期刊文献+
任意字段
题名或关键词
题名
关键词
摘要
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到1,600篇文章
< 1 2 … 80 >
每页显示 20 50 100
已选0条
引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
Short-term Wind Power Forecasting Using Interval A2-C1 Type-2 TSK FLS Method with Extended Kalman Filter Algorithm 认领 引用
1
作者 Jun Li Mingdi Miao 《Chinese Journal of Electrical Engineering》 EI CSCD 2025年第3期191-215,共25页
For short-term wind power forecasting,an interval A2-C1 type-2(IT2)Takagi-Sugeno-Kang(TSK)fuzzy logic system(FLS)method(“A”means antecedent and“C”consequent)based on an extended Kalman filter(EKF)optimization algo... For short-term wind power forecasting,an interval A2-C1 type-2(IT2)Takagi-Sugeno-Kang(TSK)fuzzy logic system(FLS)method(“A”means antecedent and“C”consequent)based on an extended Kalman filter(EKF)optimization algorithm is proposed.Compared with the type-1(T1)FLS model,the IT2 TSK FLS method can simultaneously model both intra-and inter-individual uncertainty and further optimize the antecedent and consequent parameters using the EKF to improve forecasting performance further.The proposed IT2 A2-C1 FLS method is applied to Mackey-Glass chaotic time series and wind power forecasting instances in a certain region,under the same conditions.It is also compared with the T1 TSK FLS and IT2 TSK FLS methods with back propagation(BP)and particle swarm optimization(PSO)algorithms,as well as IT2 A2-C0 TSK FLS methods with EKF.The experimental results confirm that the proposed IT2 A2-C1 FLS method is superior to the other FLS methods regarding performance,which demonstrates its effectiveness and application potential. 展开更多
关键词 Wind power forecasting interval type-2 TSK fuzzy logic system extended Kalman filter(EKF)algorithm A2-C1
Stability analysis of distributed Kalman filtering algorithm for stochastic regression model 认领 引用
2
作者 Siyu Xie Die Gan Zhixin Liu 《Control Theory and Technology》 EI CSCD 2025年第2期161-175,共15页
The work proposes a distributed Kalman filtering(KF)algorithm to track a time-varying unknown signal process for a stochastic regression model over network systems in a cooperative way.We provide the stability analysi... The work proposes a distributed Kalman filtering(KF)algorithm to track a time-varying unknown signal process for a stochastic regression model over network systems in a cooperative way.We provide the stability analysis of the proposed distributed KF algorithm without independent and stationary signal assumptions,which implies that the theoretical results are able to be applied to stochastic feedback systems.Note that the main difficulty of stability analysis lies in analyzing the