基于观测方程重构滤波算法的锂离子电池荷电状态估计

滤波算法中观测方程的准确性在电池状态评估中起着决定性作用。然而,该文通过试验发现,由于温度、工作电流和荷电状态(SOC)的影响,即使使用精度较高的电池模型,扩展卡尔曼滤波(EKF)算法中观测方程的输出值与实际电压之间仍会存在较大误差,即产生了较大的新息。该文提出一种基于观测方程重组的增强型扩展卡尔曼滤波(E-EKF)算法。该算法的核心思想是利用具有温度、SOC和电流自适应能力的误差修正策略对观测方程进行重组,实现算法中新息的降低,进而提高SOC估计的准确性。使用两种不同温度下的典型工况试验对E-EKF算法的性能进行了验证。试验结果表明,该算法能够适应不同的温度和工况,并具有较高的SOC估计精度。

自适应组合滤波算法在3D假肢模型中的应用

针对经典统计滤波算法无法自适应选取参数以及传统双边滤波算法难以兼顾保特征和光顺性的问题,提出一种自适应组合滤波算法。首先引入基于局部点云体积的自适应标准差倍数以灵活滤除假肢点云大尺度噪声;在滤除大尺度噪声的基础上,引入一种新的协方差矩阵加权方式,提高估计点云法向的准确性,并通过法向夹角变化程度的均值对特征权重因子进行改进,增强双边滤波因子的保特征性,旨在光顺三维假肢模型小尺度噪声。与单独使用统计滤波、双边滤波相比,所提算法在3个假肢模型的最大误差E_(max)至少降低了5%;平均误差E_(ave)至少降低了6.9%。仿真结果表明,该改进算法在有效剔除假肢模型大尺度噪声的同时又避免了过光顺和去噪不彻底,可以较好地保持模型中的几何特征。

机载LiDAR点云数据的组合滤波算法研究

针对采用渐进式形态学滤波算法进行机载LiDAR点云滤波时存在的滤波效果不佳、地形特征保留不明显的问题,本文提出了一种改进不规则三角网的后处理滤波算法,构建组合式机载LiDAR点云滤波算法。该组合算法有效地结合了渐进式形态学滤波算法与改进TIN滤波算法的优势,首先采用渐进式形态学滤波算法对原始机载LiDAR点云数据进行处理,提取得到初始地面点;其次优化传统TIN滤波算法,以初始地面点及种子点构建TIN,通过连续迭代提取得到精细化地面点。为验证本文提出滤波算法的可靠性与优越性,选取宁波市某地2组机载LiDAR点云数据进行实验,结果表明,与较单一的渐进式形态学滤波算法、TIN滤波算法地面点提取结果相比较,本文改进滤波算法提取地面点的Ⅰ类误差、Ⅱ类误差及总误差均更低,且不受地形条件限制,具有较高的适应性,验证了本文提出改进滤波算法的可靠性与优越性。

基于分数阶模型多新息无迹卡尔曼滤波算法的超级电容SOC估计

对超级电容的SOC估计展开了研究。首先,搭建了超级电容测试平台,用于超级电容的参数辨识,并对超级电容进行了常规性能测试;其次,在不同的环境温度和动态工况下采用多种算法进行超级电容SOC估计。结果表明,采用分数阶模型多新息无迹卡尔曼滤波(FOMIUKF)算法对超级电容SOC的估计精度最高,对超级电容的路端电压跟随情况最好,估计结果的均方根误差和平均绝对误差的最大值分别约为1.8%和1.73%。

机载激光雷达点云数据地面滤波算法综述

机载激光雷达技术作为遥感信息获取领域的全新手段,因具有快速、准确获取地面三维坐标信息的特点,在地形测绘、环境监测、森林防护和城市三维建模等应用领域发挥着越来越显著的作用。地面滤波技术作为提取数字高程模型的核心环节,大量国内外学者对此做了许多专门的研究。本文在前人研究的基础上进行了系统性的梳理和总结,首先简要介绍了机载激光雷达系统的发展现状;随后探讨了地面滤波技术的发展历程,并对其进行了系统分类和梳理;最后,总结了当前地面滤波算法存在的不足之处,并展望了该领域未来的发展趋势。

