基于UWB的自动驾驶编队车辆相对位姿计算

随着自动驾驶车辆编队技术与超宽带技术(UWB)的快速发展,基于UWB的位姿估计技术也得到了迅速发展。针对自动驾驶物流车直行编队行驶过程中需要获取牵引车与跟随车之间的距离、姿态角与方位角,提出了将UWB技术应用于直行编队驾驶中。提出一种获取距离、姿态角与方位角的计算方法,最后使用卡尔曼滤波对含有噪声的数据进行平滑操作,将距离的平均误差从16.3%降到5.2%,方位角的平均误差从19.7%降为9.4%,姿态角的平均误差从17.4%降为8.9%。     

基于Kinect动态手势识别的机械臂实时位姿控制系统

基于Kinect动态手势识别达到实时控制机械臂末端位姿的效果。位置控制信息的获取采用Kinect计算手部4个关节点在控制中的位置变动,数据噪声在控制中易引起机械臂误动作和运动振动等问题,为了避免噪声对实时控制的不利影响,采用卡尔曼滤波跟踪降噪。姿势控制信息通过采集手部点云经滤波处理后应用最小二乘拟合的方式获取掌心所在平面,运用迭代器降噪处理。系统通过对手部位置和姿势信息的整合、手势到机械臂空间坐标映射及运动学求解来实时控制机械臂末端位姿。实验结果证明,手势控制系统满足控制要求,简单、易于操作,机械臂实时响应速度快、运动准确。     

基于集合卡尔曼滤波的PyWOFOST模型在东北玉米估产中的适用性验证

以叶面积指数(LAI)为结合点,引入基于集合卡尔曼滤波(Ensemble Kalman Filter,EnKF)的作物模型-遥感信息耦合模型PyWOFOST,利用气象数据、农业气象记录观测表数据及MODIS LAI数据检验PyWOFOST模型在东北玉米种植区的适用性,并选取在研究区内均匀分布、覆盖所有玉米品种且具有有效MODIS LAI数据的16个玉米农气站点,模拟该模型在不同的TSUM1(出苗-开花期积温)不确定性水平下各站点的玉米产量及LAI。结果表明,与WOFOST模型相比,PyWOFOST模型对LAI和产量的模拟能力都有极大提高。当TSUM1的不确定性为0、10、20、30℃时,PyWOFOST模拟的产量平均误差分别为10.32%、9.25%、7.31%和8.49%,均较未同化LAI观测数据的WOFOST模拟的产量平均误差(10.55%)低;同化后模拟LAI与同化前模拟LAI相比,其轨迹更接近实测值,更符合玉米的生长发育趋势,表明基于EnKF的PyWOFOST模型在东北玉米种植区有较好的适用性。     

方差补偿自适应卡尔曼滤波在GPS滑坡监测中的应用研究

卡尔曼滤波是目前处理滑坡监测数据的主要方法。针对传统卡尔曼滤波中动态噪声不准或不容易确定而导致滤波发散的现象,提出用动态噪声的方差阵补偿法对滤波中的方差-协方差误差进行修正,结合三峡实测数据处理,证明该方法能有效地克服滑坡监测数据处理中滤波模型发散的问题。     

南方贮木场原木库存线性随机最优反馈控制系统

本文根据贮木场原木库存生产的随机性和动态性,用CAR模型自动辨识机辨识上贮木场原木库存动态系统的阶,时滞和参数,建立系统的状态方程,在此基础对库存动态进行kalman滤波和预报,并进行了最优控制。     

无传感器式交流电动助力转向系统直接转矩控制

永磁同步电动机驱动的电动助力转向系统已成为发展方向,为适应交流电动机特点,基于模糊规则的助力-回正特性,采用扩展卡尔曼滤波估算定子磁链与位置,利用直接转矩控制算法对助力电动机进行控制,以提高电动机响应速度与精度。参照国标对该系统的转向轻便性与回正性能进行了仿真,结果表明提出的系统在电动机助力后转向效果明显,方向盘平均操作转矩减小45%,转向轮回正时间缩短了50%。台架试验结果显示,系统动态响应快,能够很好地完成助力控制目标。     

