自适应EKF与相位补偿算法在微惯性元件升沉测量中的应用

陀螺的长时间漂移和滤波算法带来的响应延时严重制约了升沉测量的精确性和实时性。针对上述问题,提出了一种长航时高精度无延时升沉算法。该算法结合加速度与量测残差,以加速度信息为参考量,对陀螺仪零偏进行补偿,确保了姿态基准的高精度。在高精度姿态基准的基础上,通过加速度计信息的分解积分,结合数字滤波器和自适应相位补偿算法,实现了升沉数据的无延时输出。通过转台和海浪模拟器提供的静态/动态姿态及升沉基准,对所提算法进行评估。实验结果表明,所提算法的实时姿态精度优于0.02°,升沉精度优于5%,实现了高精度无延时的升沉测量。

基于AFEKF的锂离子电池SOC估算方法

针对利用扩展卡尔曼滤波算法估算锂电池荷电状态时,由于历史数据影响易产生累积误差的问题,提出了一种基于自适应渐消扩展卡尔曼的SOC估算方法。选用Thevenin等效模型并用递推最小二乘法进行电池参数辨识,通过将自适应渐消因子引入EKF算法中,抑制历史数据对当前状态估算的影响,完成锂电池SOC估算。结果表明:AFEKF算法在递推20次时可有效收敛,具有较好鲁棒性,估算SOC的平均误差为1.03%,误差均方根为1.21%,平均运行时间为1.476 s,可以较好地模拟电池的动静态特性。

基于CEP的重力自适应并行EKF匹配算法

针对现有惯性/重力/重力梯度组合导航EKF匹配算法滤波状态方程存在模型误差以及惯性导航系统定位存在累积误差而造成的滤波失准乃至发散问题,提出一种基于CEP(Circular Error Probable,圆概率误差)的自适应并行EKF匹配算法.该算法首先通过自适应因子调节状态预测信息的权重,削弱预设动力学模型不准确产生的误差;同时利用惯性导航系统圆概率误差半径构建基于CEP的移动窗口分层模型,然后根据滤波量测值与窗口坡度等信息,对移动窗口范围进行约束;最后组建分层窗口并行滤波器,得到最优匹配结果.南海海域实验结果表明,基于CEP的自适应并行EKF匹配算法相较于传统EKF算法和自适应EKF算法的水下重力匹配导航定位精度分别提升了74.0%和49.8%.该算法能够在一定程度上克服惯性导航系统由于时间推移误差积累的缺陷,提高系统导航定位精度,增加匹配算法的鲁棒性.

基于组合EKF的自主水下航行器SLAM

针对标准扩展卡尔曼滤波(EKF)在噪声统计特性不准确、系统模型与实际模型无法完全匹配情况下滤波精度严重下降的问题,提出了一种基于Sage-Husa自适应EKF和强跟踪EKF组合的SLAM(同步定位与地图构建)算法.首先建立了AUV(自主水下航行器)的动力学模型、特征模型以及传感器的测量模型,然后通过Hough变换进行特征提取,最终采用组合EKF实现了自主水下航行器的同步定位与地图构建.海试数据仿真试验表明本文所提方法降低了噪声统计特性时变以及模型不精确对系统的影响,提高了SLAM系统的精确性和鲁棒性.

抗差自适应EKF在INS/GNSS紧组合中的应用

针对惯性/卫星紧组合导航中卫星观测数据存在粗差,影响组合导航系统定位精度,同时考虑到卫星少于4颗和卫星几何分布不佳对预测残差构造自适应因子的影响,提出了一种抗差自适应EKF紧组合算法。该算法给出惯性/卫星紧组合状态方程与观测方程,抗差等价权因子和预测残差法构造自适应因子的计算公式,并给出卫星少于4颗和卫星几何状态分布不佳情况下自适应因子的计算方法。通过车载实测数据对算法进行验证与分析,实验结果表明,基于抗差自适应EKF的惯性/卫星紧组合算法可有效削弱卫星粗差观测值的影响,在可见卫星数少于4颗和卫星几何分布不佳的状态下,依据该算法获取的系统导航精度得到进一步提高。

基于渐消自适应EKF的感应电机转速观测器

提出一种基于指数渐消因子的自适应EKF算法的感应电机转速观测器。根据感应电机的电流跟踪误差自适应调整指数渐消因子,从而减小感应电机模型误差和外界干扰的影响,使转速观测更精确、快速。基于指数渐消因子的自适应EKF算法建立了感应电机无速度传感器矢量控制系统的Matlab仿真模型。仿真结果表明,该转速观测器能有效的观测转速,同时具有良好的动、静态性能。相比传统的EKF转速观测器,具有更好的抗干扰性和收敛特性。