地电场地铁干扰滤波算法适用性研究

地铁运行对应城地震监测站地电场观测造成显著干扰,其中最大干扰幅度可达33 mV/km,平均干扰幅度约14 mV/km。为改善观测数据质量,对比分析应城地震监测站地电场正常日变化和干扰数据的时频特征,分别采用均值滤波、经验模态分解和数学形态学滤波方法对干扰数据进行滤波处理,并对比分析几种方法的滤波效果,及形态学结构元素的尺度因子对滤波结构的影响。结果表明,使用均值滤波和广义形态学滤波方法,可有效去除地电场地铁干扰,建议受地铁干扰的地电场台站使用以上2种方法对观测数据进行处理,以提升其使用效能。

基于改进高斯滤波算法的图像去噪方法

随着激光技术在光学测量和精密加工等领域的应用日益广泛,对图像的质量要求也越来越高。然而,在实际应用中,图像常常受到散斑噪声的影响,导致图像质量下降。现有方法由于采取的平滑技术较为简单,对于散斑噪声的抑制能力有限,为此,设计基于改进高斯滤波算法的图像去噪方法。测试结果表明,设计方法展现出了优秀噪声抑制性能,保留了图像的主要特征。

基于FPGA的分段近似双边滤波算法设计与实现

为了增强图像显示的质量以及减少基于现场可编程逻辑器件(FPGA)双边滤波算法中硬件资源的消耗,设计了一种分段近似的双边滤波算法。通过分段近似计算减少了双边滤波中值域的存储容量以及输出的数据位宽,从而降低了计算复杂度和硬件资源消耗。在Zynq-7000和Sparten-7的FPGA平台上实现了分段近似的双边滤波算法,研究了不同高斯噪声及在其最佳的值域标准差下的滤波和边缘保持性能。结果表明,本文算法在性能上与传统的双边滤波算法相当,并且与传统的双边滤波算法相比,其查找表(LUT)和数字信号处理模块(DSP)的使用量减少了9.9%和71.1%,且功耗仅为0.128 W。本文算法适合用于硬件资源有限的图像滤波应用场景。

海量机载LiDAR点云改进滤波算法研究

为了提高机载LiDAR点云滤波算法在点云滤波中的精度与效率,本文在已有的多级移动曲面拟合滤波算法的基础上提出一种多级多窗口移动曲面拟合算法(WHMCFA)。该改进滤波算法能够有效解决HMCFA滤波算法中存在的曲面拟合精度低、粗差率高等问题。同时,为了提高LiDAR点云数据的滤波效率,在WHMCFA的基础上设计并实现PWHMCFA并行滤波算法。将本文改进滤波算法应用于机载LiDAR点云数据滤波处理中,结果表明,与传统滤波算法相比,本文提出改进滤波算法的滤波精度更高,滤波效果更好。

基于卡尔曼滤波算法的无人机定位控制

对于无人机飞行过程中精准定位问题,以四旋翼无人机为研究对象,针对随机噪声干扰下无人机位置测量值与真实值存在较大误差的情形,提出一种基于卡尔曼滤波的无人机定位算法。仿真结果表明,经卡尔曼滤波后的无人机位置测量值与真实值之间误差明显减小,验证了卡尔曼滤波算法可以提高无人机定位的控制精度,仿真结果同时还说明若想要达到最佳的滤波效果,测量噪声协方差数值取值要合适,过大或过小都会对滤波效果产生影响,文中研究内容对无人机定位精准控制具有一定的借鉴意义。

