一种基于自适应去偏转换滤波的机动目标跟踪（英文）

针对于机动目标的跟踪问题,提出了一种基于交互式多模型的自适应去偏转换卡尔曼滤波器。该算法利用交互多模型算法来完成不同跟踪模型的相互切换;根据自适应去偏转换测量卡尔曼滤波算法来推导跟踪目标状态,同时自适应因子可以确保不正常测量时的鲁棒性。与传统的去偏转换卡尔曼滤波算法对比,该算法可以很好地改善所获量测信息在雷达被干扰时的目标跟踪精度。仿真结果表明了算法的有效性和可行性,且跟踪精度相对传统的去偏转换卡尔曼滤波算法减少9.38%的位置误差。     

一种基于自适应去偏转换滤波的机动目标跟踪

针对于机动目标的跟踪问题,提出了一种基于交互式多模型的自适应去偏转换卡尔曼滤波器.该算法利用交互多模型算法来完成不同跟踪模型的相互切换;根据自适应去偏转换测量卡尔曼滤波算法来推导跟踪目标状态,同时自适应因子可以确保不正常测量时的鲁棒性.与传统的去偏转换卡尔曼滤波算法对比,该算法可以很好地改善所获量测信息在雷达被干扰时的目标跟踪精度.仿真结果表明了算法的有效性和可行性,且跟踪精度相对传统的去偏转换卡尔曼滤波算法减少9.38％的位置误差.     

基于改进交互多模型概率数据关联的机动目标跟踪（英文）

为了提高杂波条件下的空中机动目标跟踪精度,提出了一个改进的交互多模型概率数据关联算法。该算法将交互多模型、去偏转换测量和概率数据关联算法相结合,利用交互多模型算法模型集合间不同模型的相互切换来估计跟踪目标的状态;利用去偏转换测量算法对转换测量误差进行去偏补偿,从而减小观测数据坐标变换引起的误差;利用概率数据关联算法处理数据关联和测量的不确定性。通过将本文的算法和基于扩展卡尔曼滤波的概率数据关联算法进行对比分析和验证,实验结果表明本文提出的算法可以提高机动目标的跟踪精度,且跟踪精度相对基于扩展卡尔曼滤波的概率数据关联算法减少26.38%的位置误差。     

自适应SVD-UKF算法及在组合导航的应用

提出一种新的自适应奇异值分解Unscented卡尔曼滤波(UKF)算法.该算法利用自适应因子平衡动力学模型信息与观测信息的权比,控制动力学模型误差对导航参数解的影响.用奇异值分解阵(SVD)的迭代计算代替协方差矩阵的迭代变换,提高了协方差矩阵的数值稳定性.将新算法应用于组合导航系统进行计算仿真,结果证明,新算法具有良好的鲁棒性,能有效改善滤波性能,提高组合导航系统的精度.     

结构可靠性分析高效自适应重要抽样方法

提出了一种基于自适应Metropolis算法和快速高斯变换技术的结构可靠性分析高效自适应重要抽样方法. 该方法首先利用自适应Metropolis算法高效生成结构失效域样本, 然后运用自适应宽核密度估计方法构造重要抽样密度函数, 最后采用快速高斯变换加速重要抽样过程中核函数的计算. 与传统方法相比, 自适应Metropolis算法能够在相同计算量下提供更多结构失效域信息从而改善计算精度, 即为求得给定精度问题的解, 可有效减少样本生成过程中的结构分析次数, 提高方法的计算效率; 快速高斯(Gauss)变换大幅降低核密度估计的计算复杂度从而大幅缩减重要抽样的计算耗时. 通过数值算例可以看出该方法具有较高的计算精度和效率.      

结构可靠性分析的高效自适应重要抽样方法

提出了一种基于自适应Metropolis算法和快速高斯变换技术的结构可靠性分析高效自适应重要抽样方法。该方法首先利用自适应Metropolis算法高效生成结构失效域样本,然后运用自适应宽核密度估计方法构造重要抽样密度函数,最后采用快速高斯变换加速重要抽样过程中核函数的计算。自适应Metropolis算法能够在相同计算量条件下提供更多结构失效域信息从而改善计算精度,即为求得给定精度问题的解,可有效减少样本生成过程中的结构分析次数,从而提高方法的计算效率;快速高斯变换大幅降低核密度估计的计算复杂度从而大幅缩减重要抽样的计算耗时。通过数值算例可以看出本文方法具有较高的计算精度和效率。     

