检索结果-内蒙古大学图书馆

仪器仪表学报 2025年第1期46卷 236-246页

作者：万俊豪左建勇丁景贤潘宇同济大学交通学院上海201804 同济大学上海市轨道交通结构耐久与系统安全重点实验室上海201804

城市轨道交通车辆的测速定位存在可用传感器较少,小半径曲线和大坡度变化线路多,运行工况变化频繁,实时性与精度要求更高等问题。提出了基于新息自适应卡尔曼滤波的测速定位方法,以无人驾驶地铁为研究对象,首先基于先验牵引制动目标级... 详细信息

城市轨道交通车辆的测速定位存在可用传感器较少,小半径曲线和大坡度变化线路多,运行工况变化频繁,实时性与精度要求更高等问题。提出了基于新息自适应卡尔曼滤波的测速定位方法,以无人驾驶地铁为研究对象,首先基于先验牵引制动目标级位约束,将列车视为一维刚性均布质量模型,考虑列车经过等效变坡点的动力学行为,建立修正机动加速度的列车运动模型。然后基于新息自适应卡尔曼滤波实时估计与修正受到运行工况与线路情况变化影响的统计噪声。最后以3种典型工况的实车数据为例,基于16组动车轴速信息进行测速定位,并对比采用平均轴速法与无自适应估计噪声的常规卡尔曼滤波算法下的6种精度评价指标,结果表明:采用该方法有效修正轮轨蠕滑引起的渐进型数据漂移,减少高速区高频噪声,速度误差均方根为0.349 0 km·h^(-1),制动停车位置误差为0.491 3 m,具备较高的测速与定位精度;在高速区轴速存在1.5%比例随机缺失工况下,速度误差均方根可稳定在0.371 7 km·h^(-1)左右,制动停车位置误差可稳定在0.042 0 m左右,对高速区测量轴速缺失具备较强鲁棒性;在列车滑行工况下,速度误差均方根为0.360 1 km·h^(-1),制动停车位置误差为0.310 5 m,对列车空转滑行具备较强鲁棒性。研究结果能够为无人驾驶地铁列车精确测速定位提供理论依据与工程参考。

关键词：无人驾驶地铁测速定位方法机动加速度新息自适应卡尔曼滤波

来源：评论

学校读者我要写书评

暂无评论

新息自适应混合卡尔曼滤波算法构建地表沉降预测模型

引用

工程勘察 2020年第4期48卷 55-61页

作者：曾令权熊鑫陈竹安广州番禺职业技术学院建筑工程学院广州511483 东华理工大学测绘工程学院南昌330013 流域生态与地理环境监测国家测绘地理信息局重点实验室南昌330013 江西省数字国土重点实验室南昌330013

为解决矿区地表沉降变形预测的问题,提高预测模型的精度,提出了基于自回归综合移动平均模型(Autoregressive Integrated Moving Average model,ARIMA)的新息自适应卡尔曼滤波(Innovation Adaptive Kalman Filter,IAKF)与组合神经网络相... 详细信息

为解决矿区地表沉降变形预测的问题,提高预测模型的精度,提出了基于自回归综合移动平均模型(Autoregressive Integrated Moving Average model,ARIMA)的新息自适应卡尔曼滤波(Innovation Adaptive Kalman Filter,IAKF)与组合神经网络相结合的混合预测模型。首先,针对沉降变形监测序列的非平稳性与复杂性等特点,ARIMA模型能够将原始数列平稳化,以此构建地表下沉的预测模型,并作为新息自适应卡尔曼滤波的状态方程。然后,将集合经验模态分解(Ensemble Empirical Mode Decomposition,EEMD)、粒子群优化算法(Particle Swarm Optimization,PSO)和BP神经网络结合,构建EEMD-PSO-BP神经网络的组合网络模型,将组合神经网络的沉降预测结果作为观测值引入到卡尔曼滤波观测方程中,以建立混合预测模型。最后针对噪声方差Q与R选取的问题,利用新息自适应卡尔曼滤波估计出噪声方差的协方差阵。混合预测模型能有效减小单一预测机制造成的同一性质误差的累积,将基于ARIMA的新息自适应卡尔曼滤波、EEMD-PSO-BP神经网络模型与混合滤波模型的精度进行对比,新息自适应混合卡尔曼滤波预测模型的均方根误差降低至0.3194mm,相对百分误差降到1.42%。实验结果表明,混合滤波模型的各项预测结果要优于传统预测模型,精度相比较传统的预测模型有较大的改善。

关键词：沉降预测集合经验模态分解新息自适应卡尔曼滤波粒子群优化算法 BP神经网络混合预测

来源：评论

学校读者我要写书评

暂无评论

基于时间序列模型的超声信号滤波算法研究

引用

传感技术学报 2015年第3期28卷 396-400页

作者：张朋范福玲杨益常静中原工学院电子信息学院郑州450007

针对超声波测量油井液面深度系统中,现有降噪滤波算法复杂,效果差的缺点,提出了基于时间序列模型和新息卡尔曼滤波相结合的新方法。利用时间序列分析法对动液面测量系统建立ARMA模型;基于卡尔曼滤波实时在线消除随机噪声的特性,设计了... 详细信息

针对超声波测量油井液面深度系统中,现有降噪滤波算法复杂,效果差的缺点,提出了基于时间序列模型和新息卡尔曼滤波相结合的新方法。利用时间序列分析法对动液面测量系统建立ARMA模型;基于卡尔曼滤波实时在线消除随机噪声的特性,设计了新息自适应卡尔曼滤波算法,并结合ARIMA模型以消除模型误差,实现了基于时间序列系统模型对系统特征状态的最优估计目的。该新型滤波方法已经在油田现场测试和运用,测试结果表明,算法实时、高效,滤波效果好,精度高,能满足实际工程应用。

关键词：超声波时间序列新息自适应卡尔曼滤波

来源：评论

学校读者我要写书评

暂无评论

基于超声波和云测试的油井液面测试系统研究

引用

计算机测量与控制 2015年第6期23卷 1907-1911页

作者：张朋杨益范福玲常静中原工学院郑州450007

针对目前油井液面深度测试系统测量范围小、误差大、稳定性低的缺点,提出了基于声波法测动液面原理,利用时间序列分析技术、新息自适应卡尔曼滤波技术来实时检测回波信号,进而实现对油井液面深度的高精度测量和噪声处理;选用FPGA和云测... 详细信息

针对目前油井液面深度测试系统测量范围小、误差大、稳定性低的缺点,提出了基于声波法测动液面原理,利用时间序列分析技术、新息自适应卡尔曼滤波技术来实时检测回波信号,进而实现对油井液面深度的高精度测量和噪声处理;选用FPGA和云测试技术成功实现了油井液面深度测量系统的远程化和网络化;基于云测试的油井液面远程监测系统目前已在油田生产现场通过测试,测试结果表明,系统稳定,算法实时、高效,动液面深度测量误差小,测量精度高,能满足实际工程应用。

关键词：超声测距 FPGA 云测试时间序列新息自适应卡尔曼滤波

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：