基于误差融合模型的地铁车站客流监测方法研究

针对城市轨道交通拥堵问题和智慧地铁发展要求,提出了一种基于误差融合的城市轨道交通短时客流预测模型。采用灰色关联分析方法对客流关键影响因素进行识别,基于线性回归模型对车站客流进行预测,并进一步利用神经网络模型对预测误差进行修正,以广州地铁十八号线某站的进、出站客流数据为例进行案例研究。研究结果表明:与传统统计模型及单一的神经网络模型对比,基于误差融合的短时客流预测模型均方根误差分别降低了38.0%与29.6%,平均绝对误差分别降低了46.4%与35.1%,证明了该模型在短时客流预测方面的准确性、可靠性,为地铁车站客流监控提供了技术支撑。

基于SRCKF的多传感器融合自适应鲁棒算法

为解决模型误差和异常量测值发生时平方根容积卡尔曼滤波(SRCKF)算法滤波性能下降甚至滤波发散的问题,提出了一种多传感器融合自适应鲁棒算法。基于新息协方差匹配原则设计了鲁棒子系统以抑制量测异常值,同时为克服模型误差使用基于新息修正的低复杂度自适应SRCKF(LCASRCKF)算法设计了自适应子系统,根据2种子系统的特点和局限提出全局融合架构,使系统可以充分平衡并利用滤波过程中先验的模型预测值信息和后验的量测值信息,最终降低估计误差。仿真结果表明:相比鲁棒多渐消因子容积卡尔曼滤波(RMCKF)等算法,所提融合算法在滤波精度、稳定性和收敛速度等方面有明显优势。

基于惯性—地磁组合的多模型融合姿态测量算法

针对运动体线性加速度和周围磁场干扰对姿态测量精度的影响,基于现有的惯性-地磁组合测量单元,提出了一种多模型融合姿态测量算法。利用可靠性判定准则将运动状态分为3类,根据运动状态选择不同传感器数据用于姿态测量,并建立3种数据融合模型。基于融合姿态测量算法实现不同传感器数据间的融合,计算得到姿态矩阵和姿态角。提出“误差估计”用于可靠性判定准则公式中最优阈值的选择,实现运动状态准确识别。经实验验证,该算法在测量精度和速度上都有所提升。

基于文本序列错误概率和中文拼写错误概率融合的汉语纠错算法

中文拼写纠错是一项检测和纠正文本中拼写错误的任务。大多数中文拼写错误是在语义、读音或字形上相似的字符被误用,因此常见的做法是对不同模态提取特征进行建模。但将不同特征直接融合或是利用固定权重进行求和,使得不同模态信息之间的重要性关系被忽略以及模型在识别错误时会出现偏差,阻止了模型以有效的方式学习。为此,提出了一种新的模型以改善这个问题,称为基于文本序列错误概率和中文拼写错误概率融合的汉语纠错算法。该方法使用文本序列错误概率作为动态权重、中文常见拼写错误概率作为固定权重,对语义、读音和字形信息进行了高效融合。模型能够合理控制不同模态信息流入混合模态表示,更加针对错误发生处进行学习。在SIGHAN基准上进行的实验表明,所提模型的各项评估分数在不同数据集上均有提升,验证了该算法的可行性。

基于神经网络的GPS深度融合弹载惯导模型

针对传统弹载惯性导航系统误差修正采用线性化模型,无法对非线性误差进行修正的缺点,提出一种基于神经网络的GPS深度融合弹载惯导模型。构建IMU六路脉冲数到发射惯性坐标系下视速度增量的非线性映射关系,利用GPS信息对网络误差模型进行训练,为GPS信号失效后的长航时惯性导航系统提供更高精度的误差修正模型。仿真实验结果表明,相较于纯惯性导航系统,所提模型能够在GPS信号失效后抑制惯导系统误差发散,速度精度提高76.56%,位置精度提高91.61%。

基于混合模型和Stacking框架的循环水出口温度预测

针对单一机理模型与数据驱动模型泛化能力弱、预测效果不理想的现状,以某电厂1000MW的凝汽器管侧模型为例,提出了一种基于混合模型和Stacking框架的参数预测方法。首先将原始数据集按人工经验分为温度数据与压力数据,使用5折交叉验证训练SVM温度模型与AdaBoost压力模型,其次以管侧机理模型的输出值与实际值为输入训练GDBT误差补偿模型,最后基于Stacking框架进行多模型融合,既弥补了机理模型在复杂工况下的模型参数失配问题,又可以对时间序列数据进行深层次的挖掘。实验结果表明,Stacking框架下的混合模型在测试集上均方误差比GRNN模型降低了0.012,判定系数相比于数据驱动组合模型提高了4.53%,提高了模型的整体预测精度。