基于权值矩阵的模糊自适应卡尔曼滤波在组合导航中的应用

针对自主驾驶车辆长时间导航精度要求难以满足的问题,建立了GPS与微惯性导航系统的组合导航滤波模型,在位置观测的同时引入姿态信息,提高了导航精度。在此基础上提出了基于权值矩阵的模糊自适应卡尔曼滤波算法,该算法通过模糊控制器自适应地改变每个观测量的权值,得到权值矩阵引入卡尔曼滤波器实现自适应滤波。仿真和实验结果表明,所提出的权值矩阵模糊卡尔曼滤波性能优于衰减因子自适应卡尔曼滤波,特别是在GPS信号失真及噪声先验统计特性不可知的情况下,其定位精度能够保证在1m之内。     

基于自适应交互多模滤波的SCNS/RSINS紧组合对准方法（英文）

为了提高船用单轴旋转捷联惯性导航系统(RSINS)初始对准的精度和快速性,针对传统的EKF滤波线性化误差和单传感器精度不高的问题,设计了一种基于自适应交互多模(AIMM)算法的SCNS/RSINS紧组合对准方法。该算法将自适应滤波器与交互多模型相结合,利用了两个合理构建状态模型和量测模型的平行滤波来实现对实际模态的覆盖:滤波1应用姿态四元数算法建立了状态方程的模型,量测量为RSINS与SCNS之间的姿态四元数误差;滤波2的根据SCNS/RSINS的误差特性构建了状态方程模型,量测量为RSINS与SCNS位置和航向误差,然后应用自适应IMM算法将两个平行滤波的估计值进行数据融合。在某种程度上,因状态噪声和量测噪声的不确定性,EKF的性能会被降低,而通过模型转换机制,IMM可用于选择一个合理的模型自动计算器来自适应地调整对准过程中噪声的协方差矩阵,因此该算法可以有效地解决SCNS/RSINS组合导航系统的初始对准问题。仿真结果表明:与EKF算法相比,基于自适应IMM算法的SCNS/RSINS组合对准方法的估计精度和对准快速能力都得到了改善,其中对方位陀螺漂移的估计时间缩短了至少40%。     

组合导航非等间隔联合滤波

组合导航系统中各种导航设备数据更新频率的不同会导致联合滤波算法无法在每个计算周期都融合局部滤波器的信息，从而导致信息丢失和引入人为误差。为此提出了一种可以最优融合不同测量周期信息的非等间隔联合滤波算法，并且给出了算法的最优性证明。这种算法通过设定不同的计算周期和融合周期，实现了非等间隔测量信息的最优融合。     

复杂环境下无人车双重自适应定位算法

针对复杂环境中部分传感器失效情况下无人车定位精度下降甚至出现无法定位问题,提出局部自适应滤波和自适应信息共享因子分配的双重自适应算法,提升了无人车多源融合定位性能。所提算法利用新息自适应调节测量噪声对局部滤波器进行自适应状态估计,利用局部滤波器状态协方差和观测噪声自适应分配信息共享因子,能有效地抵御观测值粗差影响。仿真结果和实车测试数据均表明,该双重自适应定位算法能够根据局部滤波器新息和状态协方差在线自动更新信息共享因子,相比自适应联邦卡尔曼滤波算法和经典联邦卡尔曼滤波算法,位置精度分别提高了44%和63%,误差小于1 m,验证了所提算法在复杂环境下能有效提高整个导航系统的可靠性、鲁棒性。     

基于分区加速和总体共轭梯度法的耦合界面数据传递问题研究

对于耦合动力学问题的分析过程,在界面上需频繁进行数据交换。为此,基于紧支径向基函数和多项式基函数推导了界面数据传递的插值算法,给出了传递矩阵的具体形式。通过分析时间复杂度,找出该算法在大节点量时效率不高的原因在于径向基矩阵的构造和传递矩阵的计算。为加快径向基矩阵的构造速度,提出分区加速处理以提高相关节点的搜索效率;为避免传递矩阵求解过程中的求逆运算,将其转化为多右端项的大型稀疏对称线性方程组问题,引入多右端项的总体共轭梯度迭代方法求解,并讨论了初始估计矩阵的选取方法。数值算例结果表明,结合使用分区加速原理和总体共轭梯度迭代方法,可在不损失插值精度的前提下显著提高求解效率。     

一种基于面-面局部搜索的接触算法

接触-碰撞算法是影响动态接触问题数值分析精度的重要因素,发展健壮、精确的局部搜索算法对提高数值模拟精度具有重要意义。为解决点-面接触搜索算法存在的盲区问题,提出了一种基于面-面的局部搜索算法,并发展了相应的接触力计算方法。新的接触算法以面心坐标与特征长度表征接触片,进行预搜索快速排除不会发生接触的潜在接触对;利用主从接触片的投影与侵入深度关系确定接触片间的接触状态;利用等参逆变换解析给出接触点,避免了方程组的迭代求解。典型算例与工程实例计算表明,本文算法消除了接触搜索的盲区,具有很好的健壮性与计算精度。     

