【摘 要】
：
在车载导航系统性能优化问题的研究中,低成本INS误差随时间累积速率较快,但不能在较长时间内单独使用,需采用其它辅助手段抑制其误差累积。针对车载GPS/INS组合导航方案,GPS在恶劣环境下不可靠、甚至完全失效,从而失去对INS误差抑制作用的问题,提出一种利用车辆运动学模型辅助INS的方法。根据车辆运动学模型和非完整约束条件推算出车辆位置和速度信息,并利用推算信息辅助车载惯性导航系统,从而抑制纯惯导
【机 构】
：
南昌大学装备与测控教研室,南昌大学空间科学与技术研究院
论文部分内容阅读
在车载导航系统性能优化问题的研究中,低成本INS误差随时间累积速率较快,但不能在较长时间内单独使用,需采用其它辅助手段抑制其误差累积。针对车载GPS/INS组合导航方案,GPS在恶劣环境下不可靠、甚至完全失效,从而失去对INS误差抑制作用的问题,提出一种利用车辆运动学模型辅助INS的方法。根据车辆运动学模型和非完整约束条件推算出车辆位置和速度信息,并利用推算信息辅助车载惯性导航系统,从而抑制纯惯导情况下导航误差迅速发散的问题。仿真结果表明,改进方法能将INS的误差抑制在一定范围内,同时,在引入非完整
其他文献
研究遥控缩比模型飞机在验证新型布局飞行器性能验证问题，利用飞机六自由度动力学方程以及气动力方程推导了进行缩比模型飞行试验时应遵守的主要相似准则以及模型飞机各参数与
针对多元动态系统验证结果的权重分配问题,提出了采用可信性理论的模糊层次分析法。采用可信性理论的思想和方法,以可信性测度代替可能性测度,对模糊层次分析法进行改进,研究多元动态系统验证结果的权重计算,得到更加合理的多元动态系统权重分配,提高了系统响应分析的可靠性。实例分析表明,采用所提方法计算多元动态系统验证结果权重,避免了可能性测度无法准确表达模糊数之间关系的问题,提高了结论的可靠性。
提出了一种实用的内模控制器的设计方法。为了使内模控制器能在工程中得以实现,通过在内模控制器前或后加入低通滤波器的方法,使得内模控制器可以通过模拟仪表来实现,也可以用数值计算的方法实现内模控制器,而且,低通滤波器的惯性时间常数,可以通过参数优化的方法获得。仿真结果表明,按上述方法设计的内模控制系统具有良好的各项品质指标。
针对VIRE算法在计算虚拟标签RSSI值使用线性插值法带来的定位不准问题,提出一种改进算法。改进算法使用样条插值法来仿真信号在无线通道中的非线性衰减规律,另一方面在目标位
研究道路不同时段的拥堵状况分析问题。不同时段的交通路段的车流状况不同，当前的拥堵判断模型需要对不同时段的车流进行约束，为了满足车流约束特性．需要运用多个约束状态表述这
为了尽可能地缩小疑似火焰区域,提高火灾检测的准确性和实时性,提出了把图像运动目标检测应用于火焰检测的问题。首先使用背景减除法提取运动目标,然后使用基于连通区域的面积阈值精确地提取疑似区域和其轮廓,再依据早期火灾的视觉特征,抽取四个特征量,即:相邻帧红色比重平均增长率、面积变化率、形状的平均相似度和圆形度,最后通过SVM融合这些特征量进行综合判别。实验结果表明,上述方法计算速度快,检测效果好,误判率
研究遥感图像的海岸带高度准确测量问题。由于海岸带的遥感图像数据中有较大的差异性,造成图像中高度点离散度高。以传统云计算为主的海岸带遥感图像高度测量中,不同分辨率图像会造成和高度点相关的云像素数据离散化,在时间尺度上不收敛,测量结果出现偏差。提出了一种带有融合功能的云计算海岸带高度测量方法。建立经验模式分解模型,将海岸带遥感图像进行分解处理,从而为海岸带图像的融合提供基础数据。利用拉普拉斯能量和算法
在变电站实际调控过程中,变电站电压无功控制装置既要控制电压和无功尽量接近理想值,又要尽可能减少分接头的调节次数和电容器的投切次数。上述过程为一个典型的多目标优化问题。传统的九区图控制法未考虑分接头调节对电压无功的影响,从而造成设备频繁动作。为提高控制效率,建立了一种多目标优化的变电站VQC控制模型,并通过改进遗传算法进行求解。仿真分析表明,提出的策略和算法能够有效减少分接头的调节次数,提高变电站的
在供电系统电流优化问题的研究中,针对电流控制方法在静止无功发生器(SVG)无功补偿方面存在的由开关频率不稳定造成的较大的脉动电流和开关噪声、补偿环节参数难以确定等缺陷,提出了虚拟磁链定向矢量控制(VFOC),将矢量控制的基本思想应用于电网电压控制当中。首先阐述了传统的电流控制方法在静止无功发生器应用中所显现的具体问题,介绍VFOC算法的原理,将SVG的各个状态方程在电压定向矢量坐标系中表示出来,通
研究变风量空调负荷准确预测问题,由于变风量空调系统可根据负荷的需求动态改变送风量,变风量空调大系统稳态优化控制策略可以使系统节能高效运行,为准确预测负荷,优化系统,首先分析了影响负荷预测的主要因素,对温度、相对湿度的预测模型进行改进,提出了一种自适应扰动粒子群算法的BP神经网络的空调负荷预测模型,加快粒子群算法的收敛速度,提高了空调负荷的预测精度。通过仿真比较,验证了模型在空调负荷预测中的有效性。