二维分数阶卡尔曼滤波及其在图像处理中的应用

该文研究了二维分数阶卡尔曼滤波及其在图像增强与滤波中的应用问题。首先基于分数微积分的定义,建立了二维线性离散系统的分数阶差分状态空间模型。然后,提出了一种可应用于图像信息处理的二维分数阶卡尔曼滤波算法,并通过实验验证了该文提出算法的有效性。仿真结果证明,该算法增强了图像中的细节特征,同时消弱了图像中的背景噪声。

分数阶卡尔曼滤波在混沌保密通信中的应用

20世纪60年代以来分数阶微积分开始受到人们的广泛关注,并被成功应用于物理、化学、生物学等学科领域。基于G-L分数阶微积分,给出了扩展分数阶卡尔曼滤波(EFKF)的定义,并将其应用到分数阶保密通信系统中,同时为了加密并准确解密传输的信息,引入了分数阶混沌Chen系统。仿真结果表明,EFKF取得了非常好的滤波效果;有用信号通过基于分数阶Chen系统的保密通信系统,可以有效地在接收端恢复出来。

一种考虑非高斯Lévy量测噪声下的改进分数阶卡尔曼滤波

针对量测噪声模型为非高斯Lévy噪声,研究离散线性随机分数阶系统的卡尔曼滤波设计问题.通过剔除极大值的方法得到近似高斯白噪声的Lévy噪声,基于最小二乘原理,提出一种考虑非高斯Lévy量测噪声下的改进分数阶卡尔曼滤波算法.与传统的分数阶卡尔曼滤波相比,改进的分数阶卡尔曼滤波对非高斯Lévy噪声具有更好的滤波效果.最后,通过模拟仿真验证了所提出算法的正确性和有效性.

基于分数阶联合卡尔曼滤波的磷酸铁锂电池简化阻抗谱模型参数在线估计

电池特性建模及模型参数在线估计是电动汽车电池管理系统的关键技术,以磷酸铁锂电池这一非线性系统为研究对象,以包含分数阶元件的简化电池电化学阻抗谱模型为基础,建立了该模型的状态转移方程和系统观测方程,运用分数阶联合卡尔曼滤波器(FJKF)对该模型的扩散极化电压和模型参数进行了在线估计。试验结果表明,该模型能较好地表征磷酸铁锂电池的动态特性,分数阶联合卡尔曼滤波算法在参数估计过程中能够保持很好的精度,同时该方法对多种测试工况都有较好的适用性,算法估计得到的模型参数值具有较好的稳定性。

分数阶离散卡尔曼滤波

分数阶微积分在控制系统的应用日益广泛,随着分数阶动态模型的引入,需要求解分数阶估计问题的方法。文章从分数阶线性动态系统模型出发,以概率论为基础,导出分数阶的卡尔曼滤波器,得到其递推模型。

基于分数阶理论的车用锂离子电池建模及荷电状态估计

针对电动汽车动力锂离子电池的状态估计问题,提出一种基于分数阶等效电路建模方法,并采用分数阶卡尔曼滤波算法估计电池荷电状态(SOC)。首先建立基于二阶等效电路的分数阶电池模型,采用遗传算法辨识阶数,然后利用分数阶卡尔曼滤波算法估计电池SOC,并与扩展卡尔曼滤波算法进行比较。实验结果表明,在恒流放电下采用分数阶模型,其端电压最大绝对误差为0.014V,SOC最大估计误差不超过2%。本文提出的基于二阶等效电路的分数阶模型及分数阶卡尔曼滤波算法,不仅给出了一种准确、可靠的建模方法,而且为有效提高电池管理系统中SOC估计的准确性提供了途径。

