使用KF/EKF算法的新能源汽车电池组故障在线监控系统

本文介绍了一种使用KF/EKF算法的新能源汽车电池组故障在线监控系统。该系统使用KF/EKF算法,采取了Android的运行形式,实现了登录、通信、显示(电池参数显示和地图显示)和设置功能,能够对新能源汽车电池组的故障监控,延长新能源汽车电池组的使用寿命,提升新能源汽车电池组的健康水平等目标。

基于KF-ESN算法的新能源汽车电池组故障在线监控系统

当前的光学超精密检测采用基于改进CNN电池组故障诊断方法受到噪声数据影响,导致故障数据监控精准度低,对此提出基于KF-ESN算法的新能源汽车电池组故障在线监控系统。使用霍尔传感器结构,检测电池组电压和电流。通过控制模块,使主机具备自动递增特性,经由SMD-140035H蜂鸣器,实现故障报警。在ESN网络中通过KF算法进行电池组故障在线估计,计算网络输出权值和误差协方差的先验值,通过目标值校正后,只需评估网络输出权值,就能得到精准故障监控系统。实验结果表明,该系统分别与标准故障电压、电流数据存在最大为0.02 V和0.01 A的误差,具有精准监控结果。

MS-KF融合算法用于锥套跟踪

针对无人机自主空中加油过程中锥套跟踪,提出一种均值漂移-卡尔曼滤波(mean shiftKalman filter,MS-KF)融合算法。分析了基于均值漂移算法的锥套目标模型、相似性度量、锥套目标定位的锥套定位原理;引入卡尔曼滤波器对锥套运动状态进行预测,将锥套运动信息融合到均值漂移算法中,以保证锥套跟踪算法的稳定性和鲁棒性;给出了MS-KF融合算法用于锥套识别跟踪的流程;搭建了锥套跟踪半物理实验验证系统,分别进行MS-KF融合算法用于锥套跟踪的半物理实验验证及数值仿真分析。实验结果表明:MS-KF融合算法可以对锥套精确定位跟踪,无人机3个轴向的跟踪误差保持在0.3m的范围内,保证了无人机自主空中加油的顺利进行。

基于KF-BPNN融合算法的电池循环寿命预测方法

为了解决实际应用过程中电池循环寿命预测精度较低的问题,提出卡尔曼滤波-BP神经网络(KF-BPNN)融合算法对电池的循环寿命进行预测。该方法选用电池内阻作为循环寿命的评估参数,利用BPNN预测电池的内阻值,并将预测内阻值作为KF算法的观测值来修正卡尔曼滤波观测方程系数,从而提高循环寿命预测精度。实验结果表明:融合算法的预测精度有了明显提高。

基于多源信息融合的配电网调度数据安全管控技术

网络攻击、数据篡改、信息泄露等安全威胁对配电网调度系统造成了严重的影响,导致电力供应中断、设备损坏等严重后果。为保障数字化配网调度的安全性与合理性,研究了基于多源信息融合的配电网调度数据安全管控技术。构建数字化配网调度智慧安全管控平台,采集数字化配网调度数据,从而更准确地判断配网运行状况。通过概率数据关联算法,计算多源数字化配网调度数据之间的关联性,并采用联合卡尔曼滤波算法(Kalman filter,KF),融合多源数字化配网调度数据。使用椭圆曲线公钥密码算法(SM2国密算法),加密融合后多源数字化配网调度数据,实现数字化配网调度智慧安全管控,保障数字化配网调度数据安全可靠。实验结果表明,所提技术可以有效保障数字化配网调度数据安全性,当传输的配网调度数据存在攻击时,所提技术可有效过滤攻击内容,实现配网调度智慧安全管控。

高阶SRC-KF SINS对准模型算法

基于SINS初始对准误差参数计算精度要求,利用Gauss-Hermite积分和Gauss-Lagerre积分数值逼近方法,证明了Bayesian最优估计理论的高阶球面径向联合积分数值逼近的五阶SRC-KF算法.通过状态向量坐标变换开展高阶球面径向数值积分逼近计算,根据获得2n2个球面径向采样点,利用高阶矩匹配方法设计采样点权值展开系统状态后验概率密度函数逼近计算,来达到非线性系统状态参数五阶SRC-KF最优估计算法高精度计算目的.采用四元数姿态建模方法构建新型SINS初始对准非线性误差模型,引入Lagrangian乘子算法计算四元数估计加权均值,最后利用SINS粗对准实验数据开展初始对准高阶SRC-KF模型算法仿真验证研究.通过UKF、CKF和五阶SRC-KF算法估计数据比较,五阶SRC-KF算法计算精度较高,数值计算稳定性好,验证了五阶SRC-KF算法的可行性及计算精度优势.

