摘要：由微机电惯性导航系统和全球定位系统构成的组合导航系统在卫导信号失锁的情况下,纯惯导定位误差将迅速发散。为了抑制惯导系统误差发散,提出了改进的径向基神经网络与自适应卡尔曼滤波算法,并提出了新的网络训练模型,采用自适应量子粒子群算法改进径向基神经网络的结构设计与参数。在卫导信号可用时用组合导航数据训练神经网络,当卫导信号失锁时,由改进的径向基神经网络预测自适应卡尔曼滤波的量测,使滤波器继续为系统提供速度与位置修正值。实验结果表明,转弯行驶状态下,卫星失锁15 s时,相比较原算法,水平定位精度提高了62%,有效抑制了惯导误差。

摘要：针对低精度微惯性测量单元/全球导航卫星系统(IMU/GNSS)松组合导航系统中初始方位难以精确得到和行进间航向容易发散的问题,该文设计了一种双天线辅助的两段连续式对准方法。首先分析了初始方位误差对航向精度的影响;其次,由于GNSS测向系统精度高、无姿态漂移误差的特点,基于双天线基线矢量推导了一种最小二乘算法的测姿模型,进行初始对准;最后针对行进间对准,研究扩展了基于航向差值的1维量测以抑制航向发散。设计试验探讨了双天线基线矢量对初始对准与行进间航向精度的影响,改进方法可以使得初始方位误差优于0.7°,行进间航向能够更准确地被跟踪。针对目标的初始对准与行进间对准,双天线可提供辅助信息,其效果优于单天线IMU/GNSS的组合,且方法计算量适中。

摘要：针对车载卫星与惯性器件的组合导航系统不确定性对导航精度影响较大的问题,依据滤波新息估计量的统计特性与模糊度隶属度函数的控制特性,设计滤波方法实现对组合导航误差的抑制。考虑系统先验知识难以准确获取,首先采用新息自适应估计(Innovation Adaptive Estimation,IAE)方法对当前量测噪声方差进行在线调整;其次根据新息确定量化参数,引入平滑加权残差平方思想(Smoothed Weighted Residual Squared,SWRS)给出表示系统不确定度的权值函数,结合定义的系统不确定度构建模糊隶属度函数;最后将两种改进方法嵌入到无迹卡尔曼滤波(Unscented Kalman Fil⁃ter,UKF)框架中,对系统噪声方差予以自适应调整,形成适用于处理低成本组合导航系统的模糊IAE-UKF滤波器。设计车载组合导航测试,取不同算法下的组合位置、组合速度进行精度比较。结果表明本文组合导航算法的位置精度及速度精度均得到明显改善,实现了对组合导航误差的抑制,是一种可有效克服系统模型难以准确建立问题的滤波器。

摘要：扩展卡尔曼滤波(Extended Kalman filter,EKF)的准确性依赖于观测的质量、观测对象的非线性程度及动态模型的准确性.该方法通常假设其动态模型是不变的,而且默认为非线性程度较弱,这些在实际的车辆运动中都是不可靠的处理方式.本文提出了一种利用最小二乘支持向量机(Least squares support vector machine,LSSVM)的技术增强扩展卡尔曼滤波的新算法.LSSVM改进后的EKF算法(LSSVM-EKF)一定程度上弥补了EKF处理强非线性问题的不足;而且可以自适应地估计历史数据的动态建模偏差,并使用估计偏差来补偿动态模型.开发了一种引入Allan方差的K折交叉验证方法来确定LSSVM的训练参数;将动态模型偏差通过有限数据集与LSSVM一起训练;并引入无损变换将LSSVM与EKF进行了集成.为了验证算法,最后设计了车载试验,并采用列车数据验证了文中所提的方法,结果表明LSSVMEKF可以较好地适应实际车辆运动环境,可以提供一种可用的车辆定位方法.