时域自适应算法求解弹性地基薄板的动力问题

为更精确地求解弹性地基薄板的动力响应,发展了一种分段时域自适应算法,通过变量在离散时段内的展开,将时空耦合的初边值问题转化为一系列递推的基于有限元(FEM)的空间问题求解,通过自适应计算保持稳定的计算精度。数值算例表明:本文解与解析解相比最大相对误差不超过3.59%;当步长较大时四阶Runge-Kutta法和Newmark法均失效,本文所提算法仍可得到满意的计算结果。     

牛顿迭代一致性算法及其在板弹塑性有限元分析中的应用

本文简略讨论了有限载荷增量弹塑性有限元分析中传统切线刚度法丧失精度和牛顿迭代平方收敛速度的原因,并提出保持牛顿迭代平方收敛速度、保证一阶精度和无条件稳定性的一致性算法.一致性算法具备以下两个特征:1)采用路径无关计算格式;2)采用一致弹塑性切线模量。根据一致性算法构造出以弯矩和曲率为基本变量的弹塑性板弯曲有限元NIDKQ元。数值结果表明NIDKQ元具有令人满意的精度,同时验证了有限载荷增量下牛顿迭代一致性算法的平方收敛率特性,而传统切线刚度法随着塑性区的扩展将大大降低收敛速度。     

基于未标定序列图的形貌测量方法

提出一种形貌测量方法,从未标定序列图中同时提取出特征点的三维坐标和摄像机的运动矩阵,实现对目标物体的三维测量。首先用齐次坐标表达了空间点的投影变换矩阵,并根据该矩阵推导出投影比例式,运用投影深度和投影矩阵之间的循环相关性进行迭代运算,得到比普通双目视觉更加精确的深度数据。其次对分解得到的摄像机运动矩阵和空间点坐标施加度量约束。运用基于因式分解的归一化算法,恢复出欧氏空间里的摄像机运动矩阵和空间点坐标。基于这种方法,实现了曲面标记点的坐标测量,得到了三维形貌数据,误差小于0.16mm。     

一个求解浅水波方程的时域分段展开算法

发展了一种时域分段展开自适应方法求解一维非线性浅水波方程。通过时域分段展开,将一个非线性的时空耦合初边值问题转化为一系列的线性空间边值问题,并采用有限元方法递推求解;通过展开阶数的递进,实现了分段时域的自适应计算,当不同步长时可保持稳定的计算精度。研究结果表明,当步长较大而Heun’s法、四阶Runge-Kutta法不能得到合理结果时,本文算法仍能保证足够的计算精度。     

空间机器人执行器自适应分散容错控制算法设计

针对执行器发生部分失效故障的漂浮基空间机器人系统,提出了一种自适应H_∞分散容错控制算法。利用拉格朗日第二类方程建立了系统的动力学模型。根据分散原理将系统分解为以基座或臂杆为单元的多个子系统,并将表示执行器控制能力的有效因子融入到每个子系统,使得单个子系统的执行器故障不会影响相邻执行器的正常运行。通过对每个故障子系统设计形式一致的自适应容错算法实现对整个系统的容错控制。仿真结果表明,与现有某非奇异终端滑模容错算法相比,本文算法具有更快的跟踪速度和更高的跟踪精度。     

Static response of a layered magneto-electro-elastic half-space structure under circular surface loading

A cylindrical system of vector functions, the stiffness matrix method and the corresponding recursive algorithm are proposed to investigate the static response of transversely isotropic,layered magneto-electro-elastic(MEE) structures over a homogeneous half-space substrate subjected to circular surface loading. In terms of the system of vector functions, we expand the extended displacements and stresses, and deduce two sets of ordinary differential equations, which are related to the expansion coeficients. The solution to one of the two sets of these ordinary differential equations can be evaluated by using the stiffness matrix method and the corresponding recursive algorithm. These expansion coeficients are then integrated by adaptive Gaussian quadrature to obtain the displacements and stresses in the physical domain. Two types of surface loads, mechanical pressure and electric loading,are considered in the numerical examples. The calculated results show that the proposed technique is stable and effective in analyzing the layered half-space MEE structures under surface loading.     

空间连续型机器人自适应鲁棒容错控制

针对空间连续型机器人系统三臂节执行器并发故障的问题,提出一种自适应鲁棒容错控制算法.采用非奇异快速终端滑模控制器,并通过自适应RBF(Radial Basis Function)神经网络在线调整控制器的切换项增益,使控制器在模型参数摄动和外部干扰下依旧具有较高的跟踪精度和较强的鲁棒性.基于Lyapunov稳定性理论,证...