UKF车速估计器的算法研究与仿真

为准确估计车辆的行驶速度,保证汽车的安全性,设计了基于无味卡尔曼滤波算法(UKF:Unscented Kalman Filter)的车速估计器,并与基于卡尔曼滤波(KF:Kalman Filter)算法所建立的估计器进行了比较。两个估计器都以七自由度整车模型为研究平台,同时在Matlab中搭建了UKF和KF的算法模型。仿真实验结果表明,当系统输入产生突变时,UKF算法与真实值的绝对误差率始终在4%以内,比KF算法的误差率大约降低了3%,UKF车速估计器能很好地预测车速变化的趋势,相对于KF估计算法效果更佳。

电解槽样品转运机器人的视觉伺服运动控制方法

针对电解槽样品转运机器人无标定视觉伺服控制对图像雅可比矩阵存在估计不准确、估计时间长的问题,本文提出了一种基于BP神经网络的KF-BP算法。KF-BP算法使用BP神经网络训练样本,输出误差补偿量,与传统KF算法产生的次优估计值相加得到雅可比矩阵的最优估计值,有效提高了雅可比矩阵估计的准确性和快速性。本文建立了基于KF-BP算法的无标定视觉伺服模型,并进行了仿真实验,结果表明,与传统KF算法相比,基于KF-BP算法的视觉伺服收敛速度提高了34.7%,且图像累计误差更小,可有效提高电解槽铝样品运机器人的作业精度和速度。

基于移动窗卡尔曼滤波算法的结构响应重构

为了克服传统卡尔曼滤波(Kalman filter,KF)算法在重构结构未测点响应时,需要已知测量噪声方差和过程噪声方差以及需假定二者为恒值的问题,提出了一种基于移动窗卡尔曼滤波(moving-window Kalman filter,MWKF)算法的结构响应重构方法。该方法的特点在于:无需预先按经验设定测量和过程噪声方差值,利用移动窗技术,首先实时估计二者的数值,然后基于KF算法,利用有限测点的响应信息重构结构未安装传感器位置的响应。以一个平面单跨框架结构为例进行数值模拟和试验分析。分析结果表明:该方法能有效地实时估计测量噪声方差和过程噪声方差,未测点的重构动力响应时程与计算响应时程或者测量响应吻合良好。

基于聚类和WOA的并行支持向量机算法

针对并行SVM在大数据环境下对冗余数据敏感、参数寻优能力差以及并行过程中出现的负载不均衡等问题,提出了一种基于聚类算法和鲸鱼优化算法的并行支持向量机算法MR-KWSVM。首先,该算法提出KF策略来删减冗余数据,利用删减冗余数据后的数据集训练SVM,降低SVM对冗余数据的敏感性;其次,提出了基于非线性收敛因子和自适应惯性权重的鲸鱼智能优化算法IW-BNAW,利用“IW-BNAW”算法获取SVM的最优参数,提高支持向量机的参数寻优能力;最后,在利用MapReduce构造并行SVM的过程中,提出时间反馈策略用于reduce节点的负载调度,提高了集群的并行效率,实现了高并行的SVM。实验结果表明,所提算法不仅保证了SVM在大数据环境下的高并行计算能力,SVM的分类准确度也有明显提高,并且具有更好的泛化性能。

基于车载摄像头的车辆前方移动光源轨迹预测算法

为增强汽车自适应大灯在夜间多类型光源路况中控制的实时性和准确性。以车载摄像头对前方移动光源位置坐标的捕捉为基础,提出了在自回归模型嵌入自适应修正卡尔曼滤波(KF)算法的预测方法。自回归模型对夜间移动光源的运动轨迹可进行多个时间步长的实时预测,自适应修正KF算法根据车辆当前行驶环境特征,对自回归模型中的移动光源历史轨迹数据存在的偏差进行实时判别修正,以保证模型预测的准确性。仿真结果表明:所提预测算法具有极高的准确性和实时性,可有效提高自适应大灯系统的控制性能。

基于相位差变化率的单站无源跟踪算法研究

利用机载观测站与辐射源之间的相对运动信息,在方位角测量的基础上增加相位差变化率的测量,可以对固定目标实现即时定位,为了提高精度,需要利用滤波算法进行跟踪滤波。在机载单站无源定位原理研究的基础上,通过计算机仿真分析了该定位方法下KF、EKF和MVEKF多种滤波算法的性能,对工程应用具有一定的参考意义。

密集杂波环境下多目标跟踪算法

在密集回波环境下对多目标进行航迹起始和跟踪是一个很难解决的问题,对此提出一种基于m-best 2-D分配算法和广义似然比判决的多目标跟踪算法。数值仿真实验表明提出的多目标跟踪算法能够有效解决“量测-目标”数据关联问题,并且能在较短时间内发现假航迹,确认真航迹,大大减轻对系统的存储量、计算量的要求。

9轴MEMS-IMU实时姿态估算算法

随着对微机电系统一惯性测量单元(micro-electro-mechanical system-inertial measurement unit,MEMS-IMU)在室内定位、动态追踪等应用领域中的需求日益迫切,使得具有高精度、低成本和实时性的MEMS-IMU模块设计成为研究热点.针对MEMS-IMU的核心技术——姿态估算进行研究,设计了一种基于四元数的9轴MEMS-IMU实时姿态估算算法.该算法运用分解四元数算法处理加速度和磁感应强度数据,计算出静态四元数;通过角速度与四元数的微分关系估算动态四元数;运用卡尔曼滤波融合动、静态四元数,进而实现实时姿态估算.针对分解四元数算法中存在的奇异值问题,提出了转轴补偿方法对其修正,以实现全姿态估算;考虑动态情况下的非线性加速度分量对姿态估算精度的影响,设计了R自适应卡尔曼滤波器,以进一步提高姿态估算算法的精度.验证结果表明,R自适应卡尔曼滤波器能够有效抑制加速度噪声,提高姿态估算精度;同时,转轴补偿-分解四元数算法能够准确估算奇异值点的姿态信息,并且计算时间仅为原"借角"补偿方法的50%左右,有效提高了整体算法的实时性.