基于EKF永磁同步电机FMRAC方法的仿真研究

结合传统模型参考自适应方法控制性能优越的特性和模糊控制不依赖对象精确数学模型的优势,将模糊控制器植入模型参考自适应控制系统构架中。主模糊控制器用于取代传统模型参考自适应控制中的反馈控制器,模糊逆模型结合自适应调整算法取代复杂的常规自适应规则,利用模糊控制良好的非线性学习特性,构建模糊自适应控制机构。以永磁同步电机为例,在MATLAB/Simulink环境下建立双闭环控制系统,基于扩展卡尔曼滤波设计速度观测器,基于模糊模型参考自适应方法设计速度控制器,仿真结果表明:控制系统运行平稳,速度跟踪快速准确,具有良好的动、静态特性。

基于加权自适应递推最小二乘法与EKF的锂离子电池SOC估计

为了实现锂离子电池荷电状态(SOC)的精确估计,建立锂离子电池的二阶等效模型,提出基于加权自适应递推最小二乘法与扩展卡尔曼滤波(ARWEKF)的锂离子电池SOC估计方法。通过静态和动态工况下的仿真和试验进行验证,结果表明:ARWEKF算法的估计精度高于扩展卡尔曼滤波(EKF)算法和基于遗忘因子的递推最小二乘法(FFRLS),其模拟仿真的最大绝对误差为1.36%,均方根误差为0.42%,静态工况试验下的AE为0.67%,RMSE为0.21%,动态工况试验下的AE为1.86%,RMSE为0.56%。

基于自适应EKF的PMSM无速度传感器控制

永磁同步电机无速度传感器控制中,鉴于固定的噪声协方差阵不能同时满足动态和稳态的要求,通过引入一种变参数的自适应扩展卡尔曼滤波器(EKF),给出了一种永磁同步电机(PMSM)无速度传感器控制方案。以角加速度的值为选取依据,判断电机的运动状态,针对稳态过程和动态过程分别选定两组参数,以保证滤波器的快速性和稳定性,进而实现EKF的自适应控制。仿真结果表明,与传统的EKF相比,本方法更具有实用性。

基于UD分解自适应EKF的锂电池SOC估算

电池荷电状态(SOC)是电池重要的性能指标之一,为电池管理系统实现管理控制提供了重要依据。针对卡尔曼滤波算法不能预估和修正噪声的问题,引入改进的Sage-Husa噪声估计器,构成自适应扩展卡尔曼滤波算法(AEKF)估算动力锂电池SOC。同时针对计算机在进行浮点运算时存在单位舍入误差问题,采用UD分解算法,保证任意时刻状态估计协方差矩阵的对称正定性,限制由于计算误差引起的滤波发散,提高算法的精度和稳定性。通过MATLAB仿真对本文算法进行了验证,并与标准EKF算法进行比较,结果表明该算法具有较高的估算精度和稳定性,可以满足应用要求。

改进强跟踪EKF算法在MEMS姿态解算中的研究

本文针对四旋翼姿态解算,提出了一种噪声自适应强跟踪扩展卡尔曼滤波算法(ASTEKF)。当机体从平稳状态向机动状态过渡时,由于量测噪声影响会导致算法估计不准确,因此本文首先证明不同时刻新息序列方差满足正交性原理,正交性原理表明,量测噪声对观测值的准确性影响很大;其次,引入Sage-Husa噪声自适应估计器较准确估计系统量测噪声均值和方差,使观测值更准确;最后,通过满足正交性原理条件公式计算次优渐消因子,将次优渐消因子引入协方差一步预测运算式中,得到强跟踪滤波器。次优渐消因子的引入使得一步预测协方差矩阵增大,即增大强跟踪扩展卡尔曼滤波器增益,使系统增加对观测值权重,得到更准确的状态估计值。离线仿真实验和在线实物实验结果表明了所设计算法的有效性。

基于分数阶锂电池模型的FOMIAEKF算法SOC估计

以分数阶微分理论为依据,建立分数阶二阶RC等效电路模型,采用自适应遗传算法(AGA)结合脉冲放电实验对模型的参数进行辨识,并对整数阶模型和分数阶模型的精度进行对比。针对分数阶模型的特点以及扩展卡尔曼滤波器(EKF)算法的不足,提出了基于分数阶模型的多新息自适应EKF算法,通过与健康状态(SOH)联合估计来实时修正荷电状态(SOC)模型参数。结果表明,搭建的分数阶模型可以更好地描述锂电池的特性,分数阶多新息自适应扩展卡尔曼滤波器(FOMIAEKF)算法和联合估计方法可以有效提高估算的精度和跟踪的速度。

基于AEKF的高速自旋飞行体组合导航方法

针对高速自旋飞行体运行过程中噪声特性无法准确获取的问题,提出了基于改进自适应扩展卡尔曼滤波(adaptive extended Kalman filter,AEKF)算法对量测噪声进行自适应调节,并在扩展卡尔曼滤波(extended Kalman filter,EKF)的基础上提出了一种基于对状态变量新的建模方式的EKF算法,提高算法的实时性。采用北斗/捷联惯性导航系统(strapdown inertial navigation system,SINS)组合导航方案,在EKF的基础上,引入带遗忘因子的噪声估计器,通过AEKF对组合导航数据进行融合,对量测噪声进行估计。仿真结果表明,所提出的组合导航方法对高速自旋飞行体的姿态和位置定位误差较小,与无改进的AEKF相比,具有更好的收敛性。

