-
公开(公告)号：CN111310110B
公开(公告)日：2023-05-05
申请号：CN202010205361.5
申请日：2020-03-20
Applicant: 郑州轻工业大学
Abstract: 本发明提出了一种高维耦合不确定系统混合状态估计方法，其步骤为：首先，构建高维深耦合不确定系统状态、参数和测量的模型，并设计对应的观测器模型以得到状态和参数的估计值；其次，对系统离散化将其分解为低维离散化混合模型，进而得到低维离散化混合模型和参数模型；最后，以观测器输出估计值为辅助信号，利用容积卡尔曼滤波算法分别对低维离散化混合模型的状态估计值进行滤波处理，输出低维离散化混合模型的状态值。本发明通过观测器输出的估计值修正系统模型，能够在保障系统稳定性的前提下，有效提高系统状态估计精度，同时低维容积卡尔曼滤波算法降低滤波计算过程的计算维数，适用于具有不确定性的高维、耦合、非线性系统状态估计。
-
公开(公告)号：CN114019801A
公开(公告)日：2022-02-08
申请号：CN202111312878.5
申请日：2021-11-08
Applicant: 郑州轻工业大学
IPC: G05B13/04
Abstract: 本发明提出了一种基于改进天牛搜索的无人机转弯速率和状态估计方法，用以解决无人机在固定水平面以未知转弯速率机动运动的状态估计问题。其步骤为：首先，由初始转弯率、状态和协方差，基于Cholesky分解，通过状态容积点计算出下一时刻状态预测值、状态估计误差协方差预测值和测量预测值；其次，基于最小均方根误差原理，建立天牛搜索适应度函数，并基于随机递减惯性权重天牛搜索优化算法，经迭代更新后得到当前时刻转弯速率的最优值；最后，基于得到最优转弯速率来更新状态预测值、状态估计误差协方差预测值和测量预测值，得到状态和估计误差协方差更新值。本发明通过基于随机递减惯性权重的天牛搜索算法来优化转弯率，具有较好的跟踪效果。
-
公开(公告)号：CN112036035B
公开(公告)日：2021-10-15
申请号：CN202010896438.8
申请日：2020-08-31
Applicant: 郑州轻工业大学
IPC: G06F30/20 , H04L9/00 , G06F119/14
Abstract: 本发明提出了一种基于蝴蝶结型激光复混沌系统的点乘函数投影同步方法，首先，基于向量点积运算设计点乘运算，并利用点乘远算构建同步系统的状态误差模型，其中，同步系统包括第一驱动系统、第二驱动系统和响应系统；其次，根据同步系统的状态误差模型设计滑模控制器，并将滑模控制器加入响应系统中，得到点乘函数投影同步模型；最后，将四维激光超混沌系统从实数域扩展到复数域上，得到具有蝴蝶结型混沌吸引子的激光复混沌系统，并利用激光复混沌系统对点乘函数投影同步模型进行仿真。本发明提出点乘函数投影同步方式，基于滑模控制方法实现了蝴蝶结型激光复混沌系统的点乘函数投影同步；为激光复混沌系统应用于光保密通信等领域奠定了基础。
-
公开(公告)号：CN118331035A
公开(公告)日：2024-07-12
申请号：CN202410200622.2
申请日：2024-02-23
Applicant: 郑州轻工业大学
IPC: G05B13/04
Abstract: 本发明涉及一种绳驱并联康复系统的自适应动态规划控制方法和装置，其中，该方法包括：构建所述绳驱并联康复系统的动力学模型；基于事件触发机制生成最优控制器，对所述绳驱并联康复系统进行跟踪控制；基于零空间重分配方法优化所述绳驱并联康复系统的绳索拉力。通过本申请，解决了针对绳驱并联康复系统的最优控制的问题，基于事件触发机制的最优控制器可有效降低更新频率，减轻通信负担；采用零空间重分配方法对绳索拉力进行优化，使其始终保持张紧状态，可以避免虚牵对系统产生影响。
-
公开(公告)号：CN117810707A
公开(公告)日：2024-04-02
申请号：CN202410044712.7
申请日：2024-01-12
Applicant: 郑州轻工业大学
Abstract: 本发明公开了一种基于电磁超表面的双频射频环境能量收集装置，包括介质基板、金属地板、金属环结构和负载电阻，所述金属环结构和所述负载电阻均设在所述介质基板的上表面，所述负载电阻设在所述金属环结构的通道处；所述金属地板设在所述介质基板的底面即远离所述金属环结构的一面。该基于电磁超表面的双频射频环境能量收集装置可以同时吸收两个常见频段的电磁能量，同时对不同极化及不同极化角度下的电磁波都具有较高的吸收效率，即具备了极化不敏感特性，克服了吸收单一频段电磁能量较低，不足以供应大量定位标签使用的问题以及入射电磁波极化方式、极化角度及入射角度不确定的问题。
-
Patent Agency Ranking
公开(公告)号：CN111189442B