properties of the product of non-independent and non-stationary random matrices involved in the error equation.We employ analysis techniques such as stochastic Lyapunov function,stability theory of stochastic systems,and algebraic graph theory to deal with the above issue.The stochastic spatio-temporal cooperative information condition shows the cooperative property of multiple sensors that even though any local sensor cannot track the time-varying unknown signal,the distributed KF algorithm can be utilized to finish the filtering task in a cooperative way.At last,we illustrate the property of the proposed distributed KF algorithm by a simulation example. 展开更多
关键词 Distributed Kalman filtering algorithm Stochastic cooperative information condition Sensor networks (Lp)-exponential stability Stochastic regression model
Stability and performance analysis of the compressed Kalman filter algorithm for sparse stochastic systems 认领 引用 被引量：2
3
作者 LI RongJiang GAN Die +1 位作者 XIE SiYu LüJinHu 《Science China(Technological Sciences)》 SCIE EI CAS CSCD 2024年第2期380-394,共15页
This paper considers the problem of estimating unknown sparse time-varying signals for stochastic dynamic systems.To deal with the challenges of extensive sparsity,we resort to the compressed sensing method and propos... This paper considers the problem of estimating unknown sparse time-varying signals for stochastic dynamic systems.To deal with the challenges of extensive sparsity,we resort to the compressed sensing method and propose a compressed Kalman filter(KF)algorithm.Our algorithm first compresses the original high-dimensional sparse regression vector via the sensing matrix and then obtains a KF estimate in the compressed low-dimensional space.Subsequently,the original high-dimensional sparse signals can be well recovered by a reconstruction technique.To ensure stability and establish upper bounds on the estimation errors,we introduce a compressed excitation condition without imposing independence or stationarity on the system signal,and therefore suitable for feedback systems.We further present the performance of the compressed KF algorithm.Specifically,we show that the mean square compressed tracking error matrix can be approximately calculated by a linear deterministic difference matrix equation,which can be readily evaluated,analyzed,and optimized.Finally,a numerical example demonstrates that our algorithm outperforms the standard uncompressed KF algorithm and other compressed algorithms for estimating high-dimensional sparse signals. 展开更多
关键词 sparse signal compressed sensing Kalman filter algorithm compressed excitation condition stochastic stability tracking performance