卡尔曼滤波与粒子滤波之间跟踪模式的优化

鉴于卡尔曼滤波(Kalman Filter,KF)和粒子滤波(Particle Filter,PF)都是贝叶斯估计的一种,粒子滤波比卡尔曼滤波应用广泛,而卡尔曼滤波比粒子滤波使用简便,提出了一种算法在卡尔曼滤波和粒子滤波之间切换的跟踪模式。定义出算法性能评价参数,使参数可以在线反映算法的好坏;通过仿真使噪声不满足卡尔曼使用条件,确定切换是否可行,结合实际情况定义切换条件;应用至实际视频中。结果证明,卡尔曼滤波与粒子滤波间跟踪模式的优化是可行的。

基于遗传粒子滤波的多径信号估计算法

在全球导航卫星系统(Global navigation satellite system,GNSS)的多径信号估计过程中,针对粒子滤波(Particle Filter,PF)的退化和传统重采样的粒子衰落等问题,将遗传算法嵌入到粒子滤波的重采样过程中,通过模拟生物学中的进化现象,优化粒子滤波重采样方法,克服了粒子滤波的退化问题和重采样中粒子多样性衰落问题。与此同时,将信号幅度线性问题,采用卡尔曼滤波(Kalman Filter,KF)进行处理。仿真结果表明,上述算法可以有效的修复畸变伪码相关函数,提高多径信号估计精度。多径信号幅度估计均方差减小到0.0168;多径信号时延估计提高0.0367码片(约11米),验证了上述方法在还原真实信号,修复畸变码相关函数,抑制多径等方面的有效性。

一种辅以粒子群算法的卡尔曼并联电力有源滤波器

配电系统网络中非线性负载使用的增加,要求提高配电侧的电能质量。为此,提出了一种基于卡尔曼滤波器(KF)的比例积分(PI)电流控制策略,用于控制并联型有源电力滤波器(SAPF)。为了实现KF性能的准确性,采用粒子群优化(PSO)算法调整参数,KF快速且自适应地估算电源参考电流。为了验证控制器的性能,在电源不平衡且负载变化的条件下进行了测试。另外,本文在基于DSP28335的实验平台上做了实验,验证了该方法的优越性。

基于自适应卡尔曼滤波的叉车质心侧偏角估计

质心侧偏角是叉车动力学研究中的重要状态参数,工程上常采用卡尔曼滤波器估算获取该参数值。文章以CPD15型电动叉车为研究对象,考虑到叉车质心以及前、后轮侧偏刚度会随货物的质量和形状产生较大的变化,建立了带有模型误差的线性二自由度叉车模型,基于该模型设计了自适应卡尔曼滤波器估计叉车质心侧偏角,并采用遗传算法在线优化滤波器参数,有效地解决了当叉车模型参数发生变化时卡尔曼滤波器估计精度降低的问题。Matlab仿真结果表明,自适应卡尔曼滤波器不仅能滤除叉车运动中的随机不确定性噪声,还能有效抑制未知的模型误差给估计带来的不利影响,增强了滤波器的估计精度。

Real-time localization estimator of mobile node in wireless sensor networks based on extended Kalman filter

Localization of the sensor nodes is a key supporting technology in wireless sensor networks （WSNs）. In this paper, a real-time localization estimator of mobile node in WSNs based on extended Kalman filter （KF） is proposed. Mobile node movement model is analyzed and online sequential iterative method is used to compute location result. The detailed steps of mobile sensor node self-localization adopting extended Kalman filter （EKF） is designed. The simulation results show that the accuracy of the localization estimator scheme designed is better than those of maximum likelihood estimation （MLE） and traditional KF algorithm.

一种面向中低速磁浮列车的新型速度测量系统及其算法

针对磁浮列车计数轨枕法测速存在的低速测不准和高速脉冲漏检等不足,提出了一种基于加速度补偿的速度测量系统和方法,其利用改进的粒子群算法对模糊系统参数进行最优化搜索,并将模糊系统用于卡尔曼滤波器中测量噪声参数的自适应调节,通过构建模糊规则自适应调整测量噪声矩阵中加速度和速度测量噪声,实现对列车速度的最优估计。在某国产中低速磁浮列车上进行了该系统的试验,通过与高精度雷达测得的车辆实际速度对比,证明了本文算法的有效性和可靠性。