LAMBDA算法的部分模糊度固定及性能分析

模糊度解的可靠性对GPS精密定位至关重要.针对GPS定位中存在的残余误差及未改正偏差降低模糊度固定成功率的问题,在LAMBDA算法的基础上推导了不完全模糊度固定的数学模型,提出了以模糊度浮点解方差为依据、以模糊度固定成功率为约束条件的最优子集选取方法.对选取的模糊度子集进行LAMBDA部分固定测试分析.结果表明,与传统LAMBDA模糊度固定法比较,部分模糊度固定不仅减小了模糊度搜索空间,缓解了计算负担,而且提高了模糊度解的可靠性.     

基于伪距宽巷组合的GPS模糊度固定方法

中长基线模糊度快速解算是GPS网络差分技术的核心内容。根据网络差分模糊度固定只用于基线解算而不用于定位的特点,通过对常用GPS原始观测数据组合方式的分析,提出伪距宽相组合的数据处理方法,有效消除了电离层、对流层传播误差,形成抗差性强、大气误差自由的GPS组合观测值;在此基础上引入双差伪距宽相组合进行模糊度浮点解并建立法方程,应用高度角与大气误差的关系构造权阵,对常规LAMBDA算法进行了改进,形成一种适合GPS网络差分的中长基线模糊度解算方法。对三个参考站同步观测数据的实际测试结果表明：使用该方法网络模糊度解算时间小于300s,基线长超过60km,并满足闭合性原则。     

考虑不确定因素的结构损伤定位方法

将应变模态作为实测资料应用概率方法进行结构损伤定位.采用的模态误差考虑了建模误差和测量误差等不确定因素,避免了测量自由度与模型自由度不匹配的问题.研究了损伤状态搜索策略,并对应变模态和位移模态分别作为实测资料的定位结果进行了比较,表明采用应变模态具有更高的定位精度.     

改进的PSO与ACO混合搜索GNSS整周模糊度算法

针对蚁群传统算法在计算GNSS整周模糊度过程中由于缺少初始信息素而产生搜索效率低下问题,提出改进的粒子群(PSO)与蚁群(ACO)混合搜索GNSS整周模糊度算法.在搜索初期,由于改进粒子群算法具备收敛速度快的优势,进行粗搜索获取次优解,并以此来初始化改进蚁群算法的信息素分布,最后完成整周模糊度的细搜索.基于经典算例和实...     

基于GNSS的列车定位信号完好性提高方法

全球导航卫星系统(GNSS)应用于铁路领域,能够为列车运行控制系统提供实时的位置信息.同时列车定位应当满足一定的安全标准,因此如何提高基于GNSS列车定位的完好性就显得尤为重要.首先,介绍了目前传统的列车定位方式和应用方法;其次,基于D-S证据理论和列车轨道卫星数据库提出了一种新的提高列车定位完好性的方法.最后,通过仿真和实验验证表明:该方法对GNSS在铁路领域的应用具有重要的参考价值.     

基于自适应分类容错滤波的SINS/GNSS组合导航方法

针对SINS/GNSS组合导航在GNSS信号异常时出现的系统滤波精度和稳定性下降的问题,提出一种基于EKF的自适应分类容错滤波算法。该算法通过比较系统残差协方差矩阵的实际值与理论值来检测GNSS信号是否存在异常,然后对异常信号进行分类,并对不同类别的异常信号使用不同的加权矩阵进行修正,以减弱异常值对系统滤波精度的影响,同时在滤波过程中加入UD分解,使系统滤波性能更稳定。仿真结果表明:该算法能够有效降低GNSS输出异常信号对SINS/GNSS组合导航带来的不利影响并提高系统稳定性;在GNSS信号出现异常情况下,其导航精度相比EKF至少提高95.6%,相比REKF和AEKF分别至少提高44.5%和24.6%。     

模态参数不确定性分析的贝叶斯方法研究

在结构损伤诊断和参数识别中,实测结构模态参数不可避免地存在误差。本文将模态参数视为随机变量,采用贝叶斯方法对模态参数的不确定性进行分析。分析中选用高斯联合概率密度函数作为先验密度函数,通过多次独立的模态参数测试,得到传递函数的条件概率密度函数和模态参数的后验估计表达式,再利用拉普拉斯渐近方法求解边缘概率密度函数,得到模态参数的最大后验估计。在钢筋混凝土框架结构的模态试验中,利用本文方法给出了结构模态参数的估计值,结果表明,本文方法具有良好的收敛性。     

