交互式多模型算法改进视觉惯性定位技术

针对目前使用优化方法构建的视觉惯性数据融合模型尚未充分考虑实际复杂性,导致无法准确模拟复杂的实际状态的问题,提出一种交互式多模型(IMM)算法改进视觉惯性定位技术:指出相较于传统滤波方法,优化的视觉惯性融合定位技术具有更高的估计精度,并且在计算效率上能够与滤波方法媲美,这得益于雅可比矩阵和海塞矩阵的稀疏性特征;然后给出将交互式多模型算法与优化算法相结合的方法,利用IMM能够有效模拟单个目标在多种情景下的状态的特点,通过模型概率实时分配惯性数据和视觉数据的置信度,改进优化算法,从而提高位姿估计精度。实验结果表明,相比基于旋转不变特征点的实时定位构图系统第三代(ORB-SLAM 3)算法,该方法对定位精度的均方根(RMS)误差性能可提升17%。

针对多种重点高速公路逃费类型数据模型算法的研究与思考

随着全国取消高速省界收费站及数字化交通实行规划的推进,我国高速公路逐步形成了“一张网运营,一体化服务”的新格局。路网服务扩大的同时,也让路网结构更复杂、车辆单次通行里程变长、交易场景碎片化、通行途经门架及可达路径多等现实因素,提升了收费稽查工作的难度。本文旨在分析多种重点逃费类型的数据模型算法,以提高对逃费行为的识别和预测能力。通过对现有的逃费问题进行分析和总结,本文提出了多种重点逃费类型的数据模型算法,并对其进行了实验验证。结果表明,这些数据模型算法在逃费行为的识别和预测上具有良好的效果,有望为业界同行提供有效的决策支持和管理手段。

模型算法审计:理论内涵、国际经验与审计框架

模型算法是大数据、人工智能等数字化技术和数字经济发展的核心要素,对数字化转型起着关键性作用。模型算法的应用越来越广泛,在提升管理水平和自动化程度的同时,也对模型算法风险监管提出了严峻挑战。美国、英国、欧盟、加拿大等已陆续出台模型算法监管规定和审计指引,英国、荷兰等最高审计机关已开展模型算法的审计实践。本文基于以上分析,提出模型算法审计的概念内涵,尝试构建了适合我国的模型算法“五维”审计框架,回答了未来我国模型算法审计“谁来审”“审什么”“怎么审”“审计的条件”以及“审计的原则”等五个方面的问题,以期为今后开展模型算法审计实践提供理论参考。

基于改进SR3模型算法的ECT图像重建研究

针对电容层析成像技术应用于气固两相流检测时,图像重建过程中存在的不适定性问题,提出一种稀疏松弛正则化回归模型(SR3)应用于ECT图像重建。采用软阈值迭代法和梯度下降法为SR3模型求解器,向SR3模型中加入L_(1)、L_(2)惩戒项,并设计滤值环节优化解向量。实验结果表明,改进SR3模型算法相比Tikhonov正则化算法、L_(1)正则化算法及原SR3模型算法,重建图像精度明显提高,图像相对误差显著降低,有较好的成像效果。

光纤传感器模型算法

光纤传感器模型算法是技术测量编程的依据。该算法是采用三角形法则来指导光纤传感器的技术测量。单分辨率模型操作产生测量模型单点,多个单点汇集组成多分辨光纤传感器模型测量点。测量点采用三点为最佳,三点测量简化误差测量,故为三角形模型。三角形模型可确认工件尺寸和各测量点之间的数据关联量,数据关联量是确定算法的基本量。三角形测量模型算法[1]是调整模型分辨率的主要办法,光纤传感器测量模型算法[2]是由技术测量实验结果证明的有效算法。

改进的模型集自适应变结构多模型算法

针对传统固定结构的交互式多模型算法模型集无法覆盖目标的所有运动模型,提出一种改进的模型集自适应变结构多模型算法。该算法在量测信息的基础上,采用Kullback-Leiber规则对模型集中各模型与目标运动模型匹配程度进行判别,删减匹配程度较低的模型;同时,采用改进的期望模型算法得到一个新的匹配程度高的模型集,并对原模型集中的模型进行更新;最后再与容积卡尔曼滤波器相结合,实现非线性目标跟踪系统的变结构多模型算法。仿真结果表明:该算法在保证系统计算量没有明显增加的基础上有效地增加了算法的自适应性能和系统的鲁棒性能,更好地满足了工程应用中对算法自适应性和实时性的要求。

