用于智能手机融合定位的行人步长模型研究与实现

针对复杂环境下的行人智能手机融合定位的需求,设计了一种适合行人航迹推算算法的步长模型。经过实验,证明此步长模型能够满足融合定位中行人航迹推算的要求。

基于参数化历史电流源的广义小步长开关模型

为了满足实时仿真的需要,电力电子开关常采用基于L/C电路的小步长模型。这种小步长模型参数设置复杂,存在明显的暂态误差,难以实现高频动作下的理想开关特性。该文提出一种基于参数化历史电流源的广义小步长模型,该模型不依赖于具体物理电路和数值积分方法,导通和关断时分别用两个Dommel差分电路表示。两个差分电路的等效导纳相等,历史电流源用4个待定参数描述。在模拟理想开关时,其中的两个待定参数可由理想开关的稳态特性直接确定,另外两个参数则根据对小步长模型的暂态误差分析确定最优参数。算例分析表明,相比传统小步长模型,广义模型参数通过参数设置能更好地模拟理想开关的动作特性。

基桩极限承载力的改进变步长灰色预测模型研究

在深入研究桩土相互作用机理及基桩极限承载力变步长灰色预测方法基础上,针对现有基桩极限承载力灰色预测模型之基桩 Q-S 曲线导数与背景值确定方法的局限性与不足,结合 Q-S 曲线发展规律,提出了基桩极限承载能力的改进变步长灰色预测模型与方法,并初步探讨了基桩极限承载力灰色预测方法的精度与可靠性。通过工程实例计算并与同类方法计算结果进行比较分析,表明了所建模型的合理性。

一种变步长CMAC的沉降NARMAX模型

为了提高氧化铝生产质量和降低能耗,分析了氧化铝沉降工艺中影响沉降过程的各种因素,采用小脑模型神经网络(CMAC)系统辨识的方法建立沉降系统的带外部输入的自回归滑移模型(ARMAX)。针对CMAC收敛性存在的问题,提出了基于变步长小脑模型神经网络(CMAC)算法,通过双曲正割函数优化学习步长,提高了小脑模型神经网络算法的收敛速度和计算精度,进而优化了沉降槽密度ARMAX模型。仿真实验表明,该算法的ARMAX模型可以对沉降过程中的槽内密度进行准确识别,指导氧化铝的沉降生产操作。

灰色模型在非等步长变形监测数据处理中的应用

常规变形监测数据处理中的GM(1,1)灰色模型是以等时间间隔观测值为原始序列,经一次累加处理,建立生成数列的一阶微分方程,并利用最小二乘求解未知参数的建模方法;但实际监测过程中,因受诸多因素影响,采集到的原始数据多呈现非等间隔分布,引入时间权重思想建立改进的GM(1,1)灰色模型,通过对沉降数据进行建模分析及精度检验,扩大了灰色模型的适用范围,验证了该模型的可靠性和科学性。

非等步长PGM(1,1)模型及其在工程中的应用

针对工程中的非等步长数据,文章在PGM(1,1)模型基础上,提出了非等步长观测数据序列的灰色PGM(1,1)模型建模方法,并通过建立土体粘聚力与含盐量同含水量的比值的灰色PGM(1,1)模型,说明非等步长PGM(1,1)模型在工程中具有很强的适用性。

非等步长GM(1,1)模型在建筑物变形监测中的应用研究

将灰色系统理论应用于建筑物变形监测数据分析,针对观测周期的不确定性因素,提出使用非等步长GM(1,1)模型进行监测,并用最小二乘法求解模型参数,给出模型精度的检验方法,并以实际的建筑物的沉降观测数据为例说明应用此方法的全部过程,将分析和预测结果与传统GM模型进行比对,获得了更好的拟合数据和预测数据,且精度更高。

光照快速变化下MPPT算法扰动步长的优化设计

针对传统最大功率点跟踪(MPPT)算法在光辐照快速变化下可能发生误判,从而无法快速和准确地跟踪到最大功率点(MPP),该文在实现MPPT的基础上以太阳电池基本电路方程为基础,构建MPPT算法扰动步长与光辐照强度、环境温度、最大功率点及采样周期之间的数学模型,并分析扰动步长在光辐照强度快速变化时的作用机理。实验结果表明该扰动步长数学模型具有较高的可靠性和实用性。

