排序方式: 共有955条查询结果,搜索用时 515 毫秒
针对有色量测噪声背景下战斗机蛇形机动模式转弯角速度辨识问题,考虑到目标状态与转弯角速度之间相互耦合的特性,基于期望最大化(EM)算法框架,提出了一种带有色量测噪声的联合估计与辨识算法。通过采用量测差分法实现了有色噪声白化,从而将有色量测噪声背景下的转弯角速度辨识问题转换成具有一步状态延迟的转弯角速度辨识问题。基于EM算法实现了战斗机蛇形机动目标状态与转弯角速度的联合估计与辨识:在E-step,通过利用有色量测噪声背景下的高阶容积卡尔曼平滑(HCKS)算法,获得了目标状态的后验估计;在M-step,通过极大化条件似然函数,进而获得转弯角速度的解析解。通过仿真验证了本文算法的目标状态估计与角速度辨识的精度均优越于传统的扩维法以及交互多模型法。而且又从窗口长度以及最大迭代次数2个方面评估分析了算法的性能,仿真结果表明,窗口长度以及最大迭代次数越大,精度越高。 相似文献
考虑到室内环境的复杂性和多径效应对WiFi指纹定位性能的影响从Intel 5300无线网卡中提取信道状态信息(CSI),利用修正后的CSI幅值和相位信息作为指纹特征,使用极限梯度提升(XGBoost)算法构建高精度指纹库,实现分米级的高精度室内定位。进一步通过实测数据分析了采样间隔、室内视距(LOS)和非视距(NLOS)环境、缺失值和数据维度等因素对所提算法定位性能的影响。实际室内环境下的实验结果表明,本文算法受NLOS影响较小,对室内复杂环境有很强的鲁棒性;此外,该算法能够很好地处理高维稀疏数据,解决CSI指纹特征的"误匹配"问题,且对缺失数据不敏感,定位准确度优于90%。 相似文献
473.
针对异步相关噪声背景下战斗机蛇形机动模式转弯角速度辨识问题,考虑到目标状态与转弯角速度之间相互耦合的特性,从联合优化的解决思路出发,基于期望最大化(EM)算法框架,提出了一种带异步相关噪声的联合估计与辨识算法。首先采用"去相关框架"解除过程噪声与量测噪声之间的相关性,从而将异步相关噪声背景下的转弯角速度辨识问题转换成具有一步状态延迟的转弯角速度辨识问题,其次通过解除目标状态与转弯角速度之间的非线性耦合关系,基于期望最大化算法实现了战斗机蛇形机动目标状态与转弯角速度的联合估计与辨识,从而获得转弯角速度闭环形式的解析解:在E-step,通过利用异步相关噪声背景下的高阶容积卡尔曼平滑器(HCKS),获得目标状态的后验估计;在M-step,通过极大化条件似然函数,获得转弯角速度的解析解。最后通过仿真验证了所提算法的目标状态估计与角速度辨识的精度均优越于传统的扩维法。 相似文献
474.
针对航空发动机线性模型在工况点附近使用范围较小的问题,提出一种航空发动机不确定性模型辨识方法。该方法使用非线性规划处理航空发动机模型辨识问题,求解过程考虑线性模型中矩阵参数不确定性的影响,以期获得一个具有适用范围大、形式简单的航空发动机模型。使用该方法对DGEN380发动机在某一稳态点进行辨识,定义实际工况偏差参数和模型最大偏差参数分析DGEN380发动机参数不确定模型的误差范围。使用实验数据与参数不确定模型仿真结果进行比较,结果表明油门杆角度变化小于22%时,参数不确定模型与实际发动机状态的偏差量较小,能够在1%误差范围内模拟实际发动机状态。 相似文献
475.
研究不变矢量在固联和轨道坐标系下的表达,得出了一个坐标系在另一个坐标系中旋转的变换矩阵。并且通过2个不变矢量在不同坐标系中的表达,识别了飞行器在空间绕质心旋转运动的3个欧拉旋转角。此方法已应用于工程实际。 相似文献
476.
为了处理数学模型不精确已知系统的故障检测问题,给出了一种故障检测的集员辨识方法。与以往基于模型的故障检测方法相比,该方法不要求模型参数真实值的先验信息。仿真结果验证了该方法的快速性和有效性。 相似文献
477.
讨论了电液伺服加载系统数学模型建立过程中的主要问题,结合正在使用中的一个被动式电液伺服气动力加载系统,给出了采用最小二乘法建立其数学模型的过程和结果,并从数学上证明了所建模型与被加载对象无关。 相似文献
478.
通过分析比较卫星导航系统自主完好性监测算法中常用的三种故障星识别方法,文中提出它们在实质上是一致的观点。从理论上证明这三种方法的等价性,并分别通过模拟数据和GPS观测站的实测数据,验证三者的等价关系。结论对于在不同应用环境下减少识别运算量、提高识别速度有实际意义。 相似文献
479.
针对建立发动机动力学模型过程中,试车台机架结构边界环境的不确定状况,对神经网络在边界刚度识别中的应用进行了研究。以结构模态频率为网络输入,边界X、Y、Z方向的刚度为输出,通过一种增加训练样本的方法大大提高了网络的映射性能,最终的识别结果达到了预期目标,满足工程需要。 相似文献
480.
以谐调叶盘有限元模型解析模态和真实失谐结构的测量模态作为基础信息,提出一种整体叶盘结构失谐识别方法.该方法基于经典模态减缩方法(SNM)降阶技术,降低了识别过程的计算花费以及对基础信息的要求;采用子矩阵型技术使得失谐参数定义更加的自由,并使得该方法具有模型修正的功能;利用最可能向量技术处理实验测量模态振型,可有效的限制测量噪声、非线性等因素对识别过程的影响.最后以一个真实叶盘结构的仿真分析证明了该方法的有效性. 相似文献
|