修正增益卡尔曼滤波算法在被动测距问题中的应用

在采用被动导引头的导弹突防过程中,准确并及时地得到自身距离拦截器的距离信息,是制定导弹突防策略的关键。针对采用红外成像装置作为测量手段的飞行体,研究了利用红外成像装置观测空中运动目标所获得的目标视线角信息,采用修正增益卡尔曼滤波算法从目标视线角信息中提取出一定精度的飞行体至目标的距离信息的被动测距问题。文中给出了四种不同计算工况下的仿真结果曲线。仿真算例验证了被动测距方法的有效性,证明了载体进行机动有助于被动测距精度的提高。

基于改进自适应卡尔曼滤波算法的锂离子电池荷电状态估计

针对锂离子电池荷电状态(state of charge,SOC)估计过程中传统卡尔曼滤波算法噪声特性难以确定、收敛速度慢及精度差等一系列问题,提出了一种改进自适应卡尔曼滤波算法。首先,建立了电池等效电路模型,并在不同温度和SOC状态下,对模型参数进行了辨识和精度验证。然后,对传统自适应卡尔曼滤波算法系统过程噪声协方差矩阵计算方式进行了正定性优化。此外,在状态估计结果的修正过程中,引入了对模型等误差变化进行补偿的增益因子。最后,通过实验电池的仿真和测试验证了所提算法的有效性。结果表明,在不同温度和工况条件下,SOC的估计误差均在4%以内,改进自适应卡尔曼滤波算法的估计精度和收敛速度均优于改进前的算法和常用的扩展卡尔曼滤波(extendedkalmanfilter,EKF)算法,具有较强的实用性。

基于卡尔曼滤波修正算法的电池SOC估算

电池荷电状态(SOC)的估算是电池管理系统的核心内容,SOC估算准确与否,将直接影响到电池管理系统的决策和控制。在结合开路电压法、安时法的基础上,充分利用扩展卡尔曼滤波法的修正功能,综合考虑电池充放电倍率、温度和充放电循环次数等因素对SOC估算的影响,提出了卡尔曼滤波修正算法,并将其应用在插电式混合动力汽车电池管理系统中。研究结果表明,卡尔曼滤波修正算法有效地解决了传统安时法无法估计SOC初值和误差累积,以及开路电压法需要电池静置无法做到在线估算SOC等问题,获得了更高的估算精度,为电池管理系统提供一种实用的SOC估算方案。

大攻角下基于卡尔曼滤波的大气参数修正算法

针对新一代航空飞行器在大攻角飞行时大气数据系统测量精度严重下降问题,提出了基于卡尔曼滤波的大气参数修正算法。该算法利用大气数据测量信息和惯性导航信息,基于飞行器力学方程构建卡尔曼滤波器,通过卡尔曼滤波的方法实现对大气参数的修正。仿真结果表明,经卡尔曼滤波修正后的大气参数能够有效消除大攻角下原始大气参数的剧烈波动性误差,并与真实大气参数吻合较好,有效地提高了大气数据系统在大攻角飞行状态下的测量精度和可靠性。

基于修正的自适应平方根容积卡尔曼滤波算法

目标建模不确定性会造成滤波算法性能下降,通过构建强跟踪滤波器(strong tracking filter,STF)可以提升滤波算法的自适应性,但是构建STF时存在理论推导复杂、求解计算量大等局限和不足,针对上述问题,在平方根容积卡尔曼滤波(square-root cubature Kalman filter,SRCKF)的基础上,提出一种基于修正的自适应SRCKF算法。该算法通过设置判定门限和修正准则,直接对状态预测值或滤波增益进行修正以平衡先验的预测值和后验反馈的量测值在滤波中所占的比重,进而减小状态估计误差。仿真结果表明,所提算法具有在目标状态突变和量测非线性时的良好滤波性能和数值稳定性,同时相比较需要计算渐消因子的STF算法,该算法在计算量和收敛速度上具有优势。

基于测向交叉和卡尔曼滤波的多舰无源被动定位算法

在分布式多舰无源被动定位算法中 ,用修正增益推广卡尔曼滤波器对海上运动舰艇辐射源进行纯方位跟踪时 ,会出现滤波发散的情况。本文讨论了进行多舰纯方位定位跟踪融合的方法 ,提出一种通过测向交叉定位的结果来改进修正增益推广卡尔曼滤波器的方法 ,提高其稳定性 ,减少其滤波发散的可能 ,提高定位精度 。

极坐标下卡尔曼滤波算法的研究

针对在某些情况下直角坐标系中卡尔曼滤波算法运算量较大、模型建立比较困难等缺点 ,提出了极坐标下的卡尔曼滤波算法。该算法选用极坐标作为滤波坐标系 ,建立了目标运动模型和外推方程 ,给出了增益阵的一种新的计算方法。仿真结果表明 ,提出的滤波算法在数据率较高时 ,滤波精度略低于直角坐标下卡尔曼滤波算法 ,优于自适应 α- β滤波算法 ,但运算量明显低于直角坐标下卡尔曼滤波算法。