暂未订购 下载PDF
Research on Kalman Filtering Algorithmfor Deformation Information Series ofSimilar Single-Difference Model 认领 引用 被引量：15
4
作者 吕伟才 徐绍铨 《Journal of China University of Mining and Technology》 2004年第2期189-194,199,共6页
Using similar single-difference methodology(SSDM) to solve the deformation values of the monitoring points, there is unstability of the deformation information series, at sometimes.In order to overcome this shortcomin... Using similar single-difference methodology(SSDM) to solve the deformation values of the monitoring points, there is unstability of the deformation information series, at sometimes.In order to overcome this shortcoming, Kalman filtering algorithm for this series is established,and its correctness and validity are verified with the test data obtained on the movable platform in plane. The results show that Kalman filtering can improve the correctness, reliability and stability of the deformation information series. 展开更多
关键词 similar single-difference methodology GPS deformation monitoring single epoch deformation information series Kalman filtering algorithm
暂未订购 下载PDF
基于自适应Kalman滤波与GWO-LSTM-Attention的温室温湿度预测方法 认领 引用 被引量：1
5
作者 蔡玉琴 刘大铭 +2 位作者 徐琴 李波洋 刘博杰 《智慧农业（中英文）》 CSCD 2026年第1期148-155,共8页
[目的/意义]针对温室温湿度预测中多传感器数据融合可靠性低、传统模型忽略温湿度动态耦合,以及参数调优依赖人工经验等问题。[方法]首先,对传统卡尔曼(Kalman)滤波算法实施改进,通过动态调整过程噪声协方差和观测噪声协方差,结合新息... [目的/意义]针对温室温湿度预测中多传感器数据融合可靠性低、传统模型忽略温湿度动态耦合,以及参数调优依赖人工经验等问题。[方法]首先,对传统卡尔曼(Kalman)滤波算法实施改进,通过动态调整过程噪声协方差和观测噪声协方差,结合新息方差动态分配多传感器权重。其次,针对温湿度的强耦合性及其协同控制的需求,构建多输出长短期记忆-注意力机制(Long Short-Term Memory-Attention,LSTM-Attention)模型,以温湿度协同预测为目标,引入注意力机制自适应加权关键环境因子,并采用灰狼优化算法(Grey Wolf Optimizer,GWO)自动对超参数进行寻优。[结果和讨论]提出的自适应卡尔曼滤波算法在多点温湿度融合中的平均绝对偏差分别为1.59℃和8.64%,比传统卡尔曼滤波算法分别降低1.24%、8.57%。以该算法融合结果作为模型训练集,模型在温湿度预测中决定系数R2分别达到98.2%和99.3%,比传统Kalman提升4.7%和4.3%。GWO-LSTM-Atten⁃tion模型的温湿度预测均方根误差分别为0.7768℃和2.0564%,比LSTM、LSTM-Attention时间序列预测模型分别降低15.6%、6.6%,湿度分别降低29.2%、5.7%。[结论]提出的自适应卡尔曼融合算法能够有效抑制异常值影响,可在非平稳环境变化下实现多传感器数据可靠融合。在温室多环境因子预测中,GWO-LSTM-Attention模型温湿度预测值在未来可作为控制温室环境的重要参考,进而实现对温室环境的实时调控。 展开更多
关键词 日光温室 卡尔曼滤波 灰狼优化算法 长短期记忆神经网络 注意力机制
暂未订购 下载PDF
Assimilation of Remote Sensing and Crop Model for LAI Estimation Based on Ensemble Kalman Filter 认领 引用 被引量：4
6
作者 LI Rui LI Cun-jun +4 位作者 DONG Ying-ying LIU Feng WANG Ji-hua YANG Xiao-dong PAN Yu-chun 《Agricultural Sciences in China》 CSCD 2011年第10期1595-1602,共8页