公开(公告)日：2023-07-04
申请号：CN202010028707.9
申请日：2020-01-11
Applicant: 郑州轻工业大学
Abstract: 本发明公开了基于CEPF的无人机多源导航信息状态预测方法，旨在解决解决无人机组合导航系统中多源信息融合面临的模型不确定性和偏差问题。本发明首先建立INS组合导航系统的直接法状态方程和量测方程，然后对组合导航系统方程进行离散化，最后利用CEPF算法降低测量信息中的偏差对组合导航系统的不利影响；CEPF首先使用“consider”方法将偏差的统计信息合并到状态估计方程中，Consider卡尔曼滤波完成对目标的滤波估计处理。本发明的有益技术效果在于：有效地降低了偏差和模型不确定性的影响，提高了无人机组合导航的精度。
-
公开(公告)号：CN111414696B
公开(公告)日：2022-06-14
申请号：CN202010201392.3
申请日：2020-03-20
Applicant: 郑州轻工业大学
IPC: G06F30/20
Abstract: 本发明提出了一种基于模型预测扩展卡尔曼滤波的分级状态估计方法，其步骤为：首先，将非线性耦合系统模型转化为线性分级模型和非线性分级模型，并利用一级扩展卡尔曼滤波对前一时刻状态估计值分别进行基于线性分级模型和非线性分级模型的预测，得到线性状态分量估计值；其次，利用线性状态分量估计值对非线性分级模型进行反馈，得到非线性预测模型；最后，利用二级扩展卡尔曼滤波对线性状态分量估计值进行基于非线性预测模型的预测，得到非线性状态分量估计值。本发明提出的分级状态估计方法，提高了系统状态估计的精度，降低了估计过程的计算维度，适用于高维、线性状态可解耦的耦合复杂系统状态估计。
-
公开(公告)号：CN111998854A
公开(公告)日：2020-11-27
申请号：CN202010893998.8
申请日：2020-08-31
Applicant: 郑州轻工业大学
Abstract: 本发明提出了一种基于Cholesky分解计算的精确扩展Stirling插值滤波方法，用于实现SLAM系统状态空间模型状态参数最优滤波计算，属于导航定位与控制领域。本发明基于SLAM状态空间模型非线性动态方程与离散化观测数据，利用Stirling插值多项式逼近计算获得SLAM系统等价模型方程，根据离散化观测数据的采样区间确定非线性系统方程Stirling插值多项式的精确积分计算；针对传统NIRK积分开展局部和全局误差控制计算，将其数值积分计算过程融入到二阶Stirling插值多项式一阶均值和二阶方差逼近计算中来实现新型二阶Stirling滤波算法设计过程。经由SLAM系统仿真，并与传统二阶扩展Stirling插值滤波算法对比，验证本发明算法的计算优势和计算效能。
-
公开(公告)号：CN111310110A
公开(公告)日：2020-06-19
申请号：CN202010205361.5
申请日：2020-03-20
Applicant: 郑州轻工业大学
Abstract: 本发明提出了一种高维耦合不确定系统混合状态估计方法，其步骤为：首先，构建高维深耦合不确定系统状态、参数和测量的模型，并设计对应的观测器模型以得到状态和参数的估计值；其次，对系统离散化将其分解为低维离散化混合模型，进而得到低维离散化混合模型和参数模型；最后，以观测器输出估计值为辅助信号，利用容积卡尔曼滤波算法分别对低维离散化混合模型的状态估计值进行滤波处理，输出低维离散化混合模型的状态值。本发明通过观测器输出的估计值修正系统模型，能够在保障系统稳定性的前提下，有效提高系统状态估计精度，同时低维容积卡尔曼滤波算法降低滤波计算过程的计算维数，适用于具有不确定性的高维、耦合、非线性系统状态估计。
-
公开(公告)号：CN114061583B
公开(公告)日：2023-07-07
申请号：CN202111227391.7
申请日：2021-10-21
Applicant: 郑州轻工业大学
Abstract: 本发明公开了一种基于自适应晶格卡尔曼滤波的移动机器人状态估计及自主导航方法，旨在解决现有的SLAM技术无法处理非线性不确定系统、定位导航精度不高、计算量大的技术问题。本发明中自适应晶格卡尔曼滤波‑SLAM（ALKF‑SLAM）自主导航算法对于移动机器人的系统模型的噪声方差是否精确已知没有要求，并通过减少状态采样点，降低计算复杂度和计算成本，提高状态估计的精度和数值稳定性。利用晶格采样点，并根据量测残差序列和方差对量测方差进行修正。其次，利用基于上述修正的量测方差和晶格采样点设计的衰减因子对状态方差进行了修正。本发明的ALKF‑SLAM算法，有利于提高移动机器人在未知环境中地图构建和自身定位的精度。
-
-
-
-
-
-
-
-
-
Search Results
24
records
(took 0.029 seconds)
