XiaoMi-AI文件搜索系统
World File Search SystemUnscented
GPS-IMU传感器融合用于可靠的自动驾驶位置估计
摘要 - 全球覆盖范围和全球覆盖范围的准确定位，使其成为具有无障碍天空视图的开放区域的可靠选择。但是，在室内空间和城市峡谷中可能发生信号降解。相比之下，惯性测量单元（IMU）由陀螺仪和加速度计组成，这些计量机提供了相对运动信息，例如加速度和旋转变化。与GPS不同，IMU不依赖外部信号，使其在受GPS有限的环境中有用。尽管如此，由于误差的积累，IMU在整合加速度以确定速度和位置的同时会流动。因此，融合GPS和IMU对于增强自动驾驶汽车中导航系统的可靠性和精度至关重要，尤其是在GPS信号受到损害的环境中。为了确保平稳导航并克服每个传感器的局限性，提出的方法将融合GPS和IMU数据。此传感器融合使用无知的卡尔曼过滤器（UKF）贝叶斯过滤技术。拟议的导航系统旨在坚固，为自动驾驶汽车的安全操作（尤其是在GPS被拒绝的环境中的安全操作）至关重要的连续和准确的定位。该项目使用Kitti GNSS和IMU数据集进行实验验证，表明GNSS-IMU融合技术可减少仅GNSS的RMSE。RMSE分别从13.214、13.284和13.363降至4.271、5.275和0.224，分别为X轴，Y轴和Z轴。使用UKF的实验结果显示了使用GPS和IMU传感器融合改善自动驾驶汽车导航的有希望的方向，并使用GPS有限环境中的两个传感器中的最佳融合。索引术语 - 自主车位，全球定位系统，惯性测量单元，传感器融合，无知的卡尔曼滤波器
临界点分析及其应用 - NPL 出版物
2 单变量临界点 17 2.1 预测临界点：早期预警信号 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22 2.2 检测引爆：潜力分析 . ... . ...
一种用于机载分布式 POS 的传递对准方法...
摘要 机载分布式定位定向系统（POS）可以满足多点运动参数测量的需求。它依赖于从高精度主系统到从系统的传递对准来获得所有点的高精度运动参数。分布式POS的一个关键问题是确定适当处理飞行器挠曲的方法，实现高精度传递对准。本文首先分析了飞行器挠曲对机载对地观测传递对准精度的影响。在此基础上，建立了考虑三维挠曲角的传递对准误差模型，并提出了一种基于参数识别无味Rauch-Tung-Striebel平滑器（PIURTSS）的传递对准。仿真结果表明，基于PIURTSS的传递对准方法有效提高了估计精度。
传感器 - 语义学者
摘要：网络化多传感器用于解决机动目标跟踪问题。为避免非线性动态函数的线性化，获得更准确的机动目标估计，提出了一种用于机动目标跟踪的自适应信息加权协同滤波器。利用无迹变换计算伪测量矩阵，以利用测量的信息形式，这是协同迭代所必需的。为提高机动目标跟踪精度并在整个网络的每个传感器节点中获得统一的估计，利用自适应当前统计模型来更新估计，并在各个动态模型的相邻节点之间应用信息加权协同协议。基于多个模型的后验概率，通过对模型条件估计的加权组合来获得每个传感器的最终估计。实验结果表明，所提算法在跟踪精度和全网估计一致性方面具有优异的性能。
传感器 - 语义学者
摘要：网络化多传感器用于解决机动目标跟踪问题。为避免非线性动态函数的线性化，获得更准确的机动目标估计，提出了一种用于机动目标跟踪的自适应信息加权协同滤波器。利用无迹变换计算伪测量矩阵，以利用测量的信息形式，这是协同迭代所必需的。为提高机动目标跟踪精度并在整个网络的每个传感器节点中获得统一的估计，利用自适应当前统计模型来更新估计，并在各个动态模型的相邻节点之间应用信息加权协同协议。基于多个模型的后验概率，通过对模型条件估计的加权组合来获得每个传感器的最终估计。实验结果表明，所提算法在跟踪精度和全网估计一致性方面具有优异的性能。