基于FFRLS和ASR-UKF滤波算法的锂电池SOC估计

锂电池在工作过程中,其内部参数易受多种因素影响,为提高锂电池在复杂环境下荷电状态(SOC)估计精度,以二阶戴维宁(Thevenin)等效模型为基础,结合遗忘因子递推最小二乘法(FFRLS)对模型参数进行在线辨识。针对传统卡尔曼滤波算法高度非线性及系统噪声不确定性等缺点,提出了一种自适应平方根无迹卡尔曼滤波(ASR-UKF)算法,该算法利用平方根算法处理均值和协方差,确保了状态协方差的半正定性和稳定性,并引入自适应滤波算法对噪声进行实时修正,消除了系统时变噪声影响。结果表明,FFRLS能有效解决数据饱和及算法矩阵计算量大的问题,等效模型精度高达98%。在混合动力脉冲特性(HPPC)测试和北京公交动态测试工况(BBDST)下,ASR-UKF算法SOC估计最大误差分别为3.264%和0.572%,具备更好的跟踪效果,验证了改进算法良好的收敛性与自适应性。

基于滤波算法的隧道全时域激发极化超前探测正演方法

为进一步提高隧道全时域激发极化多参数超前探测的效果,采用滤波算法进行计算时间域等效电阻率,采用有限单元法进行计算,提出一种基于滤波算法的隧道全时域激发极化超前探测正演方法。该方法针对时间域Cole-Cole表达式计算收敛性差的问题,引入滤波算法进行时间域激发极化等效电阻率的计算,提高算法的收敛性;针对正演过程中大型矩阵求解影响计算效率的问题,引入OpenMP并行算法,实现隧道全时域激发极化超前探测正演的加速运算。最后,开展数值算例和物理模型试验。研究结果表明:该正演方法对异常体有敏感响应,且在加快正演速度具有显著优势。通过基于滤波算法的隧道全时域激发极化超前探测获得的观测数据与实际探测数据较为相符,这为基于全时域激发极化隧道超前探测提供了一种可行的正演算法。

农业图像新型自适应混合滤波算法的应用

针对农业图像的获取受到拍摄设备电压不稳定、成像天气等不确定性因素的影响从而存在一定程度的噪声、图像视觉效果差这一问题,提出了一种新型农业图像自适应混合滤波算法。该算法首先采用改进型中值滤波算法进行预处理,以对图像中的噪声进行初步抑制;然后对经过预处理后的图像采用自适应维纳滤波算法进行处理,以进一步提高图像的清晰度,最大限度地恢复图像的本来面貌。分别将本研究算法、中值滤波算法、自适应维纳滤波算法、非局部均值滤波算法进行Matlab编程实现,并应用于处理农业图像。结果表明,本研究提出的算法对农业图像的滤波效果明显优于其余算法,这说明本研究提出的农业图像滤波算法具有一定的实用性。

应用集合卡尔曼滤波算法对土壤呼吸速率同化及NEP估算

为了对净生态系统生产力(NEP)进行准确估算,以长白山通量观测站观测数据为基础,构建土壤温度、湿度耦合因子的更新模型(线性函数、指数函数、二次式函数),结合集合卡尔曼滤波算法(EnKF)获取高精度土壤呼吸速率数据,应用陆地生态系统碳循环综合模型(InTEC模型)准确估算NEP。结果表明:二次式模型的EnKF算法同化结果估算效果最好,决定系数(R^(2))为0.782,均方根误差为52.90 g·m^(-2)·a^(-1);指数模型EnKF算法同化结果估算值的R^(2)为0.755,均方根误差为56.47 g·m^(-2)·a^(-1);线性模型EnKF算法同化结果估算值的R^(2)为0.742,均方根误差为62.80 g·m^(-2)·a^(-1)。选取二次式模型优化后的土壤呼吸速率数据,InTEC模型模拟长白山通量观测站长时间序列净生态系统生产力的R^(2)为0.900,均方根误差为61.77 g·m^(-2)·a^(-1);InTEC模型模拟东北三省森林生态系统2003—2010年的净生态系统生产力年均值,由初始模拟的30.07 g·m^(-2)·a^(-1),经EnKF算法更新后提升到176.87 g·m^(-2)·a^(-1)。因此,采用EnKF更新土壤温度-湿度耦合因子获取的土壤呼吸速率数据,能够提高InTEC模型估算NEP的精度,为大区域尺度森林生态系统NEP估算提供技术支持。

