本项目的主要工作从2011年1月至2013年12月，共历时三年。项目按照项目计划书拟定的进度进行，主要开展了以下几方面的工作：（1）大型渠道系统时滞参数及水力学特性仿真测试；（2）渠池状态变量耦合算法；（3）耦合ID建模及鲁棒性分析；（4）渠池谐振机理分析及滤波算法。研究工作顺利实现了预期的研究目标，得到的主要研究成果有：（1）建立了大型渠系状态空间ID模型参数的模型辨识方法，可以基于水力学仿真程序求解ID模型关键的As和τ；（2）基于渠池间耦合特性，建立了耦合状态空间模型，采用相邻渠池间的控制目标水位差作为控制目标，提高了模型的鲁棒性以及控制的灵活性；（3）开发了渠池谐振滤波算法，可以过滤掉渠池间由于重力波往复弹射造成的非线性影响。项目发表学术论文8篇，其中SCI收录2篇、EI收录6篇，参加国际会议并做报告两人次；获得软件著作权3项，培养博士生三名、硕士生5名。

目前我国渠道调度以人工控制为主，效率低下且普遍存在运行性弃水，这与我国水资源短缺的国情和建设和谐社会的目标不符，亟待开展相应的理论与技术研究。控制明渠输水系统是由水流、节制闸、通信及控制系统组成，非恒定水流的滞后、节制闸产生的渠池间耦合作用以及水波干涉叠加而生的谐振使得该系统的控制建模异常复杂。本项目拟采用ID模型引入渠池时滞因素，并以渠池间的耦合关系作为控制变量，建立系统的线性状态空间模型。该线性模型能够反映系统控制变量的时-空变化规律，并可以直接用于实时控制器优化求解。渠道的水波干涉叠加是造成系统非线性特性的主要原因，本项目拟通过对滤波算法的研究，从复杂的水波信号中提取主要波动趋势，从而达到简化控制操作、减少闸门频繁动作的目的。本项目的成功实施将为我国诸多调水工程的运行调度提供理论和技术支持，也为其他非线性系统的控制提供思路，具有一定的科学意义以及实践应用价值。

