相对位置感知作为协同导航的核心也是车辆智能驾驶的关键技术,在车辆自组网(Vehicular Ad Hoc Networks,VANET)协同定位算法中具有重要作用。然而限于系统非线性及有色噪声干扰,相同硬件平台下的相对位置后验信息获取通常局限于一定精...相对位置感知作为协同导航的核心也是车辆智能驾驶的关键技术,在车辆自组网(Vehicular Ad Hoc Networks,VANET)协同定位算法中具有重要作用。然而限于系统非线性及有色噪声干扰,相同硬件平台下的相对位置后验信息获取通常局限于一定精度。针对上述问题,基于抗差理论提出一种Huber M估计的鲁棒容积滤波(Robust Cubature Kalman Filtering,RCKF)车辆相对位置估计算法。该算法通过结合容积法则进行非线性更新,将量测方程转换为观测量和状态预测的线性回归问题后利用M估计实现求解,通过Huber损失函数降低受干扰量测值权重实现估计性能调整。紧组合车辆相对位置估计的实验表明,与容积滤波(Cubature Kalman Filter,CKF)相比,RCKF估计结果在均方根上改善23.59%,在准确度上改善21.81%,在精度上改善27.39%,有效提高了相对位置估计精确性和鲁棒性,为车辆协同定位解决方案提供一种可供参考的系统质量控制策略。展开更多
在线、实时、准确监测舰船螺旋桨推力对船-机-桨匹配设计、舰船快速性预报及推进轴系健康管理等具有重要意义。然而,受轴系振动及环境干扰等测量噪声影响,螺旋桨推力产生的微弱应变信号易被测量噪声淹没,导致难以准确测量推力。当前,一...在线、实时、准确监测舰船螺旋桨推力对船-机-桨匹配设计、舰船快速性预报及推进轴系健康管理等具有重要意义。然而,受轴系振动及环境干扰等测量噪声影响,螺旋桨推力产生的微弱应变信号易被测量噪声淹没,导致难以准确测量推力。当前,一些常用的信号降噪方法,比如傅里叶变换、小波分析等均是基于纯数据降噪,未考虑测量数据中潜藏的力学机制。不同于这类降噪方法,Kalman滤波可同时考虑测量数据噪声及数据中的力学机制,对目标实现最小方差无偏估计,因而有更高的估计精度。因此,本文利用Kalman滤波结合应变测量信号提出一种螺旋桨推力高精度、在线辨识方法。以恒定转速、变转速及低频波动转速3种工况为例,研究了不同信噪比下本文方法的推力辨识精度与鲁棒性。研究表明,在信噪比仅为20 d B时,推力辨识最大相对误差仅为4.85%,因此本文方法在低信噪比下仍有很高的辨识精度与鲁棒性。同时,本文提出方法属于时域辨识方法,在转速突变、螺旋桨缠绕渔网等突发工况时亦能实时跟踪推力变化,因此可用于螺旋桨推力及轴系状态的在线、实时监测。展开更多
文摘相对位置感知作为协同导航的核心也是车辆智能驾驶的关键技术,在车辆自组网(Vehicular Ad Hoc Networks,VANET)协同定位算法中具有重要作用。然而限于系统非线性及有色噪声干扰,相同硬件平台下的相对位置后验信息获取通常局限于一定精度。针对上述问题,基于抗差理论提出一种Huber M估计的鲁棒容积滤波(Robust Cubature Kalman Filtering,RCKF)车辆相对位置估计算法。该算法通过结合容积法则进行非线性更新,将量测方程转换为观测量和状态预测的线性回归问题后利用M估计实现求解,通过Huber损失函数降低受干扰量测值权重实现估计性能调整。紧组合车辆相对位置估计的实验表明,与容积滤波(Cubature Kalman Filter,CKF)相比,RCKF估计结果在均方根上改善23.59%,在准确度上改善21.81%,在精度上改善27.39%,有效提高了相对位置估计精确性和鲁棒性,为车辆协同定位解决方案提供一种可供参考的系统质量控制策略。
文摘在线、实时、准确监测舰船螺旋桨推力对船-机-桨匹配设计、舰船快速性预报及推进轴系健康管理等具有重要意义。然而,受轴系振动及环境干扰等测量噪声影响,螺旋桨推力产生的微弱应变信号易被测量噪声淹没,导致难以准确测量推力。当前,一些常用的信号降噪方法,比如傅里叶变换、小波分析等均是基于纯数据降噪,未考虑测量数据中潜藏的力学机制。不同于这类降噪方法,Kalman滤波可同时考虑测量数据噪声及数据中的力学机制,对目标实现最小方差无偏估计,因而有更高的估计精度。因此,本文利用Kalman滤波结合应变测量信号提出一种螺旋桨推力高精度、在线辨识方法。以恒定转速、变转速及低频波动转速3种工况为例,研究了不同信噪比下本文方法的推力辨识精度与鲁棒性。研究表明,在信噪比仅为20 d B时,推力辨识最大相对误差仅为4.85%,因此本文方法在低信噪比下仍有很高的辨识精度与鲁棒性。同时,本文提出方法属于时域辨识方法,在转速突变、螺旋桨缠绕渔网等突发工况时亦能实时跟踪推力变化,因此可用于螺旋桨推力及轴系状态的在线、实时监测。