基于分数阶阻抗模型的磷酸铁锂电池荷电状态估计

锂电池荷电状态(SOC)估计是电池管理系统中不可或缺的重要组成部分。锂电池传统整数阶等效电路模型未充分考虑其内部电化学反应现象,故将导致SOC估计结果偏离真实状态。文中以磷酸铁锂电池单体为研究对象,提出一种基于分数阶阻抗模型的锂电池SOC估计方法。该方法利用分数阶元件表征锂电池内部固液界面的输运现象和极化效应,基于分数阶微分理论建立状态转移方程和系统量测方程,并针对锂电池高度非线性的工作特性,利用无迹变换逼近原始状态分布,运用分数阶无迹卡尔曼滤波算法估计锂电池SOC。实验结果表明,分数阶阻抗模型能准确描述锂电池工作特性,所提算法在估计精度和跟踪速度上有一定提高。

锂电池分段分数阶建模与荷电状态估计

为提高等效电路模型准确性,考虑等效电容分数阶本质和锂电池充放电不同阶段的不同变化特性,采用分数阶微积分理论建立了基于二阶RC模型的电池分段分数阶等效电路模型。用粒子群算法分段辨识分数阶阶数,通过混合脉冲功率特性(HPPC)实验辨识模型参数,使模型更符合电池实际工作状态。实验结果显示,新模型能够更准确地模拟电池充放电特性变化。构造分数阶卡尔曼滤波算法(FOKF)来估计电池荷电状态(SOC),分别与扩展卡尔曼滤波(EKF)算法、实验参考值进行比较。结果显示,所提算法的估计精度更高,均方根误差为0.95%,比EKF算法减少了45.4%。

锂电池分数阶建模与荷电状态估计研究

基于分数阶微积分理论及实际电容在本质上是分数阶的事实,整数阶建模会导致算法不精确。因此,针对这一问题,建立锂电池分数阶PNGV等效电路模型并进行理论分析,通过混合脉冲功率特性实验(HPPC)对模型参数进行辨识。针对所建的模型,建立离散状态方程和测量方程,运用分数阶卡尔曼滤波算法(FOKF)预测电池荷电状态(SOC),并将所得的结果与无迹卡尔曼滤波算法(UKF)、实验参考值进行比较。结果表明,建立的分数阶模型更能真实地模拟电池的极化效应和充放电特性,所构造的FOKF算法在估算精度和跟踪速度上也有一定的提高。

超高层建筑动态变形分数阶Kalman滤波提取模型

全球卫星导航系统(GNSS)具有无须通视,能够直接测量点的三维坐标等优点,已广泛应用于超高层建筑结构动态变形监测之中。利用GNSS对建筑物进行监测时,监测数据中会包含大量噪声,为了更加准确地提取变形信息的特征,本文利用分数阶卡尔曼滤波对数据进行处理。通过分析仿真实验数据和实际案例数据,利用相关系数、均方根误差等评价参数并与卡尔曼滤波结果进行比较,验证方法的可行性。结果表明,分数阶卡尔曼滤波相较于卡尔曼滤波模型,能够有效地提取超高层建筑变形信息。

梯次锂电池及其BMS的应用研究

以退役的动力锂电池梯次应用性能为研究基础,运用分数阶卡尔曼滤波算法和粒子滤波算法公式推演验证,采用离线辨识法构建锂电池健康寿命模型,从而准确、快速地判别出锂电池的健康状态。用于梯次应用锂电池项目的电池管理系统,除常规的自动充放电控制,以及电流、电压和温度告警保护等功能外,分别从研究内容、试验方法和试验结果 3个方面,重点对健康状态、有源均衡和荷电状态等功能进行了研究。

基于单固定摄像头的多目标跟踪框架

针对单固定摄像头的视频监控系统对合并遮挡目标跟踪效果不好导致跟踪失败的问题,提出了一个稀疏多目标跟踪框架。该框架对系统的目标的合并遮挡和跟踪滤波这两个部分作了改进。系统由运动目标检测、关联矩阵建立、目标交互处理和滤波四部分组成。首先提取前景区域并建立关联矩阵;然后用关联矩阵判断各目标运动状态并进行相应处理,当目标发生交互时,用TLD算法跟踪,为了提高TLD的跟踪效率和减少TLD的初始化异常情况,用双三次插值对目标和跟踪窗口进行同比例缩放;最后用分数阶卡尔曼滤波对跟踪结果进行滤波。实验结果证明,该框架能有效提高单固定摄像头对目标交互遮挡情况的处理能力。