第1章 绪论

1.1 组合导航概述

1.1.1 组合导航基本概念

1.1.2 组合导航系统发展概况

1.2 滤波理论的研究概况

1.2.1 滤波算法的基本知识

1.2.2 线性滤波算法

1.2.3 非线性滤波算法

1.3 组合导航非线性滤波算法的应用现状

第2章 卡尔曼滤波及扩展卡尔曼滤波

2.1 卡尔曼滤波的性质

2.2 离散卡尔曼滤波算法

2.3 连续卡尔曼滤波算法

2.3.1 过程噪声

2.3.2 量测噪声

2.3.3 连续卡尔曼滤波推导

2.4 改进的卡尔曼滤波算法

2.4.1 鲁棒卡尔曼滤波

2.4.2 交互式多模型卡尔曼滤波

2.4.3 Sage-Husa卡尔曼滤波

2.5 扩展卡尔曼滤波

2.5.1 线性化方法

2.5.2 离散扩展卡尔曼滤波

2.5.3 连续扩展卡尔曼滤波

第3章 无迹卡尔曼滤波

3.1 无迹变换与采样策略

3.1.1 无迹变换原理

3.1.2 无迹变换的精度分析

3.1.3 无迹变换的采样策略

3.2 无迹卡尔曼滤波算法

第4章 优化的无迹卡尔曼滤波及其应用

4.1 改进的强跟踪无迹卡尔曼滤波及其应用

4.1.1 改进的强跟踪无迹卡尔曼滤波算法

4.1.2 改进的强跟踪无迹卡尔曼滤波算法在INS/GNSS组合导航系统中的应用

4.2 约束无迹卡尔曼滤波及其在车辆组合导航中的应用

4.2.1 约束方程

4.2.2 约束无迹卡尔曼滤波算法

4.2.3 约束无迹卡尔曼滤波统计特性

4.2.4 约束无迹卡尔曼滤波算法在GPS/DR组合导航中的应用

4.3 抗差模型预测无迹卡尔曼滤波

4.3.1 抗差模型预测无迹卡尔曼滤波算法

4.3.2 抗差模型预测无迹卡尔曼滤波在SINS/BDS/CNS组合导航中的应用

第5章 粒子滤波概述

5.1 粒子滤波算法

5.1.1 贝叶斯滤波

5.1.2 蒙特卡罗采样

5.1.3 序贯重要性采样

5.1.4 重采样

5.1.5 标准粒子滤波算法

5.1.6 粒子滤波存在的问题

5.2 粒子滤波优化算法

5.2.1 避免粒子贫化

5.2.2 降低计算复杂度

5.2.3 优选重要性密度函数

第6章 优化的粒子滤波

6.1 抗差自适应中心差分粒子滤波

6.1.1 中心差分算法

6.1.2 抗差自适应滤波

6.1.3 抗差自适应中心差分粒子滤波算法

6.1.4 SINS/CNS组合导航系统仿真计算与分析

6.2 抗差自适应高斯混合Sigma点粒子滤波

6.2.1 高斯粒子滤波

6.2.2 抗差自适应高斯混合Sigma点粒子滤波算法

6.2.3 SINS/SAR/CNS组合导航系统直接法滤波中的应用

第7章 改进的无迹粒子滤波算法及其应用

7.1 抗差自适应无迹粒子滤波

7.1.1 抗差自适应无迹粒子滤波算法

7.1.2 仿真计算与分析

7.1.3 抗差自适应无迹粒子滤波在SINS/SAR组合导航系统中的应用

7.2 非线性模型预测无迹粒子滤波

7.2.1 模型预测滤波

7.2.2 非线性模型预测无迹粒子滤波算法

7.2.3 非线性模型无迹粒子滤波算法在SINS/SAR组合导航系统中的应用

7.3 衰减记忆平方根无迹粒子滤波

7.3.1 衰减记忆滤波

7.3.2 平方根滤波

7.3.3 衰减记忆平方根无迹粒子滤波算法

7.3.4 SINS/SAR组合导航系统直接法滤波中的应用

7.4 基于似然分布的样本数自适应无迹粒子滤波

7.4.1 样本数可自适应调整的粒子滤波

7.4.2 基于似然分布的样本数自适应无迹粒子滤波算法

7.4.2 SINS/SAR组合导航系统直接法滤波中的应用

第8章 基于随机加权的滤波算法及其应用

8.1 随机加权估计的基本思想

8.2 动态导航定位中的随机加权估计

8.2.1 观测残差向量与新息向量的协方差阵

8.2.2 观测噪声协方差矩阵的随机加权开窗估计

8.2.3 仿真实验与分析

8.3 动力学模型误差的Sage随机加权自适应滤波

8.3.1 动力学模型系统误差

8.3.2 动力学模型误差的Sage随机加权自适应滤波算法

8.3.3 仿真计算与分析

8.4 基于移动开窗与随机加权估计的自适应无迹卡尔曼滤波及其应用

8.4.1 无迹卡尔曼滤波的非重采样形式

8.4.2 随机加权因子的确定

8.4.3 基于移动开窗与随机加权估计的自适应无迹卡尔曼滤波算法

8.4.3 INS/GNSS组合导航系统直接法滤波中的应用

参考文献 2100433B

最基本的谐振感应耦合由初级侧驱动线圈和次级侧谐振电路组成。 在这种情况下，由初级侧观察次级侧的谐振状态时，可发现为一对的两个谐振频率，其中的一个称为反谐振频率（并联谐振频率 1），另一个称为谐振频率（串联谐振频率 1'）。次级线圈由短路电感和谐振电容组合为谐振电路。以次级侧的谐振频率(串联谐振频率)驱动初级侧线圈时，初级侧与次级侧线圈的磁场达到相位同步。结果因互磁通增加，在次级线圈得以产生最高电压，并且初级线圈的铜损降低，发热减少，效率相对提高。谐振感应耦合广泛应用于谐振变压器，无线供电和JR磁浮的车上供电。

谐振感应耦合概述

该过程发生在谐振变压器中，该谐振变压器是由缠绕在相同铁芯上的高Q线圈组成的电气部件，电容器连接在线圈两端以形成耦合LC电路。

最基本的谐振电感耦合由初级侧的一个驱动线圈和次级侧的一个谐振电路组成。在这种情况下，当从初级侧观察次级侧的谐振状态时，观察到两对共振。其中之一就是所谓的反谐振频率（并联谐振频率1），以及另一种是所谓的谐振频率（串联谐振频率1' ）。所述的短路电感和次级线圈的谐振电容器被组合成的谐振电路。当初级线圈以次级侧的谐振频率（串联谐振频率）驱动时，初级线圈和次级线圈的磁场的相位被同步。其结果，在二次线圈中产生由于互感磁通的增加，并且所述初级线圈的铜损降低的最大电压，发热减少，效率相对提高。所述的谐振感应耦合是近场电能的无线传输磁耦合的线圈之间，这是一个的一部分谐振电路调谐到谐振以相同的频率作为驱动频率。

谐振感应耦合共振态的耦合系数

在变压器中，只有部分通过初级线圈的电流产生的磁通耦合到次级线圈，反之亦然。耦合的部分称为相互通量，不相耦合的部分称为漏磁通。当系统不处于共振状态，这将导致出现在次级小于由线圈的匝数比预测开路电压。耦合程度由称为耦合系数的参数捕获。耦合系数k被定义为变压器开路电压比与从一个线圈耦合到另一个线圈的所有磁通量所得到的比率之比。k的值介于0和±1之间。每个线圈电感可以概念上以比例k和（1-k）分成两部分。这些分别是产生相互磁通的电感和产生漏磁通的电感。

耦合系数是系统几何结构的函数。它由两个线圈之间的位置关系固定。在系统处于共振状态和不处于共振状态时，或者即使系统处于共振状态并且产生大于匝数比的次级电压时，耦合系数也不会改变。

据说谐振系统是紧耦合的，松耦合的，临界耦合的或过耦合的。如传统铁芯变压器一样，紧耦合是耦合系数大约为1时。过耦合是次级线圈如此接近并且互通量的形成受到反共振的影响而受到阻碍，并且当通带中的转移是最佳时临界耦合是。松散耦合是指线圈彼此远离时，大部分通量都会漏过辅助线圈。在特斯拉线圈中使用0.2左右，并且在更远的距离上，例如感应无线电力传输，它可能低于0.01。2100433B