高速铁路大跨度斜拉桥主梁CPⅢ点实时高程预测模型算法研究--以昌赣高铁赣江特大桥为例

大跨度斜拉桥梁体受到多种环境因素的影响会发生变形,进而导致桥面CPⅢ控制点的成果具有多值性,昌赣高铁赣江特大桥主跨长300 m,采用常规的技术方法在如此大跨度斜拉桥上铺设无砟轨道难度较大。通过实测桥面CPⅢ点位高程、大气温度、梁体温度和桥塔位移变形,建立以上几种参数之间的关系模型,通过模型计算各个CPⅢ点在不同温度条件和桥塔偏移量下的变化量,并验证模型计算结果和实测结果较差小于规范要求的3 mm限差,进而采用模型计算的高程数据进行自由设站,设站精度均不大于规范要求的0.7 mm限差,说明本研究模型计算的CPⅢ点高程能够在实际工程应用中使用并满足规范的精度要求。

用于机动目标跟踪的多模型算法进展

对多模型算法的发展过程进行了简单的回顾和评述 ,通过分析固定结构多模型算法的局限性 ,得出变结构多模型算法的使用时机。

基于变维交互式多模型算法的近区目标跟踪研究

雷达数据处理中的一个关键部分是目标跟踪,它负责对目标的点迹进行滤波,降低噪声影响。交互式多模型算法是一种基于广义伪贝叶斯算法的具有马尔科夫转移概率的多模型算法。它可以用多个模型匹配目标的不同机动模式,避免了单模型不能全程匹配带来的模型误差。近区目标往往具有较大的角速度和角加速度,模型集里包含角速度分量可以更好的匹配其机动形式。于是在交互式多模型的基础上提出了一种变维交互多模型算法,可以对不同维度的模型集进行交互滤波,以取得更好的跟踪精度。

基于贝叶斯网络的GO法模型算法

GO法是评价具有多状态时序特性的复杂系统可靠性的有效方法,但GO法操作符众多、算法复杂并且缺乏工具软件支持,制约了GO法的工程应用。针对该问题,本文提出一种基于贝叶斯网络的GO法新算法。首先,定义常用操作符到贝叶斯网络节点映射规则;然后,给出GO模型映射转换为贝叶斯网络的可编程流程;最后,利用贝叶斯网络成熟工具支持,定量求解映射后的贝叶斯网络模型。新算法操作符映射规则统一,模型映射转换流程简单直观,便于工程人员掌握和应用。此外,除了能得出传统的定量结果,新算法使得GO法还具有故障推理和诊断能力。

交互式多模型算法性能分析

广泛应用于目标跟踪和故障诊断的动态多模型估计 (SMME)假设模式的切换服从马尔可夫过程 .对马尔可夫切换概率 (MTP)的非MonteCarlo分析有助于深入了解SMME的机理 ,发现参数寻优的法则 ,设计或发展新的自适应多模型估计器 .然而由于SMME的复杂性 ,非MonteCarlo分析很难给出 .本文针对SMM中著名的交互式多模型 (IMM)估计器 ,通过将IMM看作是输入交互和子滤波器串联 ,分析了具有m个参数的MTP矩阵 ,给出了六条不依赖于应用环境及子滤波器设计的结论 .部分结果也适用于一阶广义伪贝叶斯算法 (GPB1) .

具有参数自适应的交互式多模型算法

动态多模型估计 (SMME)广泛应用于结构和参数的不确定 /变化的估计问题中 ,比如目标跟踪和故障诊断与隔离 .然而由先验信息选定的滤波参数是模式切换与模式未切换情况下的折衷 .针对SMME ,本文通过在每个滤波循环开始处起始多个状态预测器实时地辨识滤波参数 ,包括模式切换概率和基于模型的过程噪声方差 .考虑到交互式多模型 (IMM)是SMME中比较有效的方法 ,我们将上述的参数辨识与IMM相结合 ,提出了一种自适应IMM(AIMM ) .在跟踪一个机动目标的仿真中 ,AIMM表现出了比IMM更高的估计精度 .