灰色模型在沉降监测数据处理中的应用

在大型工程建设中,需要对建筑物及邻近建筑物进行变形监测,本文以天津市某基坑开挖对建筑物影响的监测数据处理为例,介绍了灰色系统模型的基本原理,通过采用传统的GM(1,1)灰色模型和非等步长GM(1,1)灰色模型两种方法对监测数据进行处理,对模型的预测效果进行了分析。

考虑变换器损耗特性的小步长实时仿真方法

小步长实时仿真是开展电力电子变换器硬件在环测试亟需的关键技术。考虑损耗特性可使实时仿真器响应特性更贴近实际,有效评估控制和调制策略效率。现有基于电感/电容等效的小步长模型存在虚拟损耗,无法精确计算仿真损耗。为此,文章提出考虑损耗特性的小步长模型,采用物理元件等效和构造离散系统相结合的方法,基于响应匹配的思想求解模型参数并给出稳定域。针对器件开关暂态损耗不易实时仿真的问题,通过推广冲量定理,提出具有较高通用性的暂态损耗等效算法。算例表明,相较于LC模型,所提算法有效抑制开关失真震荡并消除关断状态损耗,大幅提高动态特性和稳态特性,具有较高的仿真精度。

航空发动机燃烧室声载荷自激励门限自回归仿真模型

采用自激励门限自回归分析方法,利用航空发动机环形燃烧室测试数据,得到燃烧室噪声声压时间信号自激励门限自回归仿真模型SETAR(2;1;15,14),并与控后非门限的自回归滑动平均模型ARMA(6,5)进行了比较,仿真结果表明,误差方差明显降低。

NPC型三电平光伏并网逆变器模型预测控制

为了提高两级式NPC型三电平光伏并网逆变器系统的动态响应、降低并网电流谐波畸变率,采用模型预测控制的理论,提出了一种改进型的可优化集模型预测控制策略。利用变步长观测法得到直流侧母线参考电压,并与boost电路输出电压(即逆变器直流侧电压Udc)可获得光伏并网的有功给定值分量idref。考虑到传统模型预测控制计算量大等问题,并建立了dq旋转坐标系下的电压参考值;同时构造出可优化的性能代价目标函数。仿真结果表明:该方法能够保证光伏并网系统可靠平稳运行;并且不仅能够快速追踪光伏阵列的最大功率点,而且具有较小的电网电压波形和三相电流总谐波失真值;同时降低了模型预测控制策略的计算量。

基于胸戴式手机传感器的行人航位推算算法研究

针对基于胸戴式惯性传感器的行人航位推算(PDR)算法中步长模型估计精度低的问题,提出一种多约束的反馈式步长估计模型。首先,用约束型峰值检测方法进行单步划分;在此基础上,通过对身高、步频和单步内加速度计信息进行特征提取,形成不同的权重因子建立步长回归模型;再用前一步步长对当前步进行反馈修正;结合航向补偿算法进行航向修正;最终实现行人位置的解算。基于手机惯性传感器进行了行走实验,结果表明:本文算法可以有效提高步长估计精度,定位误差小于总行程2%。

一种改进INC和MPC的光伏最大功率点跟踪算法

最大功率点跟踪(MPPT)常用于在光伏发电系统中获取最大的功率输出。针对光伏系统最大功率点跟踪过程中存在动态响应速度和稳态跟踪精度难以兼顾的问题,提出了一种改进电导增量法(INC)结合模型预测控制算法(MPC)的光伏发电系统最大功率点跟踪技术。利用改进电导增量法获取光伏系统下一时刻的电流参考值,与模型预测控制器获取的电流值相比较,通过建立和评价系统两步长模型指标函数,达到MPPT快速跟踪的目的。仿真结果验证了该方法的有效性。

WiFi辅助的行人航位推算算法

行人航位推算(PDR)中,惯性传感器误差不断积累,提出一种基于Wi Fi辅助的位置矫正方法。当行人行至信号强度大于一定阈值的无线接入点(AP)时,将当前位置重置为此AP的位置坐标。针对当前PDR算法中步长估算精度低及普适性差等问题,提出了一种Wi Fi辅助的频率—步长模型动态调整方法。当Wi Fi信号强度低于设定阈值时,对合加速度进行快速傅立叶变换(FFT)变换得出实时频率,采用频率—步长模型估计步长;当Wi Fi信号强度连续两次达到设定阈值时,将频率估计步长和Wi Fi估计步长根据接收信号强度指示(RSSI)大小进行加权得出融合步长,以此为基准对频率—步长模型参数进行反馈调整,调整后的模型用于下一阶段的PDR。为验证所提方法,在电气楼设计相关实验,结果表明,位置矫正有效消除了惯性传感器的累积误差,模型参数调整后PDR误差降低20%以上。

