CIMR-V7AT43P7
（(销售询价热线： QQ:937926739销售)6）自我保护功能完善：如某台泵出现故障，主动发出报警信息，同时起动备用泵，以维持供水平衡，万一自控系统出现故障，用户可以直接操作手动系统，以保障供水。
(销售询价热线： QQ:937926739销售)水下运动目标的运动估计技术[1-4]的应用与研究始于上世纪70年代到90年代成为各国科研机构和公司大力研究的热点国内外学者提出了很多有效的目标运动估计算法。对于线性系统而言Kalman滤波是解决估计问题的优方案[5]。而对于非线性系统而言并没有一个完全的优状态估计方案为此人们提出了很多次优的近似方法其中应用广泛的是扩展Kalman滤波(EKF)及其改进方法[6]。EKF算法本身固有的缺点是一阶线性化精度较低需要计算Jacobian矩阵且非线性函数必须满足可微性当面对强非线性或非高斯函数时EKF的估计精度严重降低甚至发散。为了克服上述缺点Julier和Uhlmann提出了不敏卡尔曼滤波(UKF)[7](unscented KalmanFilter)算法。UKF方法直接使用系统的非线性模型不像EKF方法那样需要对非线性系统加以线性化也不需要如二次滤波方法一样计算Jacobin矩阵且具有和EKF方法相同的算法结构。对于线性系统UKF和EKF具有同样的估计性能但对于非线性系统UKF方法则可以得到更好的估计结果。Wan和Merwe将UKF方法引入到非线性模型的参数估计和双估计中并提出了UKF方法的方根滤波算法该算法不仅可以确保滤波的计算稳定性而且大大减少了实际的计算量。尽管UKF算法(销售询价热线： QQ:937926739销售)能够较好地解决非线性系统的
运动估计问题但是UKF不能应用于非高斯分布系统而粒子滤波(PF)[8-11]可以有效地解决这一问题。PF的核心思想是将所需的后验概率密度函数通过一组随机样本表现出来每一个随机样本都对应一个权值通过计算这些对应权值的随机样本来得到后验概率密度函数。当样本容量很大时这种蒙特卡罗的描述就等价于真实的后验概率函数此时序贯重要性抽样逼近佳贝叶斯估计即可实现基于序贯模拟的统计滤波方法。随着计算存储成本的降低(销售询价热线： QQ:937926739销售)PF相对于采取解析形式对非线性系统进行近似得到次优滤波估计值的传统方法来说极大地提高了算法的性、实时性和鲁棒性。估值维数的对粒子滤波影响不大并且该方法适用于任意非线性模型、任意分布的噪声且具有算法简单、易于编程实现等优点。与扩展卡尔曼滤波方法比较其滤波效果更好适用范围更广[12-15]。
本文的主要研究内容为:对水下运动目标的典型运动形式(线性运动非线性随机运动)分别利用扩展卡尔曼滤波、不敏卡尔曼滤波以及基于重要性采样的粒子滤波进行目标的运动估计通过三种运动估计效果对比验证UKF和PF在非线性领域相对于EKF的优势。
2 (销售询价热线： QQ:937926739销售)目标运动模型
运动目标的参数估计首先要解决目标的运动模型问题常用的目标模型有匀速直线运动模型、匀加速直线运动模型以及变加速直线运动模型等。目标运动的动力学模型分为非机动目标模型和机动目标模型两大类。在这里机动指目标在飞行或航行时突然出现的转向、变速等运动。所以本文将以上提到的三种单目标运动模型作如下的分类:匀速直线运动模型和匀加速直线运动模型是两种基于直线运动的非机动模型该模型将目标的运动先验地定义为简单的匀速或匀加速运动机动可以看作是一种随机的输入其大小体现在过程噪声的标准差之中;变加速直线运动模型是机动模型既有加速度的变化又有过程噪声的存在。当目标作匀速直线运动时匀速直线运动模型包含目标的位置分量、速度分量以及量测噪声;当目标作匀加速或变加速直线运动时匀加速或变加速直线运动模型中所包含的分量除了有位置分量、速度分量和量测噪声以外还有加速度分量。
绝(销售询价热线： QQ:937926739销售)大多数的目标运动尤其是目标机动沿各坐标轴的分量是耦合的。为了简单起见许多已经开发的机动
模型仍然假定坐标耦合很弱可以忽略不计由此只须在单一坐标方向上进行运动建模即可。下面的运动模型建模以及仿真实验等均建立于单一坐标方向(X)上。
2.1 目标的线性运动建模
匀速直线运动模型可以表示为式
为测(销售询价热线： QQ:937926739销售)量噪声服从高斯白噪声分布:均值为零、方差为;
为加速度变化率;
为采样间隔。
以上三种模型是目标运动模型MSMA041A35 MSMA042A34 MSMA082A33
MSMA5AZA29 MSMA011A43 MSMA012A42 MSMA021A39 MSMA022A38 MSMA041A37 MSMA042A35 MSMA082A34
MSMA5AZA38 MSMA011A44 MSMA012A43 MSMA021A42 MSMA022A39 MSMA041A38 MSMA042A37 MSMA082A35
