摘要：针对高机动救援车辆提出一种主动悬挂系统控制策略——基于集合卡尔曼滤波技术的模型预测控制策略(EnKF-MPC)。首先,对高机动救援车辆主动悬挂系统进行动力学建模,通过集合卡尔曼滤波技术完成车辆动力学系统和车载组合导航系统的数据融合,实现车辆位姿信息的精确估计;针对组合导航系统垂向位移误差较大的问题,设计了点云匹配算法,完成车辆垂向位移信息的精确评估。其次,提出了模型预测控制策略,将集合卡尔曼滤波算法得到的车辆位姿信息和车载雷达系统获取的道路信息作为系统输入对车辆主动悬挂系统进行实时控制。最后,进行了实车验证,结果表明,提出的车辆位姿估计算法垂向位移误差为±3.100 cm,俯仰角误差为±0.175°,侧倾角误差为±0.210°。相比于被动悬挂,提出的主动悬挂控制方法垂向位移均方根平均值降低37%,俯仰角度均方根平均值降低35%,侧倾角度均方根平均值降低35%,显著提升了车辆的行驶平顺性和操纵稳定性。

摘要：正确评估海洋土的物理力学性质是保障海洋工程安全的关键。基于集合卡尔曼滤波结合波阻抗测量数据和波阻抗-孔隙率转换式,提出了一种海洋土孔隙率的概率预测及不确定性量化的方法。它可同时考虑转换模型和状态转移的不确定性,提供孔隙率沿深度的取值及其不确定性。首先基于先验信息生成海洋土孔隙率估计的初始集合;然后通过由多传感器岩心记录仪取样测量的波阻抗数据和概率转换模型,对海洋土孔隙率进行预测和更新;最后分析转换模型误差、初始集合和观测数据量对孔隙率估计的影响,通过工程实例的验证,表明该方法可有效地估计海洋土孔隙率随深度的空间分布,并量化不确定性。

摘要：为提高金华江流域实时洪水预报精度,建立了耦合MIKE 11 NAM与MIKE 11 HD的流域洪水预报模型和基于集合卡尔曼滤波的实时校正模型,实现了金华江流域洪水预报实时校正。流域洪水预报模型对流域内主要站点的模拟效果较好,洪水流量和洪水水位模拟精度较高;实时校正模型在预见期10 h以内,校正效果随预见期增加而降低,在预见期前期可有效降低预报误差。整体上,建立的流域洪水预报模型和基于集合卡尔曼滤波的实时校正模型能够满足金华江流域洪水预报应用要求。

摘要：针对对流尺度集合卡尔曼滤波(EnKF)雷达资料同化中雷达位置对同化的影响进行研究。为了考察强对流出现在雷达不同方位时集合卡尔曼滤波同化雷达资料的能力,以一个理想风暴为例,设计了8个均匀分布在模拟区域周围的模拟雷达进行试验。单雷达同化试验中,初期同化对雷达位置较敏感,而十几个循环后对雷达方位的敏感性降低。造成初期同化效果较差的雷达观测位于模拟区域正南和正北方向,这两部雷达与模拟区域中心的连线垂直于风暴移动方向(即环境气流的方向)。双雷达试验的结果表明,正东、正南、正西和正北方向的雷达组合观测会使同化初期误差较大,这说明并不是所有与风暴连线成90°的雷达组合都能在短时同化中得到合理的分析结果,还需要都处于模拟区域对角线上(即与环境气流成45°夹角),同化效果才较好。短时同化后的确定性预报结果表明,较大分析误差也会导致较大预报误差。这些分析误差主要是由于同化初期不准确的集合平均场驱动出的不合理的背景误差协方差造成的。当背景场随着同化循环得到改进后,驱动出的合理的背景误差协方差使得不同位置雷达同化造成的差异逐步减小。基于上述结果,引入迭代集合均方根滤波(iEnSRF)算法,结果显示使用该算法后,雷达位置对同化效果的影响减小,同化不同位置的雷达资料均能有效降低分析和预报误差。

摘要：集合卡尔曼滤波方法(EnKF)显式地考虑了模型输入、输出以及模型结构等因素的不确定性,近年来被广泛应用于水文模型参数估计研究中。本文基于EnKF方法开展二维土壤水流运动模型状态变量和参数联合估计研究,设计数值实验探究了在线源入渗条件下EnKF方法对粉壤土、壤土和砂壤土的饱和导水率和进气值参数的估计以及压力水头的同化效果,分析了观测点布置方式和观测点数量对同化效果的影响。研究结果表明,粉壤土条件下观测点垂向布置方式更好;壤土和砂壤土条件下,在0～30cm深土壤中水平向布置观测点可以得到较好的参数估计值。观测点水平向布置时应尽量靠近地表,同化系统可以有效地利用观测信息更新状态向量,参数更快地收敛于真值,但压力水头的同化效果仅限于一定深度的土壤。增加观测点数量可以有效地减小参数估计偏差,进而提高土壤剖面压力水头的预测精度。

