Kalman滤波用于酶反应动力学的研究

采用卡尔曼滤波研究酶反应动力学及分析，依据酶存在下过氧化氢放出氧的反应建立了扩展Ｋａｌｍａｎ滤波（ＥＫＦ）模型，用滤波处理确定了反应速率与起始速率浓度的关系，并估算出酶反应动力学参数Ｋｍ。采用滤波新方法测定分析物起始浓度。从而建立了一种新的研究酶反应的有效方法，使过氧化氢电极具有更好的可靠性和实用性。

基于联合观测与前馈补偿的四旋翼无人机自抗扰控制

为解决模型参数不确定与外界干扰影响下,四旋翼无人机飞控作业中姿态与轨迹跟踪精度下降,反应迟缓的问题,利用拓展Kalman滤波应对非线性系统问题出色的适应能力和噪声抑制能力,对四旋翼状态信息进行初步估算来抑制高频信号干扰,从而降低了扩张状态观测器的估计负担.同时,与扩张状态观测器联合估计由系统不确定性参数与外界扰动联合组成的“总扰动”,使系统对于精确模型的依赖性降低,并利用扰动估计的微分值进行前馈补偿,以提高对突变扰动的跟踪精度,克服了突变干扰下的相位滞后现象.综合联合观测器、带前馈补偿的LESO及带误差补偿的PD控制律,形成了一种利用拓展Kalman滤波与前馈补偿后的扩张状态观测器联合观测扰动,能较大程度抑制高频噪声和突变扰动的改进型自抗扰控制器.仿真与实验结果表明,联合观测器能有效地减小观测误差幅值且能超前校正观测相位滞后,从而更好地得到更精确的状态信息,改进型自抗扰控制器能更好地满足四旋翼飞行器快速反应、高效稳定的控制要求,精准高效地完成复杂轨迹跟踪.

多模型UKF方法及其在故障诊断中的应用

当系统的非线性行为较强时,扩展卡尔曼滤波器对系统状态变量估计的性能将大幅下降;针对传统的扩展多模型自适应估计方法 (EMMAE)的不足,文章提出了一种新的基于无迹卡尔曼滤波(UKF)和多模型自适应估计相结合的故障诊断方法;首先利用UKF能更好的逼近状态方程的非线性特性,然后利用改善后的残差质量提高故障隔离的效果;仿真结果表明,传统的故障诊断方法相比,该方法能快速准确地辨识出系统故障。

GPS在动态监测大坝施工吊车运行防撞中的应用

以单频GPSOEM版在大坝施工巨型吊车防撞系统中的应用为研究对象,结合实际项目进行了GPS高速率载波相位平滑伪距的算法研究、软件实现和具体应用试验,结果表明该系统可以较好的解决该工程中大型移动吊车机械设备的实时动态安全监测问题。

驾驶疲劳的眼睛状态检测算法

驾驶员疲劳状态的监控中,眼睛的状态检测是关键环节。在对眼睛进行定位的同时计算眼睛的状态,并采用kalman滤波方法对人眼进行预测和跟踪。实验证明该算法能有效和准确地检测到眼睛的位置和状态,同时算法需要的处理时间较少,可满足实时性的要求。

基于扩展卡尔曼滤波的PEMFC状态及参数估计研究

以燃料电池为动力的新型能源动力巡飞弹,相较于锂电池巡飞弹,具有更高的能量密度和较低的热红外特性,更适合长时间的侦查飞行任务。质子交换膜燃料电池(PEMFC)具有工作温度低、启动快、比功率高、结构简单、操作方便等优点,是目前最受关注的燃料电池解决方案。文中提出一种在PEMFC变工况下运行过程利用扩展卡尔曼滤波算法实时估计PEMFC状态及参数的方法。通过构建半机理半经验PEMFC动态模型,并基于此模型利用PEMFC系统既有传感器信号构建适用于PEMFC系统的扩展卡尔曼滤波算法,实现了PEMFC内部反应气体分压以及PEMFC欧姆内阻参数的实时估计,为PEMFC的运行状态监测和故障诊断提供依据。