时间序列模式及其预测模型算法应用

通过对时间序列模式分析研究,提出了时间序列的趋势性、季节性和随机性分析的应用模型及随机性12类预测数学模型算法,以该算法实现的数据挖掘系统经实际应用后效果很好。

交互式多模型算法的模型集设计

针对交互式多模型(IMM)算法中模型集的设计问题,提出一种模型集设计方法.在已知真实模式概率分布函数的情况下,根据要求的模型数目,等概率划分模式空间,在每个等概率模式空间上,利用方差的含义获得最大范围地覆盖模式空间的模型集,并给出一个例子说明模型集的设计方法.应用Monte-Carlo仿真,将所设计的模型集用于IMM算法进行目标跟踪.仿真结果显示跟踪精度高,表明了该模型集设计方法的有效性.

交互式多模型算法过渡过程的仿真分析

交互式多模型(IMM)是混合估计理论中比较优越的算法。混合系统假设模式的切换能够瞬时完成。然而由于量测噪声和滤波系统惯性的作用,混合系统的模式切换具有过渡过程,对于实际运动模式切换存在漏检与误报。本文利用Monte Carlo仿真分析了两模型IMM算法过渡过程的滤波残差的统计特性,研究结果对于分析和改进算法具有重要的意义。

基于“当前”统计模型的交互式多模型算法

提出了一种基于"当前"统计模型的交互式多模型算法。在交互式多模型算法框架内,计算"当前"统计模型的概率,自适应地调整"当前"统计模型中目标加速度,使其能够反映目标的机动特性,充分发挥了"当前"统计模型和交互式多模型算法的优点,扩大了"当前"统计模型的应用范围,提高了"当前"统计模型的自适应性。Monte Carlo仿真结果表明了该算法的有效性。

两级交互式多模型算法

在混合估计中 ,交互式多模型滤波器 ( IMM—— Interacting Multiple Model)以其优越的性能而受到广泛的研究 .由于马尔可夫参数的限定 ,交互式多模型在模型数较多时会出现精度下降 ,从而限制了它在高维参数空间建模的有效性 .利用模型集的概念 ,首次提出了双马氏过程的模型切换假设 ,从而构造出一种两级交互式多模型滤波器 .通过辨识系统噪声的多个统计参数比较了两级交互式多模型滤波器与常规交互式多模型滤波器 .结果表明 :对于大信噪比信源 (即小的量测噪声 ) ,两级交互式多模型滤波器与常规交互式多模型滤波器性能基本相当 ;而对于小信噪比信源 (即大的量测噪声 ) 。

一种基于有限元的形变模型算法

针对实时虚拟手术仿真中的弹性形变物体，本文提出了一种新的算法。该算法考虑到虚拟手术中存在的特殊情况，在形变模型的实时交互性与精确性之间取得了良好的平衡。模型的实时交互性是通过进行预处理实现的，此时响应用户操作的实时形变计算得到加速。模型的精确性则来自于基础算法有限元法的精确性。

基于Hopfield网络单元机组负荷多变量模型算法控制

电厂负荷系统是一个有耦合和约束的多变量对象。模型算法控制(MAC)是预测控制的一种,在惯性迟延对象的控制中有很好的应用。该文提出用Hopfield网络来求解具有约束的多变量负荷系统的控制输入。仿真表明,该方法算法简单、鲁棒性强、控制效果理想。

模糊模型算法控制的永磁同步电动机位置伺服系统

提出一种模糊预测控制算法 ,它兼有模糊控制和预测控制的优点 ,对被控对象的数学模型要求不高 ,能够克服传统控制方法中由于电机参数测量不准而带来的建模困难 ,并且具有较好的鲁棒性和实时性。本文将模糊模型算法控制应用于永磁同步电动机位置伺服系统中。仿真和试验结果表明 。