摘要：在机动目标跟踪中,用于模型辨识和状态估计的非线性滤波器的合理选择和优化是提升滤波精度的关键.融合量测迭代更新集合卡尔曼滤波和交互式多模型(interacting multiple models,IMM)方法,本文提出了基于量测迭代更新集合卡尔曼滤波的机动目标跟踪算法.通过迭代更新思想的引入构建了一种量测迭代更新下集合卡尔曼滤波的实现结构,并将其作为IMM的模型滤波器实现对于目标运动模式和状态的辨识与估计.针对算法结合过程中滤波精度和计算量的平衡,设计了用于输入交互环节的状态估计样本,同时简化输入交互环节和输出交互环节中滤波误差协方差矩阵的交互过程.理论分析和仿真结果验证了算法的可行性和有效性.

摘要：集合卡尔曼滤波资料同化方法,可以用集合样本统计出随天气形势变化的误差协方差,是当前资料同化领域的研究热点。主要介绍了GRAPES集合卡尔曼滤波资料同化系统的设计以及初步的试验结果。针对集合卡尔曼滤波同化实际观测资料难以实施的问题,采用成批观测同化的顺序同化方法进行多变量的集合卡尔曼滤波同化;为了滤除有限集合数造成的误差相关噪音和缓解求逆矩阵不满秩的问题,在水平和垂直方向都采用了Schur滤波;建立了与GRAPES预报模式的垂直坐标和预报变量一致的模式面集合卡尔曼滤波系统;集合样本的生成考虑了模式变量的空间相关和模式变量之间的相关,通过利用三维变分分析中的控制变量变换得到模式变量扰动场。通过比较GRAPES集合卡尔曼滤波资料同化系统和GRAPES区域三维变分资料同化系统的单点观测资料同化分析结果,对比背景误差相关系数的分布,验证了GRAPES集合卡尔曼滤波系统的正确性。此外,同化区域探空观测资料试验结果表明,GRAPES集合卡尔曼滤波资料同化系统能够得到合理的分析,并且具有实际运行能力。对分析结果进行12h预报表明,GRAPES集合卡尔曼滤波资料同化系统的分析协调性不如三维变分资料同化系统。

摘要：以太湖作为研究区,把数据同化技术引入蓝藻水华预测研究,设计并实现了太湖叶绿素a质量浓度同化试验系统,该系统结合基于WASP原理的二维水动力水质耦合模型,采用集合卡尔曼滤波方法同化空间分辨率为250 m的MODIS叶绿素a质量浓度反演数据.结果表明,利用同化技术将衡量模型预报值、分析值和观测值之间的偏差指标RMSE减小了15.5%,可以有效地提高叶绿素a质量浓度的预测精度.

摘要：选择参数化的电离层热层理论模型TIEGCM作为背景模型,基于COSMIC掩星观测的电子密度廓线数据.应用集合卡尔曼滤波方法建立全球电离层电子密度同化模型.实现了全球电离层的电子密度同化.同化结果表明,该同化模型能将观测资料有效同化到背景模式中.获得全球三维电离层电子密度.与背景模式相比,同化得到的电子密度相对于观测值的偏差显著下降.对于有同化和无同化参与的试验,NmF_2的标准偏差分别降低约60%和20%.此外,分组同化与同时同化的结果对比显示,平均偏差改善基本一致,同时同化后的标准偏差在峰值高度以上略有减小.

摘要：GRAPES集合卡尔曼滤波资料同化方法能够分批同化常规观测资料,GRAPES集合卡尔曼滤波同化系统的设计及其与GRAPES三维变分同化系统的对比试验结果表明,GRAPES集合卡尔曼滤波系统能够得到合理的分析,并且具有实际运行能力。在此基础上,进行集合卡尔曼滤波区域同化分析及集合预报试验,对比区域模式面三维变分同化分析预报结果,研究表明,集合卡尔曼滤波分析比三维变分分析具有一定优势,降水预报更接近实况。考察了预报误差特征随天气形势的变化情况,表明预报误差相关场和均方差的分布随着天气形式不同而变化。