基于加权多新息卡尔曼滤波算法的响应重构

针对卡尔曼滤波算法容易受到噪声的影响,使得响应重构精度降低甚至发散的问题,提出一种基于加权多新息卡尔曼滤波算法的响应重构方法。首先在融合多新息理论和卡尔曼滤波算法的基础上,引入加权矩阵动态调整新息矩阵的权重以降低历史干扰数据的累积影响。随后将该方法用于响应重构中,使用有限的加速度响应对其余未知位置处的加速度、速度以及位移响应进行重构。最后分别对起重机桁架和简支梁进行数值模拟和试验验证,结果表明与卡尔曼滤波算法和多新息卡尔曼滤波算法的响应重构方法相比,所提方法的滤波稳定性和估计精度得到改善,其能在运行时间增加很小的情况下有更高的重构精度。

两飞行体相对定位技术及其滤波算法研究

为了解决两飞行体相互之间的定位问题,在二维平面运动模型的基础上提出了相位差变化率定位方法,进行了可观测分析,给出了可观测分析结果。同时简单介绍了几种典型非线性滤波算法,并将EKF(ExtendedKalman Filter)、UKF(Unscented Kalman Filter)、PF(Particle Filter)等非线性滤波方法应用到定位模型中。仿真结果表明,UKF方法用时最短,PF滤波方法精度最高。

一种基于单片机的模拟量采集滤波算法设计

模拟量采集是嵌入式系统的一项重要功能,模拟量信号易被嵌入式系统本身或外部的噪声源所干扰,产生失真问题。针对上述问题,本文提出了一种基于单片机的模拟量采集算法。首先采集系统空载的模拟量信号,对其进行插值、平滑滤波等预处理操作;随后对处理后的数据进行快速傅里叶变换提取频域特征;采集系统负载模拟量信号时,对其进行相同操作并由空载信号进行反向滤波,再通过逆傅里叶变换输出。实验结果表明,本文提出的算法能够较好地滤除噪声干扰,提升了模拟量采集的准确率。

基于卡尔曼滤波算法的风电机组动态推力消减控制策略

随着变桨变速式风电机组叶片的大型化发展趋势,风电机组在额定风速区域运行时,由于尖峰推力导致的极限荷载问题越来越突出。为此,在风电机组基本控制策略基础上提出了一种基于卡尔曼滤波算法的动态推力消减控制策略,根据风电机组能量传递关系,以测量转矩、桨距角和风轮转速为输入量,对轮毂风速进行估计,经过推力消减控制器的最优桨距角计算实现动态变桨,以降低风电机组整体的轴向推力水平;最后以某5.0MW风电机组为例,搭建了半实物仿真实验平台,对提出的控制策略进行了实验验证。实验结果表明:该控制策略能够有效降低风电机组轴向推力,减小风电机组极限荷载。

移动窗口下的LiDAR点云区域生长滤波算法

LiDAR滤波的方法中最小二乘内插法能够较好地获取地形趋势面,但是算法中无法根据地形自适应设置参数,在地形起伏较大的地区提取结果精度低,无法剔除大型建筑物和大面积且穿透率较低的植被,可能存在接收负粗差点、计算时间长等问题,利用最小二乘内插法滤波方法难以获取较高精度的结果。因此,本文提出了一种基于移动窗口加权迭代最小二乘拟合的区域生长滤波,即移动窗口下的区域生长滤波对LiDAR数据进行滤波。

基于隶属度的预测中值滤波算法

滤除脉冲噪声常采用中值滤波算法,尽管对许多中值滤波算法作了改进,但在噪声密度较高或局部严重污染的情况下,图象滤波效果还不是很好。基于此,本文提出一种新型的中值滤波算法,首先利用前次滤波得到像素的灰度值,预测一个合适的中间参考值;其次根据待处理像素与其邻域像素的关系,建立隶属函数,并求得隶属度;最后结合中间参考值和隶属度求得待处理像素的灰度值。