Data assimilation in agricultural remote sensing research is of great significance to integrate with remote sensing observations and model simulations for parameters estimation. The present investigation not only desi... Data assimilation in agricultural remote sensing research is of great significance to integrate with remote sensing observations and model simulations for parameters estimation. The present investigation not only designed and realized the Ensemble Kalman Filtering algorithm （EnKF） assimilation by combing the crop growth model （CERES-Wheat） with remote sensing data, but also optimized and updated the key parameters （LAI） of winter wheat by using remote sensing data. Results showed that the assimilation LAI and the observation ones agreed with each other, and the R2 reached 0.8315. So assimilation remote sensing and crop model could provide reference data for the agricultural production. 展开更多
关键词 crop model assimilation Ensemble Kalman Filter algorithm leaf area index
暂未订购 下载PDF
TEC and Instrumental Bias Estimation of GAGAN Station Using Kalman Filter and SCORE Algorithm 认领 引用 被引量：2
7
作者 Dhiraj Sunehra 《Positioning》 2016年第1期41-50,共10页
The standalone Global Positioning System (GPS) does not meet the higher accuracy requirements needed for approach and landing phase of an aircraft. To meet the Category-I Precision Approach (CAT-I PA) requirements of ... The standalone Global Positioning System (GPS) does not meet the higher accuracy requirements needed for approach and landing phase of an aircraft. To meet the Category-I Precision Approach (CAT-I PA) requirements of civil aviation, satellite based augmentation system (SBAS) has been planned by various countries including USA, Europe, Japan and India. The Indian SBAS is named as GPS Aided Geo Augmented Navigation (GAGAN). The GAGAN network consists of several dual frequency GPS receivers located at various airports around the Indian subcontinent. The ionospheric delay, which is a function of the total electron content (TEC), is one of the main sources of error affecting GPS/SBAS accuracy. A dual frequency GPS receiver can be used to estimate the TEC. However, line-of-sight TEC derived from dual frequency GPS data is corrupted by the instrumental biases of the GPS receiver and satellites. The estimation of receiver instrumental bias is particularly important for obtaining accurate estimates of ionospheric delay. In this paper, two prominent techniques based on Kalman filter and Self-Calibration Of pseudo Range Error (SCORE) algorithm are used for estimation of instrumental biases. The estimated instrumental bias and TEC results for the GPS Aided Geo Augmented Navigation (GAGAN) station at Hyderabad (78.47°E, 17.45°N), India are presented. 展开更多
关键词 GPS Aided Geo Augmented Navigation Total Electron Content Instrumental Biases Kalman Filter Score Algorithm
暂未订购 下载PDF