SINS/GPS/EMC组合导航系统信息融合技术研究

基于无复位(No-Reset)联邦Kalman滤波信息融合算法,提出并且探讨了组合导航应用过程中的信息融合问题。在建立的相关误差模型基础上,对所设计的采用联邦Kalman滤波技术的SINS/GPS/EMC组合导航系统进行了计算机仿真。结果表明,采用无复位联邦滤波结构的SINS/GPS/EMC组合导航系统能充分融合系统各种导航传感器的信息,能发挥它们各自的优点,互相取长补短,有效地提高导航系统准确度和可靠性。

双转台五轴机床空间误差补偿技术研究

几何误差、热误差和切削力误差占到了机床总误差的75%,对这3项误差进行控制是提高机床加工精度的关键所在。以双转台五轴机床的空间误差作为研究对象,通过对加工位置、主要热源及电动机电流等相关因素进行分析,确定空间误差建模所需的位移变量、温度变量和切削力变量。以现有的多种误差建模方法为基础,通过对信息融合技术进行研究,提出一种机床空间误差的多模型融合预测方法,建立综合反映几何误差、热误差和切削力误差的最优空间误差模型。最后以DSP为核心,设计空间误差补偿器,实施空间误差补偿,验证补偿效果。结果显示,建立的模型预测精度较高,残差小于2μm,而实施空间误差补偿后,加工零件的轮廓误差也由15μm降到了5μm,补偿效果明显。

基于扩展卡尔曼滤波的两轮机器人姿态估计

针对两轮自平衡机器人惯性传感器存在误差的问题,提出基于扩展卡尔曼滤波的方法进行补偿,从而实现机器人姿态的最优估计.利用实验获得的惯性传感器误差特性,采用Levenberg-Marquardt非线性最小二乘迭代法拟合数据,从而建立机器人导航用惯性传感器陀螺仪和加速度计误差的数学模型,并对误差进行标定.采用扩展卡尔曼滤波将传感器的数据进行融合并对误差进行补偿,得到机器人姿态的最优估计.将滤波后的模型应用到两轮自平衡机器人系统,实验结果表明改进后的系统误差得到了有效的抑制,从而验证了采用低成本的惯性传感器进行机器人的姿态估计是有效可行的.

基于证据理论的水声多目标优选方法

针对水声复杂对抗环境下,诱饵与潜艇并存较难通过频谱分析进行辨识的问题,提出了在跟踪过程中,结合目标声学特征与运动特征信息来对目标进行优选并通过证据理论实现该方法。通过对水声目标属性的研究给出了优选所需的相关属性,对各属性特征进行建模,提出了各属性的隶属度的计算方法,分别进行声学属性和运动属性的融合,最后进行声学属性与运动属性的加权融合实现算法。离散仿真和按照对抗策略动态仿真实验结果表明,该方法可有效对水声目标进行优选。

非线性融合模型的弹道估计精度评定

针对处理测量数据的非线性融合模型所估计出的弹道参数 ,在分离出模型误差的基础上 ,考虑了模型误差和随机误差对弹道估计精度的影响 。

虚拟孔隙度优化Xu-White模型法预测横波速度

纵、横波速度和密度是连接岩石各种物理性质与地震波勘探的桥梁,是储层岩性、物性和流体分析识别的重要参数。在实际工作中只有极少数井进行了横波速度测井,甚至没有横波资料,而利用横波速度可以得到泊松比、拉梅模量等反映流体性质的物理量,减少地震振幅解释的多解性,这种情况下,就需要预测横波速度。文中在Xu-White理论模型的基础上,通过引入虚拟孔隙度和误差融合技术,优化了预测横波速度过程,减少了孔隙的扁度和骨架参数带来的误差,并在预测过程中增加了质量控制手段,提高了横波预测的精度。在肇源南和敖南地区的横波速度预测工作中,预测结果与实测横波吻合程度较高,说明该方法在实际应用中能够取得较好的效果。

基于样条函数表征目标运动轨迹事后数据融合方法研究

针对靶场小型、机动目标多体制跟踪定位模式,提出一种基于样条函数描述目标运动轨迹并进而转换,实现以其为基函数对测控设备测元进行表征的数据融合方法。在最小二乘准则下,采用非线性最优化方法对样条函数最优节点分布进行搜索,使自由节点分布适应目标运动特性,极大减小截断误差,联合误差方程待估参数被极大压缩,计算效率提高。通过工程应用分析,该方法不仅目标轨迹参数计算精度高,而且能够准确自校准各测元系统误差。

