模糊卡尔曼滤波在快速路行程时间估计中的应用

首先定义了新息的概念,通过在线监测新息的变化,将新息的均值和方差作为模糊控制器的输入,利用模糊逻辑对系统状态噪声和测量噪声的权重进行实时调整,建立了基于模糊逻辑的自适应卡尔曼滤波方法。克服了传统滤波器不能对环境变化进行实时跟踪的缺点,适应了交通状态的动态变化。通过用两种方法对广州市快速路段实测数据进行的对比分析发现,该方法与标准卡尔曼滤波相比具有良好的跟踪能力,在自由流状态和稳定流状态下,预测值与实测变化趋势一致,误差较小,拥挤状态相对误差基本维持在10%以下。

改进型卡尔曼滤波器应用于主蒸汽温度控制的研究

基于锅炉热力过程建立了主汽温和燃料量的计算数学模型,采用改进型卡尔曼滤波器和经典的比例积分环节相结合的动态控制回路,并且以燃料量为输入,主蒸汽温度作为被控对象,并且将该控制系统分别应用到600MW超临界直流锅炉冷态启动过程和自然循环锅炉的变工况过程进行模拟仿真,结果表明:预测控制值和燃料的相应补偿量都达到了满意的测量和调节效果。

一种转换多普勒量测的卡尔曼滤波方法

在分布式多传感器多目标跟踪系统中,一般只利用传感器的距离及多普勒观测信息来建立滤波模型。此种滤波模型的建立往往依赖于匀加速经验模型,但是在使用单一雷达传感器建立目标跟踪的局部航迹信息时这种匀加速模型就极为粗糙,精确度会和理想中差距较大。所以论文提出了一种转换多普勒量测卡尔曼滤波方法。该方法的主要思想是利用单雷达的测量信息建立传感器对目标的伪状态向量进行滤波和估计从而建立目标的局部航迹,利用多传感器建立的局部航迹进行关联处理并剔除干扰杂波从而可以得到较为精确的目标航迹信息。这种方法在状态向量滤波过程中可以代替传统的由径向距离、多普勒和多普勒各阶微分方程组成的匀加速运动模型从而解决这一模型较为粗糙的问题。