NONLINEAR FILTER METHOD OF GPS DYNAMIC POSITIONING BASED ON BANCROFT ALGORITHM 认领 引用 被引量：4
8
作者 ZHANG Qin TAO Ben-zao +1 位作者 ZHAO Chao-ying WANG Li 《Transactions of Nanjing University of Aeronautics and Astronautics》 EI 2005年第2期170-176,共7页
Because of the ignored items after linearization,the extended Kalman filter(EKF)becomes a form of suboptimal gradient descent algorithm.The emanative tendency exists in GPS solution when the filter equations are ill-p... Because of the ignored items after linearization,the extended Kalman filter(EKF)becomes a form of suboptimal gradient descent algorithm.The emanative tendency exists in GPS solution when the filter equations are ill-posed.The deviation in the estimation cannot be avoided.Furthermore,the true solution may be lost in pseudorange positioning because the linearized pseudorange equations are partial solutions.To solve the above problems in GPS dynamic positioning by using EKF,a closed-form Kalman filter method called the two-stage algorithm is presented for the nonlinear algebraic solution of GPS dynamic positioning based on the global nonlinear least squares closed algorithm--Bancroft numerical algorithm of American.The method separates the spatial parts from temporal parts during processing the GPS filter problems,and solves the nonlinear GPS dynamic positioning,thus getting stable and reliable dynamic positioning solutions. 展开更多
关键词 GPS dynamic positioning Bancroft algorithm extended Kalman filter algorithm
暂未订购 下载PDF
A novel strong tracking cubature Kalman filter and its application in maneuvering target tracking 认领 引用 被引量：34
9
作者 An ZHANG Shuida BAO +1 位作者 Fei GAO Wenhao BI 《Chinese Journal of Aeronautics》 SCIE EI CAS CSCD 2019年第11期2489-2502,共14页
The fading factor exerts a significant role in the strong tracking idea. However, traditional fading factor introduction method hinders the accuracy and robustness advantages of current strong-tracking-based nonlinear... The fading factor exerts a significant role in the strong tracking idea. However, traditional fading factor introduction method hinders the accuracy and robustness advantages of current strong-tracking-based nonlinear filtering algorithms such as Cubature Kalman Filter(CKF) since traditional fading factor introduction method only considers the first-order Taylor expansion. To this end, a new fading factor idea is suggested and introduced into the strong tracking CKF method.The new fading factor introduction method expanded the number of fading factors from one to two with reselected introduction positions. The relationship between the two fading factors as well as the general calculation method can be derived based on Taylor