基于遥感数据同化的土壤含盐量估算方法

为探究同化遥感数据对监测区域尺度土壤含盐量时空信息的适用性,以河套灌区沙壕渠灌域为研究区,以高分一号卫星影像为数据源,通过灰度关联法筛选光谱指数,采用岭回归法构建不同深度的土壤含盐量反演模型,使用集合卡尔曼滤波同化算法将遥感数据应用于HYDRUS-1D模型中,开展区域尺度不同深度土壤含盐量的同化研究。结果表明,基于不同深度土壤含盐量的岭回归法模型,其R²均在0.64以上,RE为0.14～0.22,反演精度较高,得到的反演值较为准确;在单点尺度上,与模拟值、反演值相比,同化值更接近实测值,其EFF为0.84～0.93,NER为0.61～0.73,均为正数,且RMSE降低到0.006%～0.011%,提高了HYDRUS-1D模型模拟精度;在区域尺度上,不同深度同化值的r均为0.94以上,NER为0.61以上,优于模拟值和反演值,且同化精度随着深度的增加而降低。本文基于遥感数据和HYDRUS-1D模型的集合卡尔曼滤波同化研究,提高了土壤含盐量的模拟精度,对提高监测区域尺度土壤含盐量时空信息的精度具有一定的参考价值。     

直线型植保无人机航姿UKF两级估计算法

针对直线型植保无人机航姿测量受磁场干扰严重、磁力计校准动态性能差、航姿估计精度低等问题,提出了一种基于磁力计实时校准的无人机航姿两级解算方法。依据地磁场矢量变化小的特点,利用列文伯格-马夸特（Levenberg-Marquardt,LM）算法和磁力计误差模型,建立磁力计实时校准模型,实时计算磁力计误差参数。考虑运动加速度、电机磁场以及环境磁场干扰,采用无迹卡尔曼滤波器（Unscented Kalman filter,UKF）融合陀螺仪和加速度计实现一级航姿估计,通过四元数精准解析出横滚角和俯仰角姿态信息;然后融合磁力计实时校准数据和陀螺仪修正航向角完成二级航姿估计,最终实现无人机姿态和航向的精准估计。试验结果表明,在外部磁场干扰高达30.97μT时,实时校准算法仍可快速计算出磁力计校准参数,模长均方根误差为0.59μT,减小了航向观测信息噪声。本文的航姿测量系统姿态角均方根误差不大于0.75°,航向角均方根误差为1.40°,较互补滤波算法,姿态角精度提高约0.6%,航向角估计精度提高1.38°;动态飞行试验中,姿态估计算法大幅减弱了磁干扰影响,航姿跟踪准确,航向角快速收敛,稳态精度更高。     

基于卡尔曼滤波的橘小实蝇成虫运动轨迹优化跟踪

为了实现橘小实蝇虫口密度的精准监测,该文将机器视觉技术作为田间橘小实蝇成虫入侵自动化监测的感知方法。通过对监测区域内运动目标和背景的颜色分析,提出了基于卡尔曼(Kalman)滤波的运动目标颜色均值漂移跟踪算法,优化了多目标运动轨迹跟踪效果。该算法通过图像处理和匹配技术提取了橘小实蝇成虫在虫口监测区域二维平面X轴和Y轴方向上的位置坐标和速度分量,推算了橘小实蝇成虫运动轨迹递推关系。基于动态系统的状态序列线性最小方差估计理论和成虫运动轨迹关系分析,构建了卡尔曼滤波状态估计模型,并建立其预测和修正方程实现了橘小实蝇成虫运动目标位置估计。通过在虫口监测区域开展单目标和多目标分散及粘连条件下的成虫跟踪试验,试验结果表明颜色均值漂移跟踪算法对橘小实蝇成虫单目标跟踪具有较好的适应性,成虫监测计数准确率达100%,对于多目标分散和粘连情况跟踪处理效果较差,计数准确率分别下降至86%和76%;通过在颜色空间均值漂移跟踪算法的基础上引入Kalman滤波器估算目标运动的近似位置,实现了对橘小实蝇成虫分散和粘连多目标运动的持续跟踪优化,监测计数准确率分别提升至96%和93%。机器视觉技术实时跟踪橘小实蝇成虫在虫口监测区域运动轨迹试验进一步验证了橘小实蝇成虫虫口密度监测的可行性,为田间橘小实蝇成虫发生自动化监测技术研究提供了参考。     

RAPID TRANSFER ALIGNMENT USING FEDERATED KALMAN FILTER

The dimension number of the centralized Kalman filter (CKF) for the rapid transfer alignment (TA) is as high as 21 if the aircraft wing flexure motion is considered in the rapid TA. The 21-dimensional CKF brings the calculation burden on the computer and the difficulty to meet a high filtering updating rate desired by rapid TA. The federated Kalman filter (FKF) for the rapid TA is proposed to solve the dilemma. The structure and the algorithm of the FKF, which can perform parallel computation and has less calculation burden, are designed.The wing flexure motion is modeled, and then the 12-order velocity matching local filter and the 15-order attitud ematching local filter are devised. Simulation results show that the proposed EKE for the rapid TA almost has the same performance as the CKF. Thus the calculation burden of the proposed FKF for the rapid TA is markedly decreased.