基于信息融合的五轴机床热误差建模技术

五轴机床能对复杂的自由曲面进行加工。对五轴机床热误差进行控制,是提高其加工精度的关键所在。针对现有热误差建模方法预测精度较低、通用性和鲁棒性较差的问题,提出一种基于信息融合的五轴机床热误差建模方法。与传统建模方法相比,通过实时调整模型参数,该融合预测方法能够用于不同类型、不同操作条件的机床。将该方法应用于一台双转台五轴机床的实验研究,建立了该机床热误差的融合预测模型。实验结果表明,该方法能够提高热误差模型的预测精度及鲁棒性,从而提高五轴机床加工精度。

多传感器混合多模型估计的误差互相关性及其融合算法研究

对局部节点状态估计间误差相关性的处理是分布式估计融合或航迹融合的关键要素;针对当前分布式融合理论中关于混合多模型估计融合研究的空白,首先推导得出了采用相同模型成分的各局部节点交互多模型状态估计的误差互协方差矩阵的递推计算方法;其次,讨论了所得非对称实误差互协方差矩阵的正定特性,并分析了此类误差相关性与混合多模型估计算法中模型过程噪声之间的变化关系;上述结果使得基于互协方差组合融合算法的交互多模型状态估计融合成为可能,仿真实验亦验证了其有效性,相对其它不考虑误差相关性的融合算法,融合结果也更为真实.

伪卫星空中基站定位高性能算法研究

伪卫星作为卫星导航系统的重要增强手段,能够克服卫星系统在导航定位及武器精确制导方面存在的缺点。针对伪卫星空中基站位置不易精确确定的问题,设计了临近空间伪卫星空中基站定位SINS/CNS/SAR组合导航系统,建立了组合导航非线性数学模型;在吸收抗差自适应滤波、高斯滤波和粒子滤波优点的基础上,提出了一种抗差自适应高斯混合Sigma点粒子滤波算法。将提出的算法应用于SINS/CNS/SAR自主导航系统进行计算仿真,并与Unscented卡尔曼滤波和粒子滤波比较,结果表明:提出的新算法能够满足伪卫星空中基站自主导航定位的需求,导航精度明显高于Unscented卡尔曼滤波和粒子滤波算法。

基于多传感器信息融合理论的交互式多模型算法

在经典的交互式多模型算法中,对似然函数的高斯近似以及概率密度函数与概率质量函数的混合计算使得所求得的模型概率仅为贝叶斯意义下的次优值.为解决此问题,基于各滤波器估计误差的相关性和多传感器最优信息融合准则,提出了一种重新加权的交互式多模型算法.该算法通过计算估计误差的互协方差阵对模型概率进行更新,在此基础上利用最优信息融合理论对各滤波器的滤波结果进行融合.理论分析及仿真结果表明:经过重新加权的交互式多模型算法较原始算法以及其他忽略误差相关性的交互式多模型的改进算法在估计精度上均有显著的提高.

多传感器集成融合技术

多传感器集成融合是人类进行区域感知的主要手段和关键技术，它是在通信科学、计算机科学、信息科学高度发展的基础上，在军事、工业、航天、机器人等领域新兴的科技前沿。本文对该领域当前已取得的成就从理论和实践两方面沿着历史的进程进行了概括和综述，指出研究的难点与不足之处。

基于STF和加权改进的群目标跟踪算法

为了进一步提高群目标交互多模型跟踪算法的估计性能,提出一种改进的群跟踪算法.首先,通过采用模型转换概率的自适应算法,优化模型与目标运动模式的实时匹配.并通过引入强跟踪滤波(STF,Strong Tracking Filter)中的渐消因子,提高机动阶段时的群质心的状态估计精度.其次,分别利用概率加权法和标量加权法完成群质心状态和扩展状态的融合估计.最后在变分贝叶斯滤波的基础上,建立完整的跟踪算法流程.仿真实验结果表明,该方法不仅能够提高群质心状态和扩展状态的估计精度,还能有效降低机动阶段时的峰值误差.

外弹道多源异类测元数据融合仿真分析

针对体系化外弹道试验测控模式和海量原始数据深入挖掘需求,提出一种基于Hermite函数来约束外弹道参数的多源异类测元数据融合方法,简称EMBET融合方法。对多源异类测元数据分别采用常规融合方法和Hermite融合方法进行仿真计算分析。结果表明:Hermite融合方法在多体制测控模式下外弹道数据融合领域具有更高的定位精度、更敏感的系统误差探查能力和实用性更强的特点。