基于VSL-MPC的半主动悬架预瞄控制研究

车载传感器为智能汽车提供了丰富的环境感知信息,然而,在电控悬架控制算法中,车辆所感知的路面信息尚未能被充分利用,造成车辆动力学控制效果不佳。本文以半主动悬架高性能预瞄控制问题为研究主题,提出了一种变步长模型预测控制(VSL-MPC)算法。该算法根据实时车速和双目相机采集的路面信息来确定预瞄控制步长,使得纳入控制算法中的路面感知信息能够更准确地反映路面特征,有助于半主动悬架在更恰当的时刻对悬架阻尼特性进行调节,能够实现更理想的悬架决策控制。利用双目相机对真实道路开展路面信息采集,引入半主动悬架系统最优性能界限作为性能评价基准,建立4种基于模型预测控制的半主动悬架仿真模型,仿真对比结果表明,驶过连续减速带和井盖冲击等典型城市路面特征时,所提出的VSL-MPC算法控制下的簧载质量垂向加速度与最优性能界限的差距仅为0.72和2.33 dB,相比传统预瞄MPC算法的4.31和4.46 dB、传统无预瞄MPC算法的4.04和4.74 dB具有显著提升,新算法能有效提升半主动悬架的动力学性能。

室内自校准导航定位方法

提出一种室内信号强度路径损耗自校准模型,与传统的因墙壁等障碍物引起的信号强度路径损耗模型相比,该自校准模型既不需要大量试验,而且精度还更高。在此基础上,推导出距离量测方程的协方差矩阵,建立一种基于RSSI的室内高精度定位方法。同时,提出一种新的步长估计模型和行人航位自校准推算方法,该模型通过综合利用X轴与Y轴加速度极差的平方和进行步长估计,与通过Z轴加速度极差估计步长的Weinberg模型相比,它不但克服了因地面不平(如上下坡或上下楼等)导致的步长误差,而且在平地上也具有更高的精度。并建立一种基于RSSI的室内自校准导航方法,能够通过自校准滤波对步长参数K进行实时估计,解决了传统方法需通过大量训练来确定参数K的问题,显著提高导航精度。

基于运动姿态识别的行人惯性导航算法

针对室内定位惯性导航算法存在累积误差的问题,提出了一种基于运动姿态识别的行人惯性导航算法。在捷联惯性导航算法的基础上,引入了行人脚部姿态识别方法,将行人的位移以单步长为单位进行惯性导航解算。使用姿态识别与零速修正相结合确定每一步的静止时刻,改进步数检测结果,并对行人静止时刻的速度和位置信息进行校正,以降低累积误差;统计前期误差较小的行人惯性导航数据,并建立步频—步长模型,根据行人实时的步频和方向变化对当前步长进行校准,在行人以惯常运动姿态或运动姿态变化时分别采取对应的步长估计算法,以保证导航算法的准确性。实验结果表明:与传统捷联惯性导航算法相比,提出的算法提高了长距离导航的精度。

独立假设下的最优变步长LMS模型和算法

为了解决LMS(least mean square)算法中收敛速度和稳态误差之间的矛盾,基于独立假设,以最小均方误差为准则,提出并证明最优步长定理,说明最优步长和均方误差之间存在一一映射的关系;以此构造最优变步长LMS(optimal variable step-sizeLMS,OVS-LMS)模型,确定了变步长LMS算法收敛速度的理论极限;讨论了最优初始相对步长的选取方法和未知系统跳变时最优步长的计算。根据导出的两个最优步长迭代式,提出OVS-LMS算法,仿真结果表明,该算法和OVS-LMS模型的学习曲线基本一致,证明该算法是独立假设条件下的最优变步长LMS算法。

深基坑支护结构位移的非等步长灰色模型预测

针对基坑支护结构变形监测数据的特点 ,建立了非等步长灰色模型 ,利用所建立的模型对支护的位移进行预测 ,结果表明预测值与实测值误差较小 。