传感器 - 语义学者
摘要：网络化多传感器用于解决机动目标跟踪问题。为了避免非线性动态函数的线性化，并获得更准确的机动目标估计，提出了一种用于机动目标跟踪的新型自适应信息加权共识滤波器。利用无味变换计算伪测量矩阵，以利用测量的信息形式，这是共识迭代所必需的。为了提高机动目标跟踪精度并在整个网络的每个传感器节点中获得统一的估计，利用自适应当前统计模型来更新估计，并在每个动态模型的相邻节点之间应用信息加权共识协议。基于多个模型的后验概率，通过模型条件估计的加权组合获得每个传感器的最终估计。实验结果表明，所提算法在跟踪精度和全网络估计一致性方面具有优异的性能。
传感器 - 语义学者
摘要：网络化多传感器用于解决机动目标跟踪问题。为避免非线性动态函数的线性化，获得更准确的机动目标估计，提出了一种用于机动目标跟踪的自适应信息加权协同滤波器。利用无迹变换计算伪测量矩阵，利用测量的信息形式，为协同迭代提供必要的信息。为提高机动目标跟踪精度，并在整个网络的每个传感器节点中获得统一的估计，利用自适应当前统计模型来更新估计，并在各个动态模型的相邻节点之间应用信息加权协同协议。基于多个模型的后验概率，通过模型条件估计的加权组合获得每个传感器的最终估计。实验结果表明，所提算法在跟踪精度和全网估计一致性方面具有优越的性能。
使用新的免费锂离子电池电池数据集的基于模型的电荷和最先进的估计算法进行基准测试
摘要：锂离子电池电池的状态估计已成为许多有关电池电池不同状态的出版物的主题。他们经常专注于电池电池的充电状态（SOC）或健康状态（SOH）。因此，本文一方面介绍了一个新的锂离子电池数据集，该数据集具有有关降级的动态验证数据，另一方面，基于该数据集的基于模型的SOC和SOH估计作为参考。使用了一种基于卡尔曼 - 过滤器的方法进行SOC估计，并以整体老化模型扩展以处理SOH估计。本文描述了数据集，模型，参数化，状态估计的实现及其使用数据集的一部分验证，从而在整个电池寿命中产生SOC和SOH估计。结果表明，数据集可用于提取基于它的参数，设计模型，并用动态降级的电池单元进行验证。工作提供了一种方法和数据集，以更好地评估性能评估，适用性和可靠性调查。
传感器 - 语义学者
摘要：网络化多传感器用于解决机动目标跟踪问题。为避免非线性动态函数的线性化，获得更准确的机动目标估计，提出了一种用于机动目标跟踪的自适应信息加权协同滤波器。利用无迹变换计算伪测量矩阵，以利用测量的信息形式，这是协同迭代所必需的。为提高机动目标跟踪精度并在整个网络的每个传感器节点中获得统一的估计，利用自适应当前统计模型来更新估计，并在各个动态模型的相邻节点之间应用信息加权协同协议。基于多个模型的后验概率，通过对模型条件估计的加权组合来获得每个传感器的最终估计。实验结果表明，所提算法在跟踪精度和全网估计一致性方面具有优异的性能。
动态环境中的操纵器技能再现的自适应框架
摘要 - 在不确定和动态环境中的机器人技能学习和执行是一项具有挑战性的任务。本文提出了一个自适应框架，该框架结合了从演示中学习（LFD），环境状态预测和高级决策。主动的适应性阻止了反应性适应的需求，这落在环境中的变化之后而不是预期它们背后。我们提出了一种新颖的LFD表示，即弹性拉普拉斯轨迹编辑（ELTE），它不断地适应轨迹形状，以预测未来状态的预测。然后，使用无用的卡尔曼过滤器（UKF）和Hidden Markov模型（HMM）的高级反应性系统可防止基于离散决策集的动态环境的当前状态中的不安全执行。我们首先在模拟中验证我们的LFD表示，然后在36个真实世界中使用腿部移动操纵器在实验中评估整个框架。我们在环境中不同的动态变化下显示了拟议框架的效率。我们的结果表明，所提出的框架会产生强大而稳定的自适应行为。