基于卡尔曼滤波的车辆侧偏角软测量

针对车辆稳定性控制过程中难以在线测得车辆侧偏角的问题,该文基于参数软测量理论和离散信号滤波理论,并结合卡尔曼滤波和驾驶员—车辆闭环系统模型建立车辆侧偏角软测量模型。该方法通过易测变量横摆角速度和侧向加速度估算车辆侧偏角,以实现车辆侧偏角的状态估计。基于预瞄最优曲率控制理论和预测—跟随理论所建立的二自由度驾驶员—车辆闭环系统建立了软测量模型,并建立其状态方程和观测方程。为进行状态估计,对模型的状态方程和观测方程进行连续系统离散化,得到以横摆角速度和侧向加速度为观测量的系统离散观测方程。通过双移线试验与蛇形试验进行场地试验获取纵向速度、侧向速度、横摆角速度、侧向加速度及车辆侧偏角等试验数据。估计值和试验值比较显示,两者变化趋势一致,误差均值在试验值幅值的10%以内,试验表明,软测量算法能准确估算出车辆侧偏角是可行的。研究结果可为软测量技术在车辆稳定性控制系统上的应用提供参考。     

无人机三轴稳定云台的模糊PID控制

以无人机三轴稳定云台的内框作为研究对象,将自适应卡尔曼滤波算法与模糊PID控制算法相结合,提出了一种基于自适应卡尔曼滤波的模糊PID控制算法.经过Matlab仿真实验表明,相对于经典PID控制算法和模糊PID控制算法而言,该算法在无人机三轴稳定云台的控制上,不仅响应速度快、精度高,而且对控制干扰噪声和测量噪声也起到了较好的抑制作用.     

基于多速率卡尔曼滤波的植保无人机仿地飞行方法

针对四旋翼植保无人机坡地适应性差、作业时定高精度低的问题,提出了一种融合立体视觉、气压计及惯性测量单元(IMU)的多速率卡尔曼滤波估计无人机高度的仿地飞行方法。首先基于无人机实时高度、姿态与最佳视觉检测区域之间的关系,提出了视觉检测区域自适应算法;然后融合多传感器信息建立多速率卡尔曼滤波模型用以估计无人机对地高度;最后通过自主飞行实验对无人机高度估计算法与仿地飞行方法进行验证。实验结果表明,当飞行高度为2 m,飞行速度为1、2、3 m/s时,植保无人机在平坦地面与15°缓坡区域均可实现高度估计平均绝对误差小于20 mm,高度估计标准差小于30 mm;高度控制平均绝对误差小于30 mm,高度控制标准差小于30 mm;本文验证了植保无人机在地形变化场景下仿地飞行的有效性,为植保无人机在复杂地形自动化作业奠定了基础。     

基于多传感器融合的拖拉机侧滑量估计方法及其验证

针对丘陵山地中拖拉机的侧滑估计,提出了一种融合机器视觉与全球卫星导航定位系统（Global navigation satellite system,GNSS）的多传感器信息融合算法。首先提出了简化的拖拉机运动学模型,再阐述基于GNSS与机器视觉技术的侧滑量估计方法。并通过CarSim和Simulink的联合仿真验证侧滑估计方法的可行性。引入卡尔曼滤波和权重函数对传感器数据进行融合和动态调节。搭建模拟丘陵山地实验平台,在不同的地面倾角、GNSS遮挡条件以及路面条件下进行了实验。实验结果表明,在干燥路面且GNSS遮挡条件下,拖拉机在9°、18°路面条件下行驶时最终融合后的总侧滑量分别为0.322m和0.432m,相对误差分别为7.86%和6.00%,即在GNSS信号遮挡的情况下依然能够准确地估计出拖拉机的侧滑量。研究可为拖拉机的精确横向控制提供新的方法和实验基础。     