GNSS 失锁下基于混合预测模型的 POS 误差估计方法

针对GNSS信号受遮挡或干扰导致的位姿测量系统（POS）量测信息失锁问题,提出一种基于多元线性回归（MLR）和径向基函数神经网络（RBFNN）的混合预测方法,用于GNSS失锁期间的POS导航误差预测。该方法利用Hodrick-Prescott(HP)滤波将POS导航误差样本数据分解成趋势性成分序列与波动性成分序列,分别采用MLR和RBFNN对其进行预测建模,充分表征POS导航误差数据的线性与非线性特征。车载实验结果表明,所提出的基于MLR/RBFNN混合预测方法与标准Kalman滤波方法相比,位置误差精度提高72.9%～89.1%,速度误差精度提高50.1%～60.8%,其位置和速度误差统计结果均优于单一的MLR预测模型和RBFNN预测模型。     

时间序列异常值探测的Bayes方法及其GNSS数据质量控制中的应用

GNSS卫星精密定轨定位的观测量验后残差分析是数据质量控制的重要组成部分。目前的方法都是根据经验设定异常值判断的阈值,没有利用验后残差序列的时间序列特性。引入基于识别变量的AR模型异常值探测的Bayes方法对验后残差序列中的异常值进行探测;将异常值探测问题转化为识别变量后验概率值的计算问题,并给出明确的判别阈值,通过后验概率值与事先给定的阈值进行比较判别出异常值的位置;运用Gibbs抽样设计了识别变量后验概率值的计算方法和异常值的估算方法。实测数据对该算法的验证表明该算法能够准确地探测出异常值的位置,将异常值剔除之后的观测值序列应用到精密单点定位中,结果表明该算法的使用提高了精密单点定位的定位精度。     

基于GNSS的列车定位信号完好性提高方法（英文）

全球导航卫星系统(GNSS)应用于铁路领域,能够为列车运行控制系统提供实时的位置信息。同时列车定位应当满足一定的安全标准,因此如何提高基于GNSS列车定位的完好性就显得尤为重要。首先,介绍了目前传统的列车定位方式和应用方法;其次,基于D-S证据理论和列车轨道卫星数据库提出了一种新的提高列车定位完好性的方法。最后,通过仿真和实验验证表明:该方法对GNSS在铁路领域的应用具有重要的参考价值。     

基于多解分离的GNSS/Inertial组合系统完好性监测

在卫星导航系统的完好性监测中,通常的接收机自主完好性监测过分依赖于可见星的几何分布,并且不能提供足够的可用性。针对该问题,给出了一种基于多解分离的惯性辅助卫星导航完好性监测方法。在对基于奇偶矢量的接收机自主完好性监测法及其可用性分析基础上,设计了基于多解分离的卫星导航/惯性组合导航紧耦合滤波器,推导了其完好性监测以及可用性计算方法。通过仿真实验,从可用性、阶跃故障和斜坡故障的完好性监测效果等方面,对两种方法进行了对比分析。结果表明,多解分离法在5颗星时仍能定位故障,水平保护限值可以降低50 m,对于1 m/s的斜坡故障检测时间可以缩短71 s,显著提高了完好性监测性能。     

基于射频前端的GPS软件接收机设计与验证

介绍了基于硬件射频前端的GPS软件接收机设计与验证。针对GPS串行的搜索算法速度慢的缺点，采用了高速的并行码相位搜索算法；设计和实现了码跟踪环和载波跟踪环，并用载波环路来辅助码跟踪环路；综合考虑接收机的动态性和噪声影响，采用最优化设计思想，设计了GPS软件接收机最优环路带宽。采用GPS中频信号采样器采集实际GPS数据，对搜索和跟踪算法进行了验证。测试结果证明所设计的搜索和跟踪方法是有效的，使得用户在微弱信号处理、多路径处理和发展新的算法等方面具有更大的灵活性，为实际的高性能硬件GPS接收机设计提供的重要的基础。     

Reliable validation based on optical flow visualization for CFD simulations

A reliable validation based on the optical flow visualization for numerical simulations of complex flowfields is addressed in this paper. Several test cases, including two-dimensional, axisymmetric and three-dimensional flowfields, were presented to demonstrate the effectiveness of the validation and gain credibility of numerical solutions of complex flowfields. In the validation, images of these flowfields were constructed from numerical results based on the principle of the optical flow visualization, and compared directly with experimental interferograms. Because both experimental and numerical results are of identical physical representation, the agreement between them can be evaluated effectively by examining flow structures as well as checking discrepancies in density. The study shows that the reliable validation can be achieved by using the direct comparison between numerical and experiment results without any loss of accuracy in either of them.     

