基于三次样条和改进QKF的AHRS姿态解算设计

在AHRS系统中,目前广泛使用的MEMS角增量陀螺仪存在很大的零漂和随机误差,在捷联惯导的姿态解算中会带来积分误差,导致精度不高。文中用三次样条插值对原始陀螺仪输出进行曲线拟合后进行积分处理,将原有的离散模型变为连续积分模型,减小了积分误差;在将四元数运动方程的线性特性运用到Kalman滤波中时,针对状态更新时的状态协方差矩阵做了计算方法上的改进,改善了原有方法出现预测值超界导致迭代终止的问题。

浙江新昌南明机械厂QKF型汽车空调热力膨胀阀通过鉴定

由浙江省机械工业厅主持的QKF型车用空调热力膨胀阀鉴定会于10月22～23日在浙江新昌召开。北京航空学院、北京制冷学会、上海交通大学、上海机械学院、上海空调公司等20多单位的30余名专家、专业技术人员参加了会议。与会专家认真听取了研制单位关于膨胀阀的计划任务、研制报告、经济效益分析及用户使用报告等的汇报;审查了有关工艺、图纸、标准等技术资料及测试手段;审查了生产现场并进行现场抽查。最后,专家们通过了对该产品的鉴定,并提出了积极的建议。

一种基于线性伪量测方程的无陀螺姿态确定方法

基于一种新型的四元数伪量测模型,给出了一种无陀螺卫星姿态确定算法。该滤波算法不需要对量测方程作线性化近似,能够有效提高大姿态角情况下的姿态确定性能。并通过引入强跟踪性,使算法获得了更高的收敛性。仿真结果表明,算法能够有效的提高无陀螺卫星在初始消旋、三轴稳定等工况下的姿态估计收敛速度,并能够实现高速旋转工况下的姿态跟踪。该算法具有简明的线性结构,计算负担符合实时要求,结构简单,对硬件配置要求不高,尤其适用于低成本的微小卫星。

基于新的数值积分粒子滤波的机载无源定位算法

针对机载无源定位这一多维非线性滤波问题,提出一种新的用3阶数值积分卡尔曼滤波算法来产生重要性密度函数的粒子滤波算法。新算法采用球形和径向数值积分规则选取积分点和确定相应的权值,得出的积分点数仅为状态维数的二倍,大幅的减少了计算量,较好地解决了求积分卡尔曼粒子滤波算法(Quadrature KalmanParticle Filter,QPF)在高维滤波时存在计算量大的问题;而且通过设定比例因子使得所产生的重要性密度函数在系统状态转移概率密度的基础上,融入最新的观测值,增加了粒子的多样性,提高了对系统状态后验概率的逼近程度。仿真结果表明:新算法在稳定性和定位精度上与QPF相当,但计算时间仅约为QPF的15%。

基于求积分卡尔曼滤波的交互式多模型算法

针对非线性系统中的多模型估计问题,将求积分卡尔曼滤波算法应用到交互式多模型算法过程中,提出一种基于求积分卡尔曼滤波的交互式多模型算法。该算法不需要求取非线性方程的雅可比矩阵,且能够获得比基于不敏卡尔曼滤波的交互式多模型方法更高的滤波精度。仿真结果证明了该算法的有效性。

基于修正积分卡尔曼粒子滤波的自适应目标跟踪算法

针对当前粒子滤波权值退化问题以及精度与时耗的矛盾,提出了一种新的高精度自适应粒子滤波算法。该算法综合考虑优选建议分布函数和重采样两种并行改进滤波性能的方法:首先,在积分卡尔曼滤波(QKF)的基础上引入修正因子,通过修正的积分卡尔曼滤波(PQKF)产生优选的建议分布函数,较好地克服了粒子退化现象,在提高滤波精度的同时降低了运算量;在重采样阶段,通过引入系统估计和预测提供的新息差值在线自适应调整采样粒子数,较好地保证了粒子采样的高效性和算法的实时性。实验表明,新算法具有高精度、低时耗的优点,是一种高精度自适应粒子滤波算法。

基于二次卡尔曼滤波修正的尾气排放分布

监测机动车尾气排放并制定科学减排措施迫在眉睫,而如何反映由交通需求变化引起排放分布变化是建立尾气排放分布模型的核心问题.按照"交通需求推演-机动车比功率参数确定-交通排放"的思路,利用机动车比功率参数标定交通需求与尾气排放之间的量化关系.以交通需求数据为基础,通过二次卡尔曼滤波修正交通流状态数据和交通分布数据,并通过动态交通分配获取实时车辆工况参数,与典型车型工况曲线匹配,确定车辆比功率在不同速度区间分布,而后,将机动车行驶特征工况参数代入国际车辆排放(international vehicle emission,IVE)模型中确定排放因子,计算得到区域内机动车尾气排放强度.研究表明,以15 min为预测周期,利用二次卡尔曼滤波估计交通需求的平均相对误差为8.89%,且利用IVE尾气模型模拟具有较好的可靠性.预测结果显示,实现基于动态交通需求的行驶工况所构建的交通污染分布模型具有可行性,且二次卡尔曼滤波修正提供了精度的保证,该推演数据可用于分析尾气分布,评价交通改善措施对尾气排放影响,为制定减排策略提供依据.

基于QPF的无源传感器目标跟踪算法

在无源传感器目标跟踪系统的研究中,在双红外传感器组成的无源传感器目标跟踪系统模型中,传感器提供的仅是目标的角度信息,导致量测值与目标状态之间存在较强的非线性关系,而传统跟踪算法在解决非线性问题时具有局限性,为提高目标跟踪精度,提出一种基于积分粒子滤波(QPF)的无源传感器目标跟踪算法,在不受非线性、非高斯问题限制的粒子滤波的基础上,从改进粒子滤波重要性函数的角度入手,利用积分卡尔曼滤波(QKF)将当前最新量测考虑在内,构造出粒子滤波的重要性函数,使得改进后的重要性函数更加贴近真实后验分布,从而有效遏制了粒子退化现象。仿真结果表明,改进算法提高了跟踪精度,较好地解决了无源传感器对目标的非线性跟踪优化问题。