智能农机GNSS/INS组合导航系统设计

为提高自动导航农机的定位精度和可靠性,该研究设计了基于全球导航卫星系统(GlobalNavigationSatellite System, GNSS)和惯性导航系统(Inertial Navigation System, INS)的智能农机组合导航系统,该系统根据来自INS的三轴姿态角速度、加速度信息以及高精度定位板卡的三轴位置、速度信息,采用松耦合模式,通过卡尔曼滤波对INS误差实时校正,解算出农机的精准位置、速度和姿态信息。为实现该组合导航系统,设计和制作了智能农机控制板,集成GNSS高精度解析板卡和惯性测量模块,并在控制板上实现组合导航算法。搭建了东风DF1004-2智能农机试验平台,并在试验田中分别进行静止和直线行驶状态下的试验和单独GNSS导航与组合导航效果的对比。试验结果表明,在农机静止状态,两者性能接近,定位误差均在1 cm以内,姿态角误差均在0.1°以内;在农机以2 m/s的速度按照预设直线行驶时,单独GNSS导航位置误差在6 cm以内,姿态角误差在1°以内,GNSS/INS组合导航位置误差在3 cm以内,姿态角误差在0.5°以内,GNSS/INS组合导航精度明显的提升,可为高精度农机自动导航控制提供技术支持。     

基于水平鱼探仪影像的金枪鱼追踪系统

水平鱼探仪在金枪鱼围网中起着重要作用,主要用来发现和监测鱼群,目前的水平鱼探仪通常没有预测鱼群速度和评估鱼群数量的功能.提出了一种基于水平鱼探仪影像的金枪鱼跟踪系统,主要包括数据采集系统和鱼群跟踪软件,通过声学图像处理提取目标鱼群坐标,使用交互式多模型(IMM)算法和联合概率数据关联(JPDA)算法跟踪鱼群运动状态,实现金枪鱼游泳速度和运动方向的实时预测和显示.了解金枪鱼的逃逸速度,可以及时控制网位网形防止鱼群逃脱.该系统已经安装在一艘金枪鱼围网渔船上并记录海上真实数据,试图在原位进行鱼群的评估.     

基于线性抛物线模型的车道检测与跟踪方法

车道检测是车道偏离预警系统的前提,是车辆辅助驾驶系统的重要组成部分。提出一种基于线性抛物线模型车道检测与跟踪方法：首先,提出一种新的车道线检测感兴趣区域（ROI）设置方法;其次,引入双阚值算法对道路边缘进行提取,利用Hough变换初步获得车道中线及消失点坐标并提取道路标识线;最后,建立线性抛物线模型,引入卡尔曼滤波（KF）对车道线进行跟踪,并用卡尔曼滤波对模型参数进行更新。多段实地采集的视频仿真试验结果表明,该算法能快速、稳定的检测和跟踪车道线。     

强跟踪自适应卡尔曼滤波在高铁沉降监测中的应用

以高铁沉降监测为应用背景,研究了一种强跟踪自适应卡尔曼滤波算法,并将其与其他几种卡尔曼滤波算法进行仿真对比。结果表明,滤波算法具有较高的精度和较强的跟踪能力。     

四旋翼飞行器悬停算法设计与实现

以自制四旋翼飞行器为研究对象,对四旋翼飞行器悬停算法进行详细研究。控制中心通过传感器MPU6050获取飞行数据,通过获取的数据计算得到飞行姿态,然后结合气压传感器和摄像头相结合进行悬停算法的设计。程序算法主要包括四元数、PID、卡尔曼滤波和视觉定位等算法,计算得出相应的数据,最后通过控制电子调节系统驱动无刷电机完成其悬停与控制。     

基于卡尔曼滤波算法的稻纵卷叶螟短期预测模型

利用1994-2014年中国南方四大稻区（华南、西南、江岭和江淮稻区）代表性病虫测报站的稻纵卷叶螟逐候田间赶蛾量资料,筛选出影响各站稻纵卷叶螟发生量的关键气象因子,应用卡尔曼滤波方法分别对各站建立稻纵卷叶螟迁入期候发生量的卡尔曼短期预测模型,并计算模型的准确率、误差大小和稳定性。结果表明：（1）稻纵卷叶螟发生量与前一候和前两候的田间蛾量呈极显著正相关（P<0.01）,与前一候的近地面最低气温、平均气温和最高气温呈极显著正相关（P<0.01）,与前一候的地面气压呈极显著负相关（P<0.01）。（2）经1994-2011年的回检拟合和2012-2014年试报检验,卡尔曼模型的发生量预测综合平均误差为-88.63,平均绝对误差为217.72,均方根误差为605.04。发生量预测综合准确率为84.33%,平均历史拟合率为83.33%,各站卡尔曼模型的预报结果与实测值基本吻合,表明模型可以应用于稻纵卷叶螟候发生量的预测。