基于多目标优化NSGA2改进算法的结构动力学模型确认

传统结构动力学模型确认方法通常采用单目标优化,存在精度不足和稳定性差等缺点,难以满足实际工程需求。基于此,提出一种采用神经网络作为代理模型,建立以马氏距离和鲁棒性为不确定性量化指标的多目标优化模型,并将NSGA2多目标进化算法用于求解。针对NSGA2存在无法有效识别伪非支配解、计算效率低和解集质量较差等设计缺陷,提出一种基于支配强度的NSGA2改进算法INSGA2-DS。INSGA2-DS将支配强度引入非支配排序,采用新型拥挤距离公式和自适应精英保留策略,以提高收敛效率和解集质量。GARTEUR飞机算例的仿真结果表明,INSGA2-DS求解复杂工程问题时具有更好的收敛性和分布性,而考虑鲁棒性的结构动力学模型确认方法可以获得同时满足多种目标要求的Pareto解集,提高了模型确认的精度和稳定性。     

基于多种搜索策略的人工蜂群算法的结构损伤识别

人工蜂群算法是一种元启发式算法,具有构架简单,易于操作和鲁棒性较好的特点。本文对原始蜂群算法进行了改进,为蜜蜂们提供了更丰富的搜索策略。基于轮盘赌原则选择更优的迭代方式,进而使算法的收敛速度和精度有了显著的提高。基于频率残差和模态置信准则(MAC)建立结构损伤识别问题的目标函数,然后利用ABC算法,QABC算法和本文方法求解该目标函数,得到损伤识别的结果。利用一桁架结构做数值模拟,用简支梁结构进行实验验证。算例表明,改进的算法更能有效地检测出结构的局部损伤,具有对测量噪声不敏感、高效率以及高精度等优点。     

Surrogate model‐based strategy for cryogenic cavitation model validation and sensitivity evaluation

The study of cavitation dynamics in cryogenic environment has critical implications for the performance and safety of liquid rocket engines, but there is no established method to estimate cavitation‐induced loads. To help develop such a computational capability, we employ a multiple‐surrogate model‐based approach to aid in the model validation and calibration process of a transport‐based, homogeneous cryogenic cavitation model. We assess the role of empirical parameters in the cavitation model and uncertainties in material properties via global sensitivity analysis coupled with multiple surrogates including polynomial response surface, radial basis neural network, kriging, and a predicted residual sum of squares‐based weighted average surrogate model. The global sensitivity analysis results indicate that the performance of cavitation model is more sensitive to the changes in model parameters than to uncertainties in material properties. Although the impact of uncertainty in temperature‐dependent vapor pressure on the predictions seems significant, uncertainty in latent heat influences only temperature field. The influence of wall heat transfer on pressure load is insignificant. We find that slower onset of vapor condensation leads to deviation of the predictions from the experiments. The recalibrated model parameters rectify the importance of evaporation source terms, resulting in significant improvements in pressure predictions. The model parameters need to be adjusted for different fluids, but for a given fluid, they help capture the essential fluid physics with different geometry and operating conditions. Copyright © 2008 John Wiley & Sons, Ltd.     

基于高斯混合无迹粒子滤波的地形辅助导航算法

地形辅助导航是一种利用地形高度信息定位的导航技术,由于地形高度起伏是非线性的,因此地形辅助导航本质是非线性、非高斯贝叶斯后验概率估计问题.粒子滤波因为适合非线性、非高斯估计问题,被引入地形辅助导航领域得到广泛研究和应用,但粒子滤波算法存在粒子匮乏的问题,会影响定位精度.针对此问题,将高斯混合无迹粒子滤波( GMUPF)用于地形辅助导航,该算法用高斯混合模型(GMM)近似粒子分布,用无迹卡尔曼滤波(UKF)估计重要密度函数,不需要做重采样.通过用实际地形数据做飞行仿真实验,结果显示相比粒子滤波,不仅没有粒子匮乏问题,而且所用粒子数更少时估计精度略好.     

基于k-fold交叉验证的代理模型序列采样方法

在代理模型序列采样框架下,针对现有研究中的不足之处,通过引入k-fold交叉验证计算样本的预测误差,并结合泰森多边形法和最大距离最小化准则,发展了一种适用于任意代理模型的k-fold CV-Voronoi自适应序列采样方法。相较于传统序列采样方法,本文方法具有计算简单和自适应性强等显著优势。通过数值算例和工程算例对比分析发现所提序列采样方法具有较高的近似精度和计算效率,此外,进一步讨论了k-fold交叉验证中k的不同取值对于代理模型精度的影响,总结出k的最优取值范围以供参考。