统灰狼算法(GWO)易陷入局部最优、后期收敛速度慢等问题,因此提出非线性控制参数组合调整策略,形成改进的灰狼优化算法,运用改进的灰狼优化算法对无迹卡尔曼滤波进行实时优化。结果表明所提算法误差小、精度高,具有良好的预测效果。

卡尔曼滤波改进虚拟同步机控制研究

虚拟同步发电机(VSG)通过模拟同步发电机的动态特性为电网提供惯性支持,但是VSG系统中通信传输过程的噪声会影响精度,从而造成频率抖动。针对上述问题,在传统的VSG控制系统上加入卡尔曼滤波环节,形成一种新型的抗扰控制方式。在控制中利用遗传算法将卡尔曼滤波器的协方差矩阵Q和R作为遗传算法的个体编码,设计适应度函数来评估不同参数组合下的滤波效果,以提升VSG系统的性能。仿真结果表明,所提出的控制策略能够有效提高运行稳定性,消除机端频率抖动。

自适应卡尔曼滤波与PSO-GA-BP算法的机器人误差补偿

采用七轴机器人设备夹持激光器的方式对某型号发射筒进行切割开孔加工。在加工过程中,因轨迹精度和绝对定位精度较低,容易对型号产品发射筒产生损伤和误差切割等问题,运用D-H算法建立七轴机器人理想模型,运用正逆运动学数值算法对理想模型进行验证,运用理想模型的理论位姿参数和激光跟踪仪的测量位姿参数基于Sage-Husa自适应卡尔曼滤波求解七轴机器人真实位姿坐标信息,得到理想位姿参数和真实位姿坐标信息的关节误差,然后结合粒子群优化-遗传算法-BP神经网络联合算法对七轴机器人建立误差预测模型,采用七轴机器人理论位姿参数作为输入样本,真实位姿与理论位姿的各关节角度差作为输出样本,通过库卡机器人Workvisual 5.0软件按照模型输出值对七轴机器人的各关节角度值进行补偿。经过仿真实验和加工,各关节误差补偿后的七轴机器人轨迹误差和绝对定位误差减小72%,满足工艺要求。

基于量子粒子群优化容积卡尔曼滤波的LANDMARC室内定位算法

针对噪声环境下,基于标准容积卡尔曼滤波的LANDMARC室内定位算法因噪声特性估计不准,引起滤波性能下降而导致定位误差较大的问题,提出一种基于量子粒子群优化容积卡尔曼滤波的LANDMARC室内定位算法。该算法首先建立基于LANDMARC定位框架下的运动目标动态模型,然后引入量子粒子群优化技术对容积卡尔曼滤波中时间更新过程的状态预测值进行优化,以降低因畸变噪声引起的误差;最后将改进的容积卡尔曼滤波算法应用到运动目标状态估计中。实验结果表明,所提算法定位误差均值为0.175 m,与相同环境下传统的LANDMARC算法、基于容积卡尔曼滤波的LANDMARC算法以及基于粒子群优化容积卡尔曼滤波的LANDMARC算法相比,定位精度和稳定性均有明显提高,且运算时间比基于粒子群优化的算法少,应用在室内定位中能够得到较为真实的目标移动轨迹。

优化卡尔曼滤波算法中的目标函数选择

针对优化卡尔曼滤波算法(optimized Kalman filter,OKF)中的目标函数选择问题,设计了两种适用于OKF算法优化的目标函数,证明了这两种目标函数是最优的,即当目标函数取最小值时,OKF算法中的滤波估计值Hkx⌒k|*k-1是(或概率意义下)系统真实状态Hkxk的最优估计。把上述目标函数应用于多模型卡尔曼滤波算法(multiple model adaptive Kalman filter,MM-AKF)中,设计了一种优化多模型卡尔曼滤波算法(optimizedmultiple model adaptive Kalman filter,OMM-AKF),OMM-AKF算法能够根据目标函数优化子滤波器的滤波估计值权值,从而能够得到系统真实状态的较优估计值。最后,通过仿真验证了上述理论的正确性和方法的有效性。

地下水动态监测网优化设计的有限元与卡尔曼滤波耦合算法

提出一种地下水流系统有限元与卡尔曼滤波耦合的模拟算法。该算法考虑了地下水运动的确定性和随机性特点 ,可用于地下水监测网的优化设计。应用该算法对大庆地区地下水动态监测网进行了分析 ,结果表明 ,大庆地区现有地下水位动态监测网难以达到监测目标 ,其最优地下水位动态监测网应由 88个监测孔组成 ,监测频率为每月 1次。

基于卡尔曼滤波与相位相关算法的机场周边远场图像全景拼接优化

目前针对机场周边远场环境,依靠单个摄像机的分散监控已经无法满足现行机场对于周边环境掌控的要求。因此提出了在远场环境下,使用单目摄像机匀速旋转360度得到的一系列周边图像去生成一张全景拼接图。然后运用卡尔曼滤波和相位相关算法对摄像机进行运动优化,最终实验得到了一个稳定实时的全景拼接图像。所以,此方法对于机场周边远场环境的监控能够做到实用可靠。