expansion. Obvious superiority of the newly suggested fading factor introduction method is demonstrated according to different nonlinearity of the measurement function. Equivalent calculation method can also be established while applied to CKF. Theoretical analysis shows that the strong tracking CKF can extract the thirdorder term information from the residual and thus realize second-order accuracy. After optimizing the strong tracking algorithm process, a Fast Strong Tracking CKF(FSTCKF) is finally established. Two simulation examples show that the novel FSTCKF improves the robustness of traditional CKF while minimizing the algorithm time complexity under various conditions. 展开更多
关键词 Algorithm time complexity Cubature Kalman filter Nonlinear filtering Robustness Strong tracking filter
暂未订购 下载PDF
代理模型和Kalman滤波偏差估计增强的个性化差分进化算法 认领 引用
10
作者 孙晓燕 李帅 金耀初 《控制理论与应用》 EI CAS CSCD 北大核心 2025年第11期2386-2396,共11页
基于用户交互的进化优化算法可有效提高个性化推荐的性能,但已有研究忽略了编码个体与解码样本间的偏差,往往导致算法搜索方向出现较大偏离,搜索效率低;此外,用户交互评价的定量化表示也是较大挑战.针对此,本文提出了融合Kalman滤波偏... 基于用户交互的进化优化算法可有效提高个性化推荐的性能,但已有研究忽略了编码个体与解码样本间的偏差,往往导致算法搜索方向出现较大偏离,搜索效率低;此外,用户交互评价的定量化表示也是较大挑战.针对此,本文提出了融合Kalman滤波偏差估计和代理模型的个性化差分进化算法.首先,构建了基于用户评价、商品属性等的深度信念网络代理模型,实现对用户交互的定量评价;然后,设计Kalman滤波偏差估计器,跟踪进化过程中基因型和表现型之间的偏差,并基于该偏差设计差分进化算子,改变种群分布并引导搜索方向;最后,将该算法应用于亚马逊个性化搜索数据集,验证了其有效性. 展开更多
关键词 个性化搜索 差分进化算法 Kalman滤波器 代理模型 偏差估计
暂未订购 下载PDF
融合改进的Camshift与Kalman滤波的复杂环境下隔震支座位移测量研究 认领 引用
11
作者 杜永峰 熊小桥 +2 位作者 范宁 韩博 李虎 《地震工程学报》 CSCD 北大核心 2025年第4期767-780,共14页
为解决传统的Camshift算法在隔震工程应用时过度依赖颜色信息、易受周围环境干扰的问题,提出一种基于视觉的隔震支座位移测量方法。首先,对采集到的视频进行图像预处理。然后,通过调节由Canny算子获取的目标边缘信息和由Camshift算法得... 为解决传统的Camshift算法在隔震工程应用时过度依赖颜色信息、易受周围环境干扰的问题,提出一种基于视觉的隔震支座位移测量方法。首先,对采集到的视频进行图像预处理。然后,通过调节由Canny算子获取的目标边缘信息和由Camshift算法得到的颜色信息的权重,生成融合信息直方图,从而增强算法在目标跟踪时的稳定性。当目标未被遮挡时,直接使用改进的Camshift算法来获取目标位置;当目标发生遮挡时,通过目标被遮挡面积判断遮挡程度,引入Kalman增益来预测目标位置,将预测和观测结果融合后得到目标新的位置状态估计。随后,通过坐标转换获取真实位移信息。该方法准确性通过三层钢框架结构模型的振动台试验得以验证,结果表明,采用视觉方法测量与拉线式位移计测量的结果所得最大位移误差均小于6.84%,两者相关性也均在0.91之上。最后,将该视觉方法应用到某实际工程中,通过对比一个监测点视觉位移测量与拉线式位移计的数据,发现二者误差值仅为0.15 mm,精度达到了98.56%,进一步表明该方法能够适应光照变化、灰尘和遮挡等复杂的隔震层环境,具有良好的准确性和鲁棒性。 展开更多
关键词 隔震支座位移 Camshift算法 Kalman滤波 复杂环境
暂未订购 下载PDF
Kalman滤波算法在外测数据处理中的应用研究 认领 引用
12
作者 娄广国 顾梓仪 +3 位作者 曹怡 何定坤 李杨 赵军杰 《电子技术应用》 2025年第12期62-66,共5页
在应用Kalman滤波算法对测量数据进行实时处理时,常采用调整滤波增益矩阵的方法解决滤波发散问题。在实时数据处理中,不能通过后验方式确定调整滤波增益矩阵的增益系数,需要设计一种针对数据的自适应确定方法。通过检验数据序列的误差特... 在应用Kalman滤波算法对测量数据进行实时处理时,常采用调整滤波增益矩阵的方法解决滤波发散问题。在实时数据处理中,不能通过后验方式确定调整滤波增益矩阵的增益系数,需要设计一种针对数据的自适应确定方法。通过检验数据序列的误差特性,调整滤波记忆衰减步长,确定滤波记忆衰减系数,采用tanh函数计算增益系数。仿真结果表明,采用自适应增益系数的Kalman滤波算法能够较好地适应常见测量数据,可以应用于测量数据的实时处理。 展开更多
关键词 Kalman滤波 自适应 增益系数
暂未订购 下载PDF
基于测距-定位双阶段优化的RSSI定位算法研究 认领 引用 被引量：1
13
作者 雒明世 赵彦博 《计算机技术与发展》 2026年第4期9-15,共7页