MSMA5AZA39 MSMA011A45 MSMA012A44 MSMA021A43 MSMA022A42 MSMA041A39 MSMA042A38 MSMA082A37
MSMA5AZA48 MSMA011A47 MSMA012A45 MSMA021A44 MSMA022A43 MSMA041A42 MSMA042A39 MSMA082A38
MSMA5AZA49 MSMA011A48 MSMA012A47 MSMA021A45 MSMA022A44 MSMA041A43 MSMA042A42 MSMA082A39
MSMA011A15 MSMA011A49 MSMA012A48 MSMA021A47 MSMA022A45 MSMA041A44 MSMA042A43 MSMA082A42
MSMA011A17 MSMA012A15 MSMA012A49 MSMA021A48 MSMA022A47 MSMA041A45 MSMA042A44 MSMA082A43
MSMA011A18 MSMA012A17 MSMA021A15 MSMA021A49 MSMA022A48 MSMA041A47 MSMA042A45 MSMA082A44
MSMA011A19 MSMA012A18 MSMA021A17 MSMA022A15 MSMA022A49 MSMA041A48 MSMA042A47 MSMA082A45
MSMA011A25 MSMA012A19 MSMA021A18 MSMA022A17 MSMA041A15 MSMA041A49 MSMA042A48 MSMA082A47
MSMA011A27 MSMA012A25 MSMA021A19 MSMA022A18 MSMA041A17 MSMA042A15 MSMA042A49 MSMA082A48
MSMA011A28 MSMA012A27 MSMA021A25 MSMA022A19 MSMA041A18 MSMA042A17 MSMA082A15 MSMA082A49
MSMA011A29 MSMA012A28 MSMA021A27 MSMA022A25 MSMA041A19 MSMA042A18 MSMA082A17
MSMA011A32 MSMA012A29 MSMA021A28 MSMA022A27 MSMA041A25 MSMA042A19 MSMA082A18
MSMA011A33 MSMA012A32 MSMA021A29 MSMA022A28 MSMA041A27 MSMA042A25 MSMA082A19
MSMA011A34 MSMA012A33 MSMA021A32 MSMA022A29 MSMA041A28 MSMA042A27 MSMA082A25
MSMA011A35 MSMA012A34 MSMA021A33 MSMA022A32 MSMA041A29 MSMA042A28 MSMA082A27
MSMA011A37 MSMA012A35 MSMA021A34 MSMA022A33 MSMA041A32 MSMA042A29 MSMA082A28
MINAS Aシリーズ（ギヤ付モータ 17bitアブソ/インクリ共用）カタログ取扱説明書
MSMA5AZC18 MSMA011C38 MSMA012C37 MSMA021C35 MSMA022C34 MSMA041C33 MSMA042C32 MSMA082C29
MSMA5AZC19 MSMA011C39 MSMA012C38 MSMA021C37 MSMA022C35 MSMA041C34 MSMA042C33 MSMA082C32
MSMA5AZC28 MSMA011C42 MSMA012C39 MSMA021C38 MSMA022C37 MSMA041C35 MSMA042C34 MSMA082C33
MSMA5AZC29 MSMA011C43 MSMA012C42 MSMA021C39 MSMA022C38 MSMA041C37 MSMA042C35 MSMA082C34
MSMA5AZC38 MSMA011C44 MSMA012C43 MSMA021C42 MSMA022C39 MSMA041C38 MSMA042C37 MSMA082C35
MSMA5AZC39 MSMA011C45 MSMA012C44 MSMA021C43 MSMA022C42 MSMA041C39 MSMA042C38 MSMA082C37
MSMA5AZC48 MSMA011C47 MSMA012C45 MSMA021C44 MSMA022C43 MSMA041C42 MSMA042C39 MSMA082C38
MSMA5AZC49 MSMA011C48
