基于故障发生程度的四旋翼无人机故障诊断

针对四旋翼无人机执行机构的部分失效故障诊断问题,构建了四旋翼无人机的单通道简化系统状态空间模型,分析了传统增强状态Kalman滤波器的算法流程和不足之处,提出了多阶段联合故障观测器对偏差系数以及系统原始状态量进行准确估计。仿真实验表明:多阶段联合故障观测器可以准确估计出不同工况下的故障系数,同时获取系统补偿偏差之后的原始真实状态量,展现了多阶段联合故障观测器在解决四旋翼无人机的故障诊断问题上的优越性。

基于P-NAEKF算法的汽车行驶状态估计

针对传统的卡尔曼滤波算法在进行汽车行驶状态估计时噪声协方差不准确的问题,构建了基于车辆纵向车速、质心侧偏角和横摆角速度的3自由度模型,以扩展卡尔曼滤波(EKF)为例,分析不准确噪声协方差对滤波估计性能的影响,提出一种基于粒子群算法的噪声自适应扩展卡尔曼滤波(P-NAEKF)算法对车辆关键状态进行估计。基于粒子群算法的估计器可对噪声协方差进行准确估计,并将结果嵌入到标准的扩展Kalman滤波算法中实现自适应估计。通过Carsim与Matlab/Simulink联合仿真验证P-NAEKF算法在车辆状态估计时进行估计效果,仿真结果表明:P-NAEKF算法在汽车动态参数估计方面具有优越性。