摘要：为了方便、准确的控制四轴飞行器正常飞行,设计了基于姿态感知的四轴飞行器和手部姿态感知系统。该系统以STM32为核心处理器,通过陀螺仪采集手部姿态信息,对采集的手部姿态信息利用低通滤波器和Kalman相结合进行去噪处理。之后利用联邦Kalman算法对手部姿态信息、机体姿态和气压计的信息进行融合,调节控制四轴飞行器飞行的PID参数,使其能够根据手部姿态进行前、后、左、右、上、下、悬停等飞行。并通过实验仿真验证手部姿态信息与飞行器飞行动作的一致性。通过实验验证可知飞行器的飞行动作和手部姿态保持一致,系统能够稳定工作且满足一般控制要求,并为相关设计提供了参考。

摘要：针对列车速度跟踪问题和自抗扰控制器(Nonlinear Active Disturbance Rejection Controller,NLADRC)参数整定问题,设计了一种基于强化学习自抗扰的高速列车速度控制算法.首先,采用结构简化的Levant跟踪微分器,提高对输入信号的跟踪.其次,设计基于ifaln函数改进扩张状态观测器的二阶NLADRC,解决误差大时系统增益大的问题.再次,考虑列车追踪要达到高精度的需求,控制器应该有良好的稳、动态性能,提出综合型目标函数指标.最后,根据列车运行系统特点设计长时连续动作强化学习器(Long Time Continuous Action Reinforcement Learning Automata,LTCARLA),在保持控制器非线性优势的情况下进行参数整定.实验结果表明:该算法在外加干扰作用下,跟踪误差仍能保持在±0.06 km/h间,抗扰性强,学习出的这组参数值能使控制器性能最优.

摘要：针对高速列车自动驾驶中应用传统自抗扰控制跟踪运行速度时可调参数多且整定困难、跟踪精度较低、抗干扰性较弱的问题,提出基于线性自抗扰(Linear Active Disturbance Rejection Control,LADRC)的速度控制设计方案.首先,以单质点列车模型为基础,依据LADRC设计实时估计系统未建模动态的线性扩张状态观测器;其次,采用改进指数趋近律的滑模控制(Sliding Mode Control,SMC)优化非线性误差反馈控制律,提高系统的响应速度并削弱抖振;最后,设计滑模线性自抗扰(Sliding Mode Linear Active Disturbance Rejection Control,SM-LADRC)控制器,对速度指令进行追踪,通过数值仿真验证控制器的有效性.实验结果表明,SM-LADRC控制器具有可调参数少且易整定、跟踪精度高、抗扰动性强、响应速度快等优势.

摘要：针对城轨列车运行过程外界未知干扰及运行周期中参数变动造成停车不准确的问题,设计准滑模变结构控制器和基于组合趋近律的控制算法,来实现停车控制。组合趋近律滑模控制是结合常规指数趋近律和变速趋近律2种趋近方式的优点,无需外加辅助控制器来消除抖振,结构简单。通过跟踪理想运动目标曲线,完成停车过程。研究结果表明:基于组合趋近律准滑模控制器在实现精确停车的同时,系统响应快,对外界干扰和不确定性具有较强的鲁棒性。

摘要：转辙机缺口大小是其健康状态的重要标志之一.针对大多数现有转辙机缺口检测装置需要在表示杆额外增加标记的缺点,以及目前边缘检测技术难以消除图像中噪声的问题,以某铁路公司ZYJ7型与ZD6型转辙机缺口图像为基础,设计了一种基于超像素的快速模糊聚类算法(Superpixel-based Fast Fuzzy C-Means clustering,SFFCM)图像分割的转辙机缺口自动检测方法 .首先,采用SFFCM对缺口图像进行精准分割,保持缺口图像边缘的清晰度和连续性;其次,利用Canny算子对分割后的图像进行边缘提取,获取缺口图像的单像素边缘;最后,利用算法对图像中转辙机缺口两端进行标记,从而实现转辙机缺口的自动检测.实验结果表明,该转辙机缺口检测方法与架构具有一定的有效性.

摘要：针对人脸识别特征提取阶段中的数据降维方法往往难以兼顾保持全局与局部特征信息的问题,以及匹配识别阶段贝叶斯分类器中小样本问题,提出了一种融合全局与局部特征的贝叶斯人脸识别方法。该方法通过核主元分析提取出人脸数据的全局非线性特征,并在此基础上通过正交化局部敏感判别分析挖掘出人脸数据的局部流形结构信息,以达到提取出具有高判别力低维本质人脸特征的目的;采用一种最大信息量协方差选择的方法,来对协方差矩阵进行估算,以解决贝叶斯分类器设计中的小样本问题。在ORL、AR、YALE、FLW人脸库上设计实验来进行验证。结果表明,提出的特征提取算法以及对贝叶斯分类器的改进取得了比较好的效果,通过对这两个阶段的优化,可以显著提升人脸识别的效果。