基于自适应均方根EKF的惯性辅助航天器仅测角导航方法

针对微小卫星等航天器对空间非合作目标交会操作中的自主相对导航问题,提出了一种基于自适应均方根EKF的惯性辅助航天器仅测角导航方法。首先,推导了一种基于Clohessy-Wiltshire(CW)方程的仅测角导航模型。然后,基于误差状态推导了一种仅测角/惯性组合相对导航模型。接着,基于Cholesky分解得到组合导航系统的状态协方差矩阵,并引入“新息”协方差匹配方法对测量噪声进行在线自适应调整,构建了一种自适应均方根EKF对该组合导航系统状态进行动态滤波估计,并采用Fisher信息矩阵对该组合导航系统的可观性进行评估。最后,在搭建的半物理仿真平台上进行了仿真验证,得出终端时刻采用自适应均方根EKF比EKF的迹向滤波精度平均提高了35%,径向和法向滤波精度平均提高了25%。

基于共轭梯度的EKF姿态估计算法

针对在低成本捷联惯性测量器件中,扩展卡尔曼姿态估计算法存在的精度低、抗干扰性弱等问题,提出一种基于共轭梯度的EKF姿态估计算法。以姿态四元数为状态量,在观测模型中将基于共轭梯度算法估计出来的姿态四元数作为观测量;将非重力运动加速度引入噪声协方差矩阵,实现噪声的自适应动态估计;采用倾角补偿的方法计算偏航角,提高飞行器姿态估计的精度和抗干扰能力。为验证所设计姿态估计算法的有效性,搭建基于ARM Cortex M4的四旋翼飞控系统,实验结果表明,该算法提高了姿态估计的精度以及四旋翼飞行器在非重力运动加速度和磁干扰下的抗干扰能力。

基于自适应EKF滤波算法的汽包水位估计方法

锅炉是火力发电机组的核心设备,汽包水位是亚临界锅炉安全运行的关键参数之一。汽包水位的测量往往存在着虚假水位、传感器误差、系统微观模型建立不准等因素的影响,极易测量不准确。针对目前存在的问题,提出了一种基于自适应扩卡尔曼滤波的汽包水位估计方法。通过把系统线性化过程中所省略的那些高阶项部分全部归并到状态噪声中,该方法能够有效消除观测量中可能存在的野值和系统时变噪声所引起的传统卡尔曼滤波发散及精度不高的问题,具有显著的容错能力和鲁棒性,且能够实时跟踪锅炉汽包水位的变化,在易受扰动过程控制系统中发挥重要作用。

基于EKF和自适应抗差滤波的星载GPS定轨方法

针对在星载GPS卫星定轨中由于卫星动力学模型误差和不可避免的观测异常严重影响定轨精度的问题,通过采用适当的自适应控制因子和应用抗差估计原理,构造自适应抗差扩展卡尔曼滤波(RAEKF)来实现星载GPS卫星定轨。实测计算表明,自适应抗差扩展卡尔曼滤波对观测误差和状态扰动有一定的抵制能力,与一般扩展卡尔曼滤波相比提高了精度,证明其理论的可行性。

基于测量噪声方差自适应的EKF无传感器控制

提出一种测量噪声方差自适应的扩展卡尔曼滤波(EKF)算法。该算法分别对当前时刻和前一时刻的观测值施加两次EKF算法,将速度与位置观测值的误差百分比的加权和作为测量噪声方差的加权系数,实现测量噪声方差的自适应调整,提高转速和位置的观测精度和控制性能。通过实验平台验证了该算法的可行性。

基于自适应EKF的永磁同步电机无传感控制

传统扩展卡尔曼滤波(EKF)算法会受到永磁同步电机在实际运行中电机参数变化的影响,在速度的估算过程中会产生较大抖动,造成位置估算结果偏差。通过引入类Sigmoid函数来构建自适应EKF算法,用类Sigmoid函数取代传统EKF算法中关键的固定参数,实现参数的动态调整,抑制电机参数变化带来的扰动,降低超调量。建立仿真模型进行仿真验证,结果表明,自适应EKF算法相比于传统最优参数EKF算法,动态响应速度更快,抗干扰能力和鲁棒性更强,转速误差缩小了约60%,转子位置估算误差缩小了约9%。

基于自适应EKF的平台漂移误差模型参数仿真研究

基于惯性平台漂移误差模型是一个复杂的非线性系统,文中引用自适应EKF算法对惯性平台漂移误差模型进行了分析研究,对模型中的某些重要误差参数进行了计算机仿真,并对仿真结果进行了分析。分析表明:该算法可以很好地实现对平台漂移误差模型参数的辨识。