针对无线传感器网络中基于接收信号强度指示(Received Signal Strength Indicator,RSSI)定位技术易受环境影响、定位精度较低的问题,提出一种将RSSI定位过程分为测距阶段与定位阶段的双阶段优化方法。测距阶段,改进卡尔曼滤波算法以RSS... 针对无线传感器网络中基于接收信号强度指示(Received Signal Strength Indicator,RSSI)定位技术易受环境影响、定位精度较低的问题,提出一种将RSSI定位过程分为测距阶段与定位阶段的双阶段优化方法。测距阶段,改进卡尔曼滤波算法以RSSI信号均值作为初始状态估计,结合网格遍历搜索优化过程噪声协方差和测量噪声协方差参数,提升卡尔曼滤波算法的适应性和滤波效果,降低测距阶段的误差;定位阶段,使用多策略改进鲸鱼优化的节点位置估计算法求解未知节点位置,进一步提高定位精度。该算法通过K-means聚类初始化策略、精英反向学习策略和随机鲸鱼学习策略,提升原始鲸鱼优化算法的全局搜索能力和收敛速度,进一步提高定位精度。实验结果表明,该双阶段优化方法在定位误差控制方面优于传统的单阶段优化策略,具备更高的定位精度与更强的环境适应能力,并在与其他对比算法的性能比较中展现出明显优势。 展开更多
关键词 无线传感器网络 RSSI 卡尔曼滤波算法 鲸鱼优化算法 定位精度
暂未订购 下载PDF
基于改进无迹卡尔曼滤波的锂电池SOC估计方法 认领 引用 被引量：2
14
作者 程竹明 常先雷 +2 位作者 胡雪峰 赵功臣 王超 《电子测量与仪器学报》 EI CSCD 北大核心 2026年第1期51-60,共10页
无迹卡尔曼滤波(unscented Kalman filter,UKF)是锂离子电池荷电状态(state of charge,SOC)估计的常用算法之一。然而在实际应用中,由于受到外界环境温度变化、电池容量退化等不确定性干扰,以及非高斯过程噪声的影响,需要进一步提高算... 无迹卡尔曼滤波(unscented Kalman filter,UKF)是锂离子电池荷电状态(state of charge,SOC)估计的常用算法之一。然而在实际应用中,由于受到外界环境温度变化、电池容量退化等不确定性干扰,以及非高斯过程噪声的影响,需要进一步提高算法的性能才能更有效地保证估计精度。基于此,提出一种改进的无迹卡尔曼滤波算法(PO-RUKF)。首先,在UKF中引入H∞滤波提高算法的鲁棒性,用来克服各种干扰带来的不良影响。其次,利用鹦鹉优化算法对UKF的过程噪声协方差矩阵进行自适应调整,以解决滤波噪声参数先验确定的问题,从而提高滤波精度。最后,采用马里兰大学的FUDS和HPPC工况下的两种公开数据集进行了实验验证,结果表明,在不同的温度、电池容量退化状态以及不同的工况下,相比于传统的UKF算法以及鲁棒UKF算法,改进后的算法具有更高的SOC估计精度,平均绝对误差小于0.50%,均方根误差小于0.56%,此外还展现出更强的鲁棒性和普适性。证实所提方法可以为锂离子电池SOC估计提供更可靠、有效的技术支撑。 展开更多
关键词 锂离子电池 荷电状态 鹦鹉优化算法 鲁棒无迹卡尔曼滤波算法
暂未订购 下载PDF
考虑光伏逆变器动态的配电网多时间尺度状态估计 认领 引用
15
作者 黄蔓云 王麒皓 +3 位作者 唐赟 孙康 孙国强 卫志农 《电力系统自动化》 EI CSCD 北大核心 2026年第14期166-174,共9页
随着分布式光伏规模化接入配电网,系统动态过程呈现多时间尺度特性,既包含毫秒级的光伏逆变器快速波动,也包含分钟级的电网状态演变。为了准确跟踪光伏逆变器和配电网的快慢动态过程,文中搭建了含光伏逆变器动态模型的配电网Simulink仿... 随着分布式光伏规模化接入配电网,系统动态过程呈现多时间尺度特性,既包含毫秒级的光伏逆变器快速波动,也包含分钟级的电网状态演变。为了准确跟踪光伏逆变器和配电网的快慢动态过程,文中搭建了含光伏逆变器动态模型的配电网Simulink仿真系统,并提出了一种多时间尺度的动态状态估计框架,分别建立两种动态状态估计模型用以跟踪不同时间尺度的动态变化。具体而言,针对光伏逆变器的毫秒级状态波动,提出基于八阶逆变器动态模型的扩展卡尔曼滤波算法;针对配电网侧分钟级潮流变化,提出自适应衰落无迹卡尔曼滤波算法,并通过构建高精度伪量测实现边界信息的融合与统一。仿真算例结果表明,所提方法能够在随机噪声情况下快速跟踪系统强波动,估计精度优于传统状态估计方法,具有较高的鲁棒性和实时性。 展开更多
关键词 配电网 光伏逆变器 状态估计 潮流 卡尔曼滤波算法
暂未订购 下载PDF
地震大装置水下振动台流场均匀性控制研究 认领 引用
16
作者 李健增 孟祥飞 +3 位作者 范晓文 周默 许栋 及春宁 《天津大学学报（自然科学与工程技术版）》 EI CAS CSCD 北大核心 2026年第4期419-429,共11页
水下振动台是开展土木工程、海洋工程及地震工程等多学科交叉科研的重要试验设施,其核心价值在于可在水下环境中复拟地震工况,为结构与水耦合动力响应提供真实、可重复的实验场景.试验区大型流场的精准、稳定及均匀性控制是开展高质量... 水下振动台是开展土木工程、海洋工程及地震工程等多学科交叉科研的重要试验设施,其核心价值在于可在水下环境中复拟地震工况,为结构与水耦合动力响应提供真实、可重复的实验场景.试验区大型流场的精准、稳定及均匀性控制是开展高质量试验研究的先决条件,直接影响着装置的适用范围以及试验结果的可靠性.针对试验区大型流场调试过程中多变量相互影响与调优周期长的问题,以国家大型地震工程模拟研究设施水下振动台大型流场环境为研究对象,以流场均匀性为优化目标,选取通道的入口流量和导流格栅的封堵布局为控制参数,基于高保真计算流体动力学(CFD)数值模拟和集合卡尔曼滤波算法,快速确定多变量参数取值,提出分步调优的控制策略,实现流场的均匀性控制.该策略将纵向流动和横向流动做解耦,首先调整格栅布局逐步逼近最优封堵组合,从而避免纵向局部流速过大形成流动集中或流速过小产生回流;其次,通过优化算法调整横向各通道之间的相互影响,进一步实现横向的流动均衡,避免多变量同时扰动造成的耦合震荡.仿真结果表明:应用分步调优控制策略,可以快速得到期望的目标流场,显著提升调优效率,为多控制参数条件下大型流场的方案设计和控制调优提供了新方法,也可推广至其他具有相似需求的大型流控设施. 展开更多
