蔡远利
- 作品数：212 被引量：883H指数：17
- 供职机构：西安交通大学更多>>
- 发文基金：国家自然科学基金国家重点实验室开放基金中国博士后科学基金更多>>
- 相关领域：自动化与计算机技术兵器科学与技术航空宇航科学技术电子电信更多>>
- 数字孪生技术的概念、方法及应用
- 数字孪生技术是正在高速发展的新技术,为复杂动态系统的物理信息融合提供了解决思路,是智能制造与智能自动化重要的解决方案之一。本文介绍了数字孪生技术的基本概念及描述模型,分析了蕴涵的技术体系及其关键技术,探讨了可能的应用领域...
- 蔡远利高鑫张渊
- 关键词：仿真技术
- 文献传递
- 基于广义最小二乘模型的动态交通OD矩阵估计被引量：25
- 2004年
- 基于广义最小二乘模型,建立了一种带滑动窗的动态OD矩阵估计算法,可通过对路段交通量和行程时间的检测来估计时变的OD数据.对模型中关键的交通分配矩阵,给出了解析的计算公式.算法是一种递推的估计过程,仅需较少的先验信息,且估计过程不会发散;滑动窗的引入可充分利用量测信息,抑制量测噪声.
- 林勇蔡远利黄永宣
- 关键词：动态OD矩阵滑动窗交通量交通工程
- 考虑滤波器性能的并网逆变器事件触发模型预测控制
- 基于采样数据的事件触发（Event Triggering,ET）机制可以有效降低并网逆变器模型预测控制策略（Model Predictive Control,MPC）的计算负担和硬件成本,同时保证系统较强的鲁棒性。然而,...
- 史椸买彩凤黄晶晶蔡远利
- 文献传递
- 一种攻击时间和攻击角有限时间收敛协同制导律
- 本文将协同制导问题分解为两个子问题，在视线方向，基于多智能体一致性理论和积分滑模方法 ，建立了含自适应调节的剩余飞行时间有限时间同步的制导算法;在垂直视线方向，构造了一种新的非线性积分滑模，并采用非线性状态观测器方法估计...
- 蔡远利田野李慧洁邓逸凡
- 关键词：协同制导积分滑模多智能体
- 面向典型行业的智能工厂解决方案
- 2022年
- 智能工厂工业互联网系统中面临着多类型系统变量共存、多类型网络共存、多类型服务共存等挑战,给构建基于工业互联网的高效协同智能工厂带来了很大困难。为解决这些难点问题,国家重点研发计划推动了智能工厂工业互联网系统的建模方法、网络集成技术以及系统协同控制与优化策略等领域的研究,以上研究成果在应用于大型智能工厂实践之前需要充分的测试和验证。
- 蔡远利胡怀中
- 一种双进双出磨煤机出粉量的计算方法
- 本发明公开了一种双进双出磨煤机出粉量的计算方法，包括以下步骤：A：构建双进双出磨煤机出粉量模型；B:从磨煤机制粉系统的历史站中选取数据，所选取的数据同时满足煤粉质量守恒、给煤质量守恒和原煤质量守恒三个条件；C:利用步骤B...
- 唐耀华段松涛蔡远利闫乃明昝新王宏伟谈博
- 文献传递
- 基于自适应强跟踪EKF的机器人SLAM算法
- 针对传统扩展卡尔曼滤波在移动机器人模型不确定和状态突变等场景下位姿估计误差较大的问题,本文提出了一种基于自适应强跟踪扩展卡尔曼滤波的同步定位与地图构建(Simultaneous Localization and Mapp...
- 王小彤蔡远利姜浩楠
- 关键词：扩展卡尔曼滤波自适应估计
- 基于小波和非线性含输入自回归模型的系统辨识算法被引量：2
- 2004年
- 提出了一种结合小波理论和非线性含输入自回归(NARX)模型的系统辨识新算法.该算法利用小波函数有效的逼近能力避免了应用NARX模型系统辨识时确定模型结构的复杂过程,消除了通常小波网络辨识算法由于输入变量之间可能存在巨大差别而引入的严重失真,构成了一个通用、有效、不依赖于系统先验信息的非线性辨识框架.两则数据仿真表明,对于高度非线性系统,该算法可使系统估计的均方误差减少60%以上.
- 石宏理蔡远利邱祖廉
- 关键词：系统辨识小波分析
- 机动目标多传感器组网空间配准方法被引量：3
- 2016年
- 针对存在传感器偏差的多传感器组网系统跟踪机动目标的问题,把目标状态与传感器偏差进行解耦估计,提出了一种基于交互多模型的两阶段扩展Kalman滤波(IMM-TSEKF)算法。由于传感器观测方程的非线性,文中采用了两阶段扩展Kalman滤波器(TSEKF),针对机动目标,把IMM算法与TSEKF算法相结合用于目标跟踪与空间配准。此外还对算法的时间复杂度进行了分析,并以螺旋机动战术弹道导弹为目标进行组网空间配准与目标跟踪。仿真结果表明,相比于常规的基于交互多模型的增广Kalman滤波(IMM-ASEKF)算法,该文算法在估计性能相当的情况下,减小了计算的复杂度,提高了计算效率,更易于工程实现。
- 方峰蔡远利
- 关键词：交互多模型目标跟踪空间配准
- 时变转移概率IMM-SRCKF机动目标跟踪算法被引量：27
- 2015年
- 给出了一种交互多模型(interacting multiple model,IMM)算法中Markov转移概率矩阵在线修正的方法,并将平方根容积卡尔曼滤波器(square-root cubature Kalman filter,SRCKF)引入到IMM算法中,提出一种时变转移概率的机动目标跟踪IMM-SRCKF算法。该算法利用当前量测中包含的模式信息,对IMM算法中的转移概率矩阵进行实时递推估计,避免了常规IMM算法中转移概率先验确定的困难,提高了模型切换速度和跟踪精度;同时,SRCKF以目标状态协方差的平方根进行迭代更新,确保了滤波过程中协方差矩阵的对称性和半正定性,改善了数值精度和稳定性。仿真实验结果表明,该算法对机动目标的跟踪性能优于常规的IMM及IMM-CKF算法。
- 郭志董春云蔡远利于振华
- 关键词：机动目标跟踪交互多模型