激光陀螺捷联惯导系统多位置系统级标定方法

捷联惯导系统的精度受到自身各种误差因素的影响,需在使用之前进行精确地标定和补偿。为了更加有效地标定误差,设计了一种10位置系统级标定的方法。利用简化的误差模型和速度误差变化率方程,建立了所有误差参数与导航误差之间的线性关系。通过设计的10位置连续旋转方案对由各项误差参数引起的速度误差进行充分激励,利用所得数据进行卡尔曼滤波,计算出包括陀螺仪和加速度计的零偏、标度因数误差、安装误差以及加速度计二次项误差等24个误差参数。仿真得到陀螺零偏误差优于0.000 75(°)/h,加速度计零偏误差优于5μg,陀螺和加速度计的安装角误差优于1.5″,标度因数误差优于2 ppm(1 ppm=10-6)系统,加速度计二次项误差优于0.15×10-6 s2/m。另通过3组实验验证了重复性,证明了该方法确实有效。

无人机编队飞行导航方法及其仿真研究

研究无人机导航优化编队问题,编队各成员的高精度定位是无人机协同编队飞行的关键技术和难点。为了提高编队定位的精度,提出了一种长机组合导航和长/僚机相对测量的编队成员导航定位方法,在编队导航系统模型的基础上,采用卡尔曼滤波原理估计出各成员的惯导误差,经校正后得到精确的导航信息,并进行仿真。仿真结果表明,改进的方法对所设计的长机与僚机的导航定位是完全可行的,编队各成员均获得较高的测地导航精度。

非线性无序测量无迹滤波在地面跟踪目标指示器的应用

对于多传感器融合系统,在处理中心往往由于通信数据链的失误,出现滞后数据(即无序量测),这对数据不利于融合的正常进行。本文对此提出一种最优和次优的无序量测无迹卡尔曼(UKF)滤波器,基于UT变换,把多步滞后量测转化为等价一步滞后量测,用无序量测直接滤波更新。通过最优、次优UKF滤波器和扩展KF滤波器在不同情况下对地面跟踪目标指示器(GMTI)组合跟踪的无序量测处理作比较,可看出本文所述滤波器提高了非线性条件下的无序量测滤波精度。

平滑约束无迹卡尔曼滤波器

针对非线性动态系统估计的不确定性及量测非线性问题,通过将观测软约束信息作为先验知识有效融入无迹卡尔曼滤波算法,本文提出了平滑约束无迹卡尔曼滤波器。为了解决约束问题,该算法通过数值优化法近似修正先验概率统计。遍历全局最优解,将采样的高斯西格玛点限制在可行域,从而,有效近似表征可行域的后验概率分布。最后,通过一维非平稳增长模型及纯方位机动目标跟踪两个仿真场景对滤波效果进行比较分析,结果表明,提出算法的估计性能在准确性和稳健性方面具有优越性。

基于扩展卡尔曼滤波的锂离子电池寿命预测方法

锂离子电池寿命预测是掌握电源性能衰退趋势的重要手段,已成为电子系统健康管理领域的研究热点;针对锂离子电池的寿命预测问题,基于NASA艾姆斯中心的锂离子电池地面试验采集的数据,将扩展卡尔曼滤波(EKF)算法应用于锂离子电池寿命预测过程中,并针对预测过程中存在的问题,采用最优Loess平滑原理进行改进,从而提高了预测的稳定性和精确性;实验结果表明,提出的预测方法能够有效地用于锂离子电池寿命预测中,在工程应用方面具有较高的实用价值。

组合导航信息融合技术研究

分析了联合卡尔曼滤波算法中参考系统、主滤波器以及局部滤波器的特点,给出了组合导航系统的联合滤波算法的具体描述,提出了一种基于广义特征值分解的自适应信息分配策略,该分配策略可以保证联合滤波器整体的性能能够随时接近其中性能最优的局部系统.结果表明,采用组合导航信息融合技术在工程实践上确实可以解决根据组合导航局部滤波器性能随时调整信息分配策略的问题.