关键词 集合卡尔曼滤波算法 多变量优化 流场均匀性
暂未订购 下载PDF
基于PSO-AEKF算法的钠离子电池SOC估计 认领 引用
17
作者 张福建 王晓晗 +2 位作者 赵凯 晏娟 邓富金 《现代电子技术》 北大核心 2026年第8期65-70,共6页
当前电池荷电状态(SOC)估计研究主要集中于锂离子电池,而对钠离子电池关注不足。针对钠离子电池SOC估计中模型参数时变性与噪声干扰问题,提出一种融合粒子群优化(PSO)算法与自适应扩展卡尔曼滤波(AEKF)算法的协同估计方法。首先,基于二... 当前电池荷电状态(SOC)估计研究主要集中于锂离子电池,而对钠离子电池关注不足。针对钠离子电池SOC估计中模型参数时变性与噪声干扰问题,提出一种融合粒子群优化(PSO)算法与自适应扩展卡尔曼滤波(AEKF)算法的协同估计方法。首先,基于二阶RC等效电路模型,通过间歇放电实验标定OCV-SOC关系曲线;再结合HPPC工况,采用PSO算法在线辨识模型参数,实现模型动态特性精准表征。在此基础上,进一步设计AEKF算法,通过实时调整过程与测量噪声协方差矩阵,以提升算法对系统非线性及初始误差的鲁棒性。结果表明:PSO-AEKF算法SOC估计平均误差(MAE)为0.90%,均方根误差(RMSE)为1.28%,较传统EKF算法精度提升显著;同时针对不同初值SOC仿真的收敛时间小于20 s,验证了该方法的收敛稳定性及在复杂工况下的实用价值。 展开更多
关键词 钠离子电池 荷电状态 粒子群优化算法 自适应卡尔曼滤波算法 等效电路 参数辨识
暂未订购 下载PDF
分布式无线传感器网络全局信任攻击快速识别方法 认领 引用
18
作者 肖文红 金双 +1 位作者 杜选 陈双喜 《传感技术学报》 CAS CSCD 北大核心 2026年第4期918-925,共8页
分布式无线传感器网络(DWSNs)拓扑动态变化易导致噪声敏感性问题,使得分簇结果交叉引发属性采集时间戳错位偏差,造成信任度时效性失真而误判正常节点为恶意攻击节点。因此,展开分布式无线传感器网络全局信任攻击快速识别方法研究。利用... 分布式无线传感器网络(DWSNs)拓扑动态变化易导致噪声敏感性问题,使得分簇结果交叉引发属性采集时间戳错位偏差,造成信任度时效性失真而误判正常节点为恶意攻击节点。因此,展开分布式无线传感器网络全局信任攻击快速识别方法研究。利用稀疏性约束条件优化模糊C均值算法,以适应网络拓扑动态变化的噪声影响,避免分簇结果交叉重叠。基于分簇结果,利用卡尔曼滤波算法消除网络节点的时间偏差;计算出节点间的相互信任度,完成网络节点的全局信任度评估,确保信任度时效性不失真,将全局信任评估结果与阈值比较,进而实现全局信任攻击快速识别。结果表明,所提方法下存活节点数量始终接近100,攻击识别整体耗时最高仅为6.2 s,具有较好的攻击识别性能。 展开更多
关键词 传感器网络 攻击快速识别 稀疏性约束条件 模糊C均值算法 卡尔曼滤波算法
暂未订购 下载PDF
多传感器数据融合下齿轮箱轴心轨迹跟踪方法 认领 引用
19
作者 熊强强 齐志艺 樊鑫 《机械设计与制造》 北大核心 2026年第1期212-217,共6页
在齿轮箱中,振动源可能包含多种频率成分,导致轴心轨迹呈现出复杂的多频特征。而单一传感器在捕捉和分离这些多频成分时存在局限性,容易产生多频成分混叠现象,影响轴心轨迹跟踪效果。因此,提出多传感器数据融合下齿轮箱轴心轨迹跟踪方... 在齿轮箱中,振动源可能包含多种频率成分,导致轴心轨迹呈现出复杂的多频特征。而单一传感器在捕捉和分离这些多频成分时存在局限性,容易产生多频成分混叠现象,影响轴心轨迹跟踪效果。因此,提出多传感器数据融合下齿轮箱轴心轨迹跟踪方法。分析齿轮箱转子运动状态,获取齿轮箱轴心轨迹图,并利用多传感器数据融合技术采集齿轮箱轴心轨迹图中所示的转子4种典型运动状态的特征信息,将不同通道的特征信息加权融合,生成反映轴心轨迹变化的特征信息图,突出不同频率成分的特征。通过全局平均池化模块降维,提取最具代表性的频率成分,利用Softmax函数归一化处理,动态调整权重,生成加权特征图,有效分离多频成分,最终输出多传感器数据融合结果。将多传感器数据融合结果带入卡尔曼滤波算法中,通过观测矩阵和观测噪声协方差矩阵,动态调整预测值,使其更接近真实值,避免多频成分混叠。实现当前时刻轴心轨迹的有效跟踪。实验结果表明,经由所提方法融合后的轴心轨迹与其各自对应的故障完全吻合,且轴心轨迹简洁清晰,信噪比可以保持在40dB以上。说明所提方法可以有效跟踪齿轮箱轴心轨迹,为齿轮箱状态监测提供了新的技术手段。 展开更多
关键词 多传感器数据融合 轴心轨迹跟踪 转子运动状态 多频成分分离 卡尔曼滤波算法
暂未订购 下载PDF
基于KF-MPC优化设计的自动着舰系统研究 认领 引用
20
作者 张凯伦 沈永华 +1 位作者 苏析超 韩维 《飞行力学》 CSCD 北大核心 2026年第3期28-33,共6页
针对有干扰下的舰载机自动着舰,提出一种融合卡尔曼滤波和模型预测控制的自动着舰控制方法。首先,建立飞机动力学模型并引入着舰环境的干扰,采用模型预测控制适合被控对象的动态规划和严格约束限制。其次,基于环境和传感器等存在随机干... 针对有干扰下的舰载机自动着舰,提出一种融合卡尔曼滤波和模型预测控制的自动着舰控制方法。首先,建立飞机动力学模型并引入着舰环境的干扰,采用模型预测控制适合被控对象的动态规划和严格约束限制。其次,基于环境和传感器等存在随机干扰引入卡尔曼滤波去除噪声,将卡尔曼滤波的状态估计值作为控制器的反馈输入来降低对不确定性噪声的影响。采用鲸鱼优化算法进行控制器快速解算。仿真结果表明,基于卡尔曼滤波与模型预测控制融合优化的控制方法可以实现抗干扰和精准着舰的效果。 展开更多
关键词 自动着舰 模型预测控制 卡尔曼滤波 鲸鱼优化算法 甲板运动
暂未订购 下载PDF
已选0条
引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 2 … 80 下一页 到第 页
在线咨询 使用帮助 返回顶部 意见反馈