新型的重力无源导航系统

针对重力无源导航的特点,提出了一种由速率方位惯性平台、重力传感器、重力图、深度计和相对计程仪组成的新型重力无源导航系统,给出了速率方位惯性平台系统的导航算法、重力无源导航系统的最优滤波器、误差状态方程和测量方程.考虑到运动载体上重力传感器的输出特性,在最优滤波器的重力观测方程中引入了厄特弗斯效应.应用Matlab/Simulink工具对此重力无源导航系统进行了计算机仿真研究,仿真结果表明此重力无源导航系统的平台姿态角误差和定位误差小,能够满足水下运载体长期高精度导航的要求.又由于本系统采用了速率方位惯性平台,且把重力敏感器置于其上,省去了重力仪,所以与现有的重力无源导航系统相比成本较低.     

GPS-RTK无验潮技术在水下地形测量中的应用

GPS-RTK无验潮水下地形测量技术能够实时提供流动站在指定坐标系中的三维定位结果,解决水位不断变化的问题,能够实时测出测点处水面高程,并在一定范围内达到厘米级实测精度。这种技术在水下测量中的应用,与传统方法相比有很多优点。     

改进的强跟踪卡尔曼滤波器在MSINS/GPS组合导航中的应用研究

通过深入分析次优渐消因子的解算原理,提出了一种无须先验知识的多时变渐消因子估计方法,用于改进强跟踪卡尔曼滤波算法,并将其应用于MSINS/GPS浅组合中。采用多个次优渐消因子,分别对不同的数据通道进行渐消,可以有效提高滤波算法的跟踪能力。仿真结果表明,改进的强跟踪卡尔曼滤波算法解决了量测相关、初值选取敏感性等问题,可以提高系统的实时性、鲁棒性。     

全自动数字水下地形测量系统在工程水文勘测中的应用

随着GPS技术的不断发展,RTK技术的出现,以及计算机技术的高速发展,使得平面定位技术实现了高精度、自动化、数字化、实时化,而随着测深技术的数字化、自动化,为水下地形测量的数字化、自动化提供了基础,为工程水文勘测提供了先进的手段。本文就全自动数字水下地形测量系统的组成、工作原理、作业方法进行了介绍,并根据工程实际,对其测量精度、误差源进行了分析。     

浅谈有源和无源产品在无功补偿与谐波治理中的应用

本文分析了无功补偿和谐波治理的必要性,对各种滤波补偿方案进行比较,分析得知采用将有源电力滤波器和晶闸管投切滤波器联动方式,将谐波抑制和无功功率补偿融为一体,对电网谐波污染和无功损耗均有很好的抑制和补偿作用,为改善电能质量提出了新的解决方案。     

浅谈有源和无源产品在无功补偿与谐波治理中的应用简

本文分析了无功补偿和谐波治理的必要性,对各种滤波补偿方案进行比较,分析得知采用将有源电力滤波器和晶闸管投切滤波器联动方式,将谐波抑制和无功功率补偿融为一体,对电网谐波污染和无功损耗均有很好的抑制和补偿作用,为改善电能质量提出了新的解决方案。     

非线性系统卡尔曼滤波新方法

为了在非线性、非高斯系统估计中获得更好的精度,提出一种新的unscented卡尔曼滤波(UKF).采用确定性采样方法,通过选择unscented变换中的参数α＝0.85,β＝2和l＝0,确定出2n 1个σ点,使这些σ点完全符合非线性系统Yi＝F(Xi)的高斯随机变量的均值和方差.仿真结果表明:σ点通过实际的非线性系统Yi＝F(Xi)传递后,其后验均值和协方差可以达到泰勒展开式的三阶精度,广义卡尔曼滤波(EKF)只能达到一阶精度.该UKF滤波与EKF算法复杂度相近,但具有比EKF更好的估计精度.     

基于Kalman滤波器的INS/WSN紧组合导航系统模型

在基于惯性导航系统和无线传感器网络的组合导航系统中,为了解决传统导航信息松组合方法中测量信息可观性较差的问题,提出了一种基于卡尔曼滤波器的导航信息紧组合模型.当无线传感器网络的信号可用时,组合导航系统将惯性导航系统测量得到的未知节点与已知节点的距离与无线传感器网络测量得到的距离作差,差值作为卡尔曼滤波器的测量信息.由于...     

Blind channel equalization algorithm based on dual unscented Kalman filter for chaotic multi-input multi-output communication systems

To reduce channel noise,fading,and inter-user interference effectively in the chaotic communication systems with multi-user,a blind channel equalization algorithm based on dual unscented Kalman filter algorithm is proposed.Assuming that the coefficients of a multi-input multi-output (MIMO) channel can be described by an autoregressive model,two separate state-space representations are used for the signals and coefficients.Then two unscented Kalman filters are used to estimate chaotic signals and channel coefficients simultaneously.The simulation results indicate that the algorithm can effectively track the coefficients of the multi-path fading channel in chaotic MIMO communication systems at a fast convergence speed.     

基于自适应无味卡尔曼滤波的机床选点温升快速辨识方法研究

研究目的：为了缩短机床温升试验时间,提出一种机床热特性快速辨识方法,利用较短时间的温度采样数据即可准确预测出完整的温升曲线,进而获得热平衡时间及稳态温度等热特性参数。创新要点：提出了基于自适应无味卡尔曼滤波的机床选点温升快速辨识方法,其中最短辨识时间判据可以有效解决如何寻找准确辨识热特性参数的最短采样时间问题,而自适应无味卡尔曼滤波则可以实时调整参数,防止外界因素对辨识的干扰。研究方法：由于无味卡尔曼滤波在非线性状态预测和参数辨识上具有优势,所以本文将无味卡尔曼滤波算法应用到机床选点温升辨识上。为了防止辨识过程中的发散退化等问题,将无味卡尔曼滤波发展为自适应无味卡尔曼滤波（图1）。在快速辨识方法上提出了最短辨识时间判据（图2）。文章中又将此算法应用到实际的立式加工中心温升辨识上,证明了该算法的可行性及有效性（图5和6）。最后又将带有自适应调整过程的无味卡尔曼滤波算法和不带调整过程的算法做了对比,显示了自适应调整过程对辨识算法的重要性（图6和11）。重要结论：基于自适应无味卡尔曼滤波的机床选点温升快速辨识方法可以准确快速地辨识出温升曲线,获取热特性参数,将原来394 min的热平衡试验时间缩短,只需28 min即可得到温升变化情况。