低复杂度自适应容积卡尔曼滤波算法

确定采样型滤波算法中的容积卡尔曼滤波(CKF)算法滤波性能优良,但是却难以克服目标模型不确定性或者目标状态突变带来的影响。构造强跟踪CKF能有效改善算法的自适应性,但是在求解渐消因子时大大增加了计算量。为此,提出一种低复杂度自适应CKF算法,通过设立基于新息的自适应修正判决准则和修正方式,直接对状态预测值进行修正,使滤波算法能及时跟上目标真实状态,以提高滤波精度。使用浮点操作数计算并分析了CKF算法、强跟踪CKF算法及所提算法的复杂度,同时将3种算法应用在建模不准确的目标跟踪中,并进行仿真验证。仿真结果表明:在目标建模不匹配的情况下,低复杂度自适应CKF算法和强跟踪CKF算法都能保持较好的滤波精度和数值稳定性,同时所提算法在算法复杂度上有明显改善。

基于Kriging模型和无迹卡尔曼滤波的转向架构架模型修正

为提高转向架构架模型的修正效率和实时性,提出了一种基于Kriging模型和无迹卡尔曼滤波的模型修正方法。首先,对构架进行模态分析,引入信息熵确定模态阶数来优选频响函数频率区间。其次,构造Kriging模型,将频响函数经过小波变换并提取第4层低频系数作为Kriging模型输出,并通过改进的灰狼算法(grey wolf optimizer,GWO)确定Kriging模型相关参数值。最后,以待修正参数作为状态向量,以Kriging模型预测的小波系数和真实响应的小波系数之差的平方和作为观测函数,通过无迹卡尔曼滤波算法求解待修正参数。结果表明,所提方法对构架模型参数修正有良好的精度、效率和鲁棒性,且在0.03 s内收敛到真实值。

压差式流量计误差自动化修正算法研究

针对在多干扰源扰动下压差式流量计测量结果面临输出不稳、误差较大的问题,提出多源扰动下的压差式流量计误差自动化修正算法。考虑全补偿气体可膨胀性系数、压缩系数、密度系数和流出系数等因素,研究压差式流量计误差自动化修正算法。利用均值滤波滤除信号中的高斯噪声,结合一阶滞后滤波优化卡尔曼滤波算法,修正多源扰动误差。引入自组织算法和Volterra神经网络进一步改进卡尔曼滤波算法,并优化卡尔曼滤波算法的先验模型参数,以实现多源扰动误差的自动化修正。试验结果表明,经该算法控制后:当参考流量为900 m^(3)/h时,示值误差绝对值为0.203%;当参考流量为700 m^(3)/h时,流量计重复性为0.06%。该研究可以有效识别并修正由于多源扰动造成的流量异常值,且流量测量精度较高。

改进型自适应推广卡尔曼滤波器的应用

针对在被动方式下进行水下目标跟踪容易导致滤波发散和收敛精度不高的问题 ,介绍了一种改进的自适应推广卡尔曼滤波算法。它能够在线估计虚拟观测噪声的统计特性 ,从而克服了观测模型线性化误差带来的不良影响。同时 ,通过引入修正增益函数 ,克服了由于观测噪声的统计特性不能精确已知而导致的滤波不稳定问题。仿真结果表明 ,不管是滤波精度还是收敛速度 ,都优于原来的自适应推广卡尔曼滤波算法。

一种改进的推广卡尔曼滤波收敛特性研究

提出了一种改进的推广卡尔曼滤波算法,这一算法不仅具有良好的数值稳定性,而且计算量较小,并进一步分析研究了这一算法的收敛特性,给出了指数收敛速度,分析结果表明改进的算法得到的滤波器增益和状态估计能很好地跟踪原算法得到的滤波器增益和状态估计。

ABS最佳滑移率控制算法的增益修正研究

针对汽车ABS最佳滑移率控制中的控制结果最优化问题,提出了在控制算法中添加增益环节以进行修正的新方法:通过在实际滑移率和轮缸压力控制输出环节中引入增益系数,并采用响应面方法拟合增益系数和制动距离之间的定量关系,从而求出增益系数的最佳值,使系统滑移率控制的迟滞现象得到有效缓解。在MATLAB/Simulink环境下建立了相应的仿真模型,并以富康988EXC1型轿车为例,验证了所提方法的有效性。

