《基于多传感器递推总体最小二乘融合的水下机器人动力学模型参数辨识》PDF+DOC
作者:朱红坤,郭蕴华,牟军敏,胡甫才,任文峰
单位:中国船舶科学研究中心;中国造船工程学会船舶力学学术委员会
出版:《船舶力学》2017年第10期
页数:8页 (PDF与DOC格式可能不同)
PDF编号:PDFCBLX2017100100
DOC编号:DOCCBLX2017100109
下载格式:PDF + Word/doc 文字可复制、可编辑
《泵体参数多传感器融合技术的研究》PDF+DOC2015年第12期 陈庆文,孙凯明,王琨
《带衰减观测多速率连续系统的分布式融合估计》PDF+DOC2020年第04期 鲁嘉琪,林红蕾,田甜
《带未知丢失观测率和传感器偏差的多传感器AR模型融合辨识》PDF+DOC2018年第06期 万涛,孙书利
《基于加权非线性最小二乘的无源协同定位》PDF+DOC2018年第05期 李思奇
《基于多传感器单模型多分辨融合估计算法》PDF+DOC1999年第04期 赵大蕻,崔金玲,文成林
《多传感器状态融合估计理论在成纸定量估计中的应用》PDF+DOC2005年第03期 金学波,孙优贤,孙政荣
《基于LMI的多传感器H_∞融合滤波器设计》PDF+DOC2005年第11期 林岳松,薛安克,钱积新
《基于小波分析和鲁棒最小二乘的信息融合估计算法》PDF+DOC2012年第03期 朱培逸,孙顺远,刘柱,徐保国
《基于带无偏输入的加权融合算法》PDF+DOC2009年第14期 张在利,秦超英,邓奎彪
《船舶动力定位多传感器闭环分级融合算法》PDF+DOC2014年第03期 徐树生,林孝工
对于水下机器人动力学模型辨识问题,如果其观测方程的系数矩阵包含随机扰动,则其最小二乘估计一般是有偏的。为此,该文提出一种基于多传感器递推总体最小二乘融合的水下机器人动力学模型辨识算法(RTLS_F)。首先,给出了集中式总体最小二乘融合的算法;然后,在总体最小二乘框架下,推导出多传感器递推融合估计算法。通过仿真实验对RTLS_F与其它水下机器人动力学参数辨识算法进行了比较。实验结果表明,在系数矩阵和观测向量都含有误差的情况下,最小二乘融合是有偏估计且难以提高估计精度,而RTLS_F算法可以有效改善参数辨识性能。
提示:百度云已更名为百度网盘(百度盘),天翼云盘、微盘下载地址……暂未提供。