基于自适应观测增强的多传感器状态预估方法及系统

    公开(公告)号:CN116243160A

    公开(公告)日:2023-06-09

    申请号:CN202211482306.6

    申请日:2022-11-24

    Applicant: 济南大学

    Abstract: 本发明公开了一种基于自适应观测增强的多传感器状态预估方法及系统,包括:将t时刻采集到的发电机直轴、交轴的定子电流和发电机电角速度作为Kalman滤波器的状态向量;将测量得到的直轴、交轴的定子电流作为Kalman滤波器的观测向量;若当前时刻为Kalman滤波的正常采样时刻,Kalman滤波正常进行一步预估和量测更新;若当前时刻不是Kalman滤波的正常采样时刻,则Kalman只进行一步预估,并确定一步预估的次数;最终得到当前时刻的发电机直轴、交轴的定子电流预估值,进而得到发电机直轴、交轴的定子电压预估值。本发明在Kalman滤波器两次采样之间增加了一步预估的次数,减少了多传感器数据融合中采样频率快的传感器数据丢失对发电机电压预估精度的影响。

    一种基于非参数建模的交通序列数据异常检测方法及系统

    公开(公告)号:CN113362597A

    公开(公告)日:2021-09-07

    申请号:CN202110619764.9

    申请日:2021-06-03

    Applicant: 济南大学

    Abstract: 本发明公开了一种基于非参数建模的交通序列数据异常检测方法及系统,包括:获取设定路段的交通流量数据以及工作日时间表数据;将相同工作日的交通流量数据放在一起,形成以不同工作日进行分类的多个子序列数据;对每个子序列数据进行建模,通过线性拟合的方法将每个子序列模型与每一天的交通流量数据进行拟合;同时消除子序列模型与真实数据之间的异方差;得到标准化残差曲线;基于所述标准化残差曲线,利用EXPOSE异常检测方法得到每一个时刻的交通序列数据异常分数,进而对交通序列异常数据进行判断。本发明不仅能快速对大量的序列数据进行处理,且对交通数据的异常检测有较高的准确度。

    一种考虑可变有色测量噪声的移动机器人定位方法及系统

    公开(公告)号:CN113218388B

    公开(公告)日:2022-07-05

    申请号:CN202110228825.9

    申请日:2021-03-02

    Applicant: 济南大学

    Abstract: 本发明公开了一种考虑可变有色测量噪声的移动机器人定位方法及系统,包括:以移动机器人k时刻在东向和北向的位置和速度作为状态量,将UWB测量得到的移动机器人与UWB参考节点之间的距离作为系统观测量,构建滤波模型;在扩展有限脉冲响应滤波器的基础上,根据在离线阶段选择的不同局部滤波窗口,构建m个不同的考虑有色测量噪声的子滤波器;通过IMM方式对构建的子滤波器的输出进行融合,得到当前时刻的移动机器人最优的位置预估,实现移动机器人的定位。本发明构建不同的有色测量噪声下的子EFIR滤波器,通过交互多模型算法,将各子滤波器的输出进行融合,最终得到最优的UWB测量的移动机器人最优位置预估。

    基于多频卡尔曼滤波的机器人视觉/INS组合定位方法及系统

    公开(公告)号:CN112539746B

    公开(公告)日:2023-05-26

    申请号:CN202011132559.1

    申请日:2020-10-21

    Applicant: 济南大学

    Abstract: 本发明公开了一种基于多频卡尔曼滤波的机器人视觉/INS组合定位方法及系统,包括:分别通过视觉单元和惯性导航系统获取机器人在东方向和北方向上的位置差,速度差值以及机器人在东方向和北方向速度和位置数据;构建第一观测方程和第二观测方程;通过第二观测方程估计出机器人在东方向和北方向上位置的最优误差值;利用所述最优位置误差值校正惯性导航系统输出的机器人位置,最终得到机器人位置的最优滤波值,实现对机器人的定位。本发明将视觉与惯性导航系统进行组合导航定位,相对于单一的视觉导航系统和单一的惯性导航功能系统,组合导航的定位精度得到提高。

    基于多频卡尔曼滤波的机器人视觉/INS组合定位方法及系统

    公开(公告)号:CN112539746A

    公开(公告)日:2021-03-23

    申请号:CN202011132559.1

    申请日:2020-10-21

    Applicant: 济南大学

    Abstract: 本发明公开了一种基于多频卡尔曼滤波的机器人视觉/INS组合定位方法及系统,包括:分别通过视觉单元和惯性导航系统获取机器人在东方向和北方向上的位置差,速度差值以及机器人在东方向和北方向速度和位置数据;构建第一观测方程和第二观测方程;通过第二观测方程估计出机器人在东方向和北方向上位置的最优误差值;利用所述最优位置误差值校正惯性导航系统输出的机器人位置,最终得到机器人位置的最优滤波值,实现对机器人的定位。本发明将视觉与惯性导航系统进行组合导航定位,相对于单一的视觉导航系统和单一的惯性导航功能系统,组合导航的定位精度得到提高。

    一种基于非参数建模的交通序列数据异常检测方法及系统

    公开(公告)号:CN113362597B

    公开(公告)日:2022-11-29

    申请号:CN202110619764.9

    申请日:2021-06-03

    Applicant: 济南大学

    Abstract: 本发明公开了一种基于非参数建模的交通序列数据异常检测方法及系统,包括:获取设定路段的交通流量数据以及工作日时间表数据;将相同工作日的交通流量数据放在一起,形成以不同工作日进行分类的多个子序列数据;对每个子序列数据进行建模,通过线性拟合的方法将每个子序列模型与每一天的交通流量数据进行拟合;同时消除子序列模型与真实数据之间的异方差;得到标准化残差曲线;基于所述标准化残差曲线,利用EXPOSE异常检测方法得到每一个时刻的交通序列数据异常分数,进而对交通序列异常数据进行判断。本发明不仅能快速对大量的序列数据进行处理,且对交通数据的异常检测有较高的准确度。

    一种考虑可变有色测量噪声的移动机器人定位方法及系统

    公开(公告)号:CN113218388A

    公开(公告)日:2021-08-06

    申请号:CN202110228825.9

    申请日:2021-03-02

    Applicant: 济南大学

    Abstract: 本发明公开了一种考虑可变有色测量噪声的移动机器人定位方法及系统,包括:以移动机器人k时刻在东向和北向的位置和速度作为状态量,将UWB测量得到的移动机器人与UWB参考节点之间的距离作为系统观测量,构建滤波模型;在扩展有限脉冲响应滤波器的基础上,根据在离线阶段选择的不同局部滤波窗口,构建m个不同的考虑有色测量噪声的子滤波器;通过IMM方式对构建的子滤波器的输出进行融合,得到当前时刻的移动机器人最优的位置预估,实现移动机器人的定位。本发明构建不同的有色测量噪声下的子EFIR滤波器,通过交互多模型算法,将各子滤波器的输出进行融合,最终得到最优的UWB测量的移动机器人最优位置预估。

Patent Agency Ranking