基于蛙跳算法与卡尔曼滤波的大坝位移预测模型优化

为提高传统大坝位移统计模型的预测能力,引入蛙跳算法和卡尔曼滤波等,基于最小二乘法确定统计模型回归系数,采用蛙跳算法对回归系数进行优化;运用卡尔曼滤波法将回归系数作为状态方程的状态向量,使预测模型能实时反映监测数据的变化。工程算例应用结果表明,基于蛙跳算法与卡尔曼滤波的大坝位移预测优化模型能有效提高统计模型的预测精度,可为大坝位移预测提供参考。

混合果蝇优化算法PID参数整定方法的研究

【目的】解决基本果蝇优化算法(FOA)由于算法局限性而出现比例积分微分(PID)参数整定收敛速度慢且容易过早陷入局部最优的问题。【方法】为了在迭代前期具有更高的全局搜索效率,利用粒子群算法(PSO)寻找多个全局较优种群,迭代后期使用具有较强的局部寻优能力的FOA算法提高收敛精度,实现对全局搜索和局部搜索过程的优化。【结果】两个二阶时滞系统的阶跃响应测试结果表明,基于HFOA的PID控制器参数整定的上升时间、调节时间和超调量等指标更优,能够实现更好的系统响应性能。【结论】优化后算法具有控制精度高、响应速度快、鲁棒性好等优点,为PID参数优化提供了参考。

基于果蝇优化算法的风功率预测数据可信度量化分析

针对风功率预测数据精度较低,可信度难以度量的问题,研究了基于果蝇优化算法的风功率预测数据可信度量化分析方法。采用一次指数平滑方法平滑处理风功率预测的历史风速数据,将完成平滑处理的数据输入LSSVM风功率预测模型中,该模型设置线性最小二乘系统作为支持向量机的损失函数。选取果蝇优化算法优化LSSVM风功率预测模型,设置风功率预测的均方根误差作为果蝇优化算法的适应度函数,获取LSSVM风功率预测模型的最优参数,量化分析了风功率预测数据可信度。实验结果表明,该方法预测风功率的均方根误差低于0.3,具有较高的风功率预测数据可信度。

基于果蝇优化算法的加速度计温控系统研究

针对硅微谐振式加速度计在复杂的常温环境下输出不稳定问题,设计了基于改进的模糊PID控制的加速度计温控系统。通过对加热片的热分析和加速度计的温度场仿真,验证了温控系统加热片放置的有效性。采用果蝇优化算法(FOA)和积分分离对模糊PID控制进行优化,给出了优化后温控系统的整体设计。搭建温控系统实验装置,对优化方案进行验证。与PID控制相比,改进的模糊PID控制算法使得温控系统收敛时间减少到60s,超调量减少了9.8℃,稳态误差减少到0.1℃。与无温控相比,加速度计在40℃恒温下启动20min后的零偏稳定性值减少了71.4%。实验结果表明:基于改进模糊PID控制的温控系统可显著提高温度控制的精度。

融合轨枕检测和卡尔曼滤波的中低速磁浮列车测速定位优化算法研究

可靠、准确的速度位置信息对于中低速磁浮列车的安全行驶起着至关重要的作用。基于中低速磁浮列车测速定位中常用的轨枕计数检测方法,采用2套涡流传感器冗余设备采集列车的速度、位移数据,提出不同速度下列车测速定位的优化算法。在该优化算法的基础上融合了卡尔曼滤波,通过不断迭代和更新,得到准确的速度位置信息,并计算出采用2套测速设备时2组速度数据的计算权值。采用Matlab软件对优化算法进行仿真,结果表明:该算法可以显著提高中低速磁浮列车速度位置信息采集的精度和可靠性。

新息自适应混合卡尔曼滤波算法构建地表沉降预测模型

为解决矿区地表沉降变形预测的问题,提高预测模型的精度,提出了基于自回归综合移动平均模型(Autoregressive Integrated Moving Average model,ARIMA)的新息自适应卡尔曼滤波(Innovation Adaptive Kalman Filter,IAKF)与组合神经网络相结合的混合预测模型。首先,针对沉降变形监测序列的非平稳性与复杂性等特点,ARIMA模型能够将原始数列平稳化,以此构建地表下沉的预测模型,并作为新息自适应卡尔曼滤波的状态方程。然后,将集合经验模态分解(Ensemble Empirical Mode Decomposition,EEMD)、粒子群优化算法(Particle Swarm Optimization,PSO)和BP神经网络结合,构建EEMD-PSO-BP神经网络的组合网络模型,将组合神经网络的沉降预测结果作为观测值引入到卡尔曼滤波观测方程中,以建立混合预测模型。最后针对噪声方差Q与R选取的问题,利用新息自适应卡尔曼滤波估计出噪声方差的协方差阵。混合预测模型能有效减小单一预测机制造成的同一性质误差的累积,将基于ARIMA的新息自适应卡尔曼滤波、EEMD-PSO-BP神经网络模型与混合滤波模型的精度进行对比,新息自适应混合卡尔曼滤波预测模型的均方根误差降低至0.3194mm,相对百分误差降到1.42%。实验结果表明,混合滤波模型的各项预测结果要优于传统预测模型,精度相比较传统的预测模型有较大的改善。