变增益联邦KF组合导航定位算法研究

GPS接收模块解算出的伪距误差是GPS/INS组合导航系统的主要误差,采用一种二级联邦卡尔曼滤波组合导航算法加以削弱,将卫星接收模块解算出的伪距信息和多普勒频移信息在第一级卡尔曼滤波后,再通过主滤波器与INS模块解算出的信息进行修正处理,得到校正量和定位位置最优估计。随着滤波步数增加,系统预测误差方差阵逐渐趋于零,状态估计会过分依赖旧量测值,从而导致滤波发散,影响系统定位精度。为有效提高新量测值的修正作用,在联邦卡尔曼滤波组合导航算法中引入一种可变加权系数。仿真结果表明,改进后的变增益联邦卡尔曼滤波算法具备联邦卡尔曼滤波的优点,并且该算法滤波效果有较明显的改善,能有效抑制滤波发散,提高系统的定位精度。

基于修正参数简化标准的ID3改进算法

ID3算法是数据挖掘分类中的一种重要算法,它是以信息增益作为属性选择的标准。针对ID3算法存在的一些不足,提出一种基于修正参数简化标准的ID3改进算法:1)在信息熵中引入修正参数;2)对引入修正参系数后的信息熵进行简化。实验数据结果表明,改进后的算法能得到更合理、更有效的规则,不仅在一定程度上克服了取值偏向问题,同时减少计算量。

滤波增益优化的分布式多传感器跟踪技术

分析比较了集中式与分布式多传感器融合跟踪系统的跟踪精度。在此基础上 ,对分布式融合跟踪系统进行优化 ,在保留系统原有优点的同时 。

一种自适应粒子滤波的零速修正方法

针对卡尔曼滤波方法处理非线性非高斯模型滤波精度低,以及标准粒子滤波中粒子退化严重的问题,提出一种自适应粒子滤波的零速修正方法。将自适应阈值与粒子滤波结合,从而提高重采样的效率;重采样过程中引入退化系数判断粒子退化程度,对粒子进行二次采样,保证了粒子的多样性。为了验证所提算法的有效性和可行性,搭建了以惯性测量单元IMU(inertial measurement unit)为核心的硬件平台,利用IMU采集的数据建立系统的状态空间模型,并进行实验。结果表明,与卡尔曼滤波方法和经典粒子滤波方法相比,自适应粒子滤波方法在零速区间的定位精度分别提高了40.6%和19.4%。自适应粒子滤波APF(adaptive particle filter)能更好地修正导航误差,提高行人轨迹精度。

基于驱动谱迭代修正算法的三轴随机振动控制研究

经典的矩阵微分多输入多输出随机振动控制算法需要进行矩阵分解或矩阵微分等运算,计算复杂,不利于实时应用。针对一类低相干系数的多轴随机振动试验场景,利用牛顿法推导激励谱迭代方程,提出一种驱动谱迭代修正算法,简化了控制计算量,提高控制实时性。对算法收敛性和增益因子进行理论分析,并利用数值仿真在对算法进行验证。最后,利用三轴向振动台与集成该算法的多输入多输出振动控制器进行三轴向振动试验研究,结果表明:基于牛顿迭代法的驱动谱迭代修正算法在多输入多输出随机振动试验对功率谱控制试验中取得了良好的控制精度,满足工程应用需求。

存在非高斯重尾分布噪声的纯方位目标跟踪算法

纯方位目标跟踪是目标跟踪研究中的热点问题,针对目标跟踪方程中的非高斯重尾分布噪声问题,提出了一种针对非高斯重尾分布噪声的卡尔曼滤波算法。该方法通过建立基于存在异常值的高斯分布的层次高斯模型来近似未知的非高斯重尾分布系统过程噪声和测量噪声,并使用变分贝叶斯推断来学习混合概率,解决混合概率不确定带来的滤波性能下降的问题,从而提高滤波的鲁棒性。同时针对纯方位目标跟踪模型的非线性,结合修正增益卡尔曼滤波来降低量测方程非线性的影响。数值仿真结果表明,相对于EKF、UKF和变分贝叶斯卡尔曼滤波PEKF-VB、VBEKF,新算法VBMGEKF估计精度分别提高了69.31%、58.08%、127.84%和9.36%,具备更好的鲁棒性与精度。

基于零速修正的多源导航算法研究

论文针对行人行走过程中导航带来的误差,提出采用多传感器数据融合的零速修正算法。首先,将惯性测量模块安置于行人腿部,实时获取行人行进的加速度和角速度参数;然后,通过采用SVM零速检测分类方法,快速准确识别出运动阶段和静止阶段,在静止阶段速度和角速度都为零,同时利用磁强计确定方位,从而对行人的速度、角速度、方位等参数进行误差修正;最后,利用扩展卡尔曼滤波方法对行人行走误差进行滤波处理,进而对惯性导航解算的位置和方向信息进行实时补偿,实现对行人轨迹的跟踪。