基于内点法的不敏卡尔曼滤波算法

针对非线性不等式状态约束滤波问题,提出一种基于内点法的不敏卡尔曼滤波算法。该算法在不敏卡尔曼滤波的基础上结合了优化算法的思想,采用内点优化法求解非线性不等式约束条件下的最优解。在算法实现过程中,引入障碍项,用无约束障碍函数近似化受约束目标函数,采用一个相当小的正数即障碍因子,通过序列极小化方法逐渐减小该障碍因子,经过迭代快速搜索出非线性不等式状态约束问题的近似最优解。对具有约束的航路跟踪系统进行实验仿真,实验结果表明新算法在处理非线性不等式状态约束滤波问题时,能够有效地提高状态估计精度,获得较高的滤波精度,且时间复杂度较低。

基于卡尔曼滤波算法的机器人速度测量及优化

根据机器人产品的质量和安全关注点,并结合国家机器人检测与评定中心的实际工作,分析了国内外机器人相关的标准,得出运动速度的测量是机器人检测评定过程中的重要项目。利用激光跟踪仪测量机器人运动速度的过程中存在误差,分析了误差的主要来源。为了减小误差,提出了基于卡尔曼滤波算法对测量数据进行滤波的方法。介绍了卡尔曼滤波算法的基本原理和主要流程,建立了机器人运动速度测量过程的状态方程和观测方程。最后,试验验证了卡尔曼滤波算法的滤波效果。试验结果表明,卡尔曼滤波算法可以将机器人运动速度的测量误差从17%降低到5%,有效地改善了测量结果。

基于粒子群算法和平方根平淡卡尔曼滤波的北斗导航系统定位估计算法

为提高北斗定位系统(BDS)的估计精度,克服传统平淡卡尔曼滤波(UKF)算法中可能因状态量协方差矩阵失去正定性而导致滤波器发散的问题,将平方根平淡卡尔曼滤波(SRUKF)算法应用于BDS定位估计.在此基础上,为进一步提高SRUKF算法的性能,引入粒子群优化(PSO)算法,提出基于PSO和SRUKF算法的BDS定位估计(PSO-SRUKF)算法.结果表明,PSO-SRUKF算法可以降低系统噪声和测量噪声特性估计不准确带来的误差,有效提高了BDS定位精度和稳定性.

基于混沌自适应果蝇优化的PID参数优化

针对标准果蝇算法(FOA)收敛速度快慢依赖初始化且易陷入局部最优的缺陷,提出一种混沌自适应果蝇优化算法(GIFOA)的PID参数优化方案。GIFOA采用混沌映射初始化种群,增加种群的遍历性;自适应调节搜索步长平衡全局和局部搜索能力;以搜索方向作为浓度判定值,控制偏差绝对值和控制器输入平方项的时间积分作为适应度函数,并将此优化算法应用于二阶时滞系统的PID控制参数调节。

基于果蝇优化算法的5G网络基站选址研究

为解决5G网络基站选址未考虑建筑物的空间分布规律,使得基站选址效果不理想,导致基站覆盖范围较小的问题,提出了基于果蝇优化算法的5G网络基站选址研究方法。计算前线基站到圆形覆盖中心的距离,利用卫星通信设备对回传信号定位,得到后方基站的可选位置区域。计算数据接收、发送和聚合能耗,在蜂窝单元均衡分配的前提下,保证基站数据负载平衡。构建基站选址双层位置模型,设定约束条件,确定基站最佳位置。利用果蝇优化算法更新位置,经过个体更新迭代处理,避免陷入局部最优,获取精细的基站选址位置。由实验结果可知,该方法前线、后方基站损耗最小分别为50 dB、70 dB,基站覆盖范围半径为6 km,与理想基站覆盖范围一致。

基于改进果蝇优化算法的塔机自适应滑模控制研究

针对部分工况下塔机负载摆角直接测量困难、系统滑模控制器抖振明显以及控制器参数调节复杂等问题,提出了一种基于改进果蝇优化算法的塔机自适应滑模控制方法。首先,根据拉格朗日方程,得到了塔机单摆系统的动力学模型。然后,设计了线性扩张状态观测器,用于观测塔机负载摆动状态,并将观测结果反馈到自适应滑模控制器中;在构造滑模面时,采用双曲正切函数代替常用的符号函数以增加其连续性,从而减小抖振。最后,改进了果蝇优化算法的寻优策略及搜索半径,并对自适应滑模控制器的参数进行了优化。结果表明,所设计的线性扩张状态观测器跟踪观测塔机负载摆角的收敛速度较快且跟踪误差小于1.3%;经改进果蝇优化算法优化后的自适应滑模控制器不仅对负载摆动有较好的抑制作用,而且具有较强的抗干扰性和鲁棒性。所提出的控制方法可在实现精确定位的同时有效避免塔机负载摆动带来的安全隐患,保障工人的安全和工程的顺利开展。