带卡尔曼估计器的无拖曳卫星干扰补偿控制

为使外界干扰对无拖曳卫星的影响降低,设计了基于卡尔曼滤波的干扰估计器,对实际存在的干扰进行前馈补偿,并基于二次型最优指标设计了最优控制器.首先建立了无拖曳系统位移模式下卫星与质量块的相对轨道动力学模型,然后给出了无拖曳卫星状态估计的过程,并根据估计得出的状态设计了最优控制器,最后在卡尔曼滤波的基础上,根据得到的估计干扰对实际干扰进行补偿,组成带有前馈回路的控制系统,利用MATLAB/Simulink软件进行仿真.仿真结果表明,带有干扰补偿的最优控制器能对外界干扰进行有效地抑制,从而满足了无拖曳卫星的控制精度要求.

基于卡尔曼估计融合算法的油水两相流测量

针对采用单一传感器无法对油水两相流流量准确测量的问题,将电导环阵列和内锥式差压2种传感器相结合,采用卡尔曼集中式融合估计方法与并行式融合估计方法分别实现油水总流量的测量.前者是根据局部各个传感器的测量值来重构全局的油水两相流总流量,后者是根据局部各个传感器测量值的估计值来重构全局的油水两相流总流量.实验测试结果表明,这2种方法均可以实现油水总流量的较准确测量,且并行式融合结果优于集中式融合结果.

平面关节型机器人关节力矩的卡尔曼估计

为了解决常用测电流获取机器人关节力矩方法中,各种噪声干扰使所得关节力矩波动较大,影响机器人控制信息可靠性的问题,提出基于机器人动力学模型的卡尔曼滤波方法对关节力矩进行估计.运用牛顿欧拉方法对平面关节型机器人(SCARA)进行动力学建模,获得非线性连续的机器人关节力矩方程.通过多元函数一阶泰勒展开将非线性连续的关节力矩方程转换为关于关节力矩的线性离散状态空间模型.利用卡尔曼滤波方法对关节力矩进行估计.实验结果表明,该关节力矩估计方法对机器人前两轴的关节力矩估计精度较好,与均值滤波方法相比均方根误差分别减少了2.9%和14.7%;且实时性较好,完成一次估计平均需时不超过1ms.但关节力矩值的估计精度受动力学模型精度的影响.

基于微分算子变换的广义卡尔曼估计方法

本文发展了一类新的动力系统参数识别方法。通过引入微分算子变换，使系统状态变量与系统参数成功地分离开来。然后，以算子变换方程作为观测方程，并引入关于系统参数的状态方程；利用广义卡尔曼滤波方法进行参数递推估计。系统仿真算例表明：本文建议的新方法，不仅可以适用于较高噪声环境情形，而且可以同时适用于线性参数系统与非线性参数系统。

基于卡尔曼估计和最优控制的汽车悬架控制研究

本文采用了卡尔曼估计和线性二次型最优控制相结合的控制方法,对七自由度整车悬架系统进行主动控制,通过对各种路面进行仿真,仿真结果显示采用此控制方法汽车悬架进行主动控制,可显著提高汽车的行驶平顺性.

基于采煤机摇臂销轴载荷数据卡尔曼最优估计的煤岩识别方法

采煤机的煤岩识别技术是实现智能控制的基础,现有煤岩识别方法对现场环境及检测设备要求较高,实际综采工作面难以满足所需的必要条件。针对上述问题,提出了一种基于采煤机摇臂销轴载荷数据卡尔曼最优估计的煤岩识别方法,在不增加外部附属仪器设备的基础上,采用摇臂销轴传感器替换现有销轴感知煤岩载荷,可较好地适应环境。通过测定位于摇臂与连接架连接处摇臂销轴传感器的应变数据,采用卡尔曼最优估计算法对载荷数据进行降噪处理,使采煤机在截割煤岩等不同工况下的载荷区间相互分开,通过判断实时载荷处于的区间实现煤岩识别。构建随机载荷信号,利用卡尔曼最优估计算法、最小均方(LMS)自适应估计算法、变步长LMS自适应估计算法对相同信号进行降噪处理,结果验证了卡尔曼最优估计算法对载荷信号降噪处理的可行性与优越性。在某综采实验平台上进行煤岩识别验证,以空载、截割煤壁、截割岩石3个阶段对煤壁侧上端摇臂销轴沿采煤机牵引方向的载荷进行分析,结果表明:载荷数据未经卡尔曼最优估计算法处理之前,截割煤壁与截割岩石状态下的载荷区间存在重合部分,无法准确完成煤岩识别;载荷数据经过卡尔曼最优估计算法处理后,空载、截割煤壁、截割岩石3种工况下的载荷区间相互分开,且各工况下的载荷区间长度缩短了65.6%~83.3%,均方差降低了66.5%~72.9%,数据波动更小,有效提高了数据的辨识度。在实际工程应用中可根据该方法设定截割煤层状态时的期望载荷受力范围,一旦超出该范围,则判断此时不是截割煤壁状态,从而实现煤岩识别。

基于卡尔曼最优估计理论的地震反褶积方法

围绕卡尔曼估计滤波所涉及的关键问题——随机信号状态空间模型的建立和先验误差信息的估计,进行了详细的讨论;对地震资料反射系数估计方法进行了算法设计,为了使算法收敛且向最优估计方向寻优,从正交投影理论出发,在满足残差与合成地震记录正交的条件下,给出了迭代寻找初始状态变量(反射系数)的求取方法;给出了实现算法的具体过程。理论模型和实际资料处理结果表明,方法正确,应用效果明显。

电动汽车蓄电池荷电状态的卡尔曼滤波估计

对电动汽车剩余里程的预测需要一个准确的蓄电池荷电状态(SOC)值,但目前任何方法都不能精确地测量蓄电池的剩余电量,以计算电动汽车蓄电池的荷电状态(SOC).在对目前常用的剩余电量计量方法分析的基础上,提出了一种基于电流的测量,然后利用卡尔曼滤波估计递推算法对蓄电池SOC进行实时估计,并在MATLAB下进行了仿真。

基于GPS弹道测量的卡尔曼滤波参数估计算法

为提高基于GPS定位的弹道辨识方法的实时性和可靠性,提出了一种以弹道微分方程四阶龙格库塔数值积分预测作为状态量递推的卡尔曼滤波弹道参数估计算法,并针对卫星接收机有粗大误差或失效情况对方法进行了改进.利用卫星信号模拟器和C/A码GPS接收机构建半实物仿真系统对算法进行验证,该方法的弹道参数估计误差是GPS接收机正常工作时测量误差的30%~40%;且能在GPS接收机出现异常时继续给出接近实际的估计值.

基于卡尔曼预测估计器的输入加权预测控制算法

针对噪声环境下输入带有约束的系统,传统的方法要处理一个二次规划问题.本文提出用最小化无约束二次性能指标得到的输入控制量的加权和代替该时刻的输入作用于系统.用这种方法将不存在不可行问题,使得控制输入的振荡范围减小,能大大减小违反约束的机率.仿真结果证明了算法的有效性.

飞机迎角在垂直阵风干扰中的卡尔曼滤波估计

在阵风条件下,为了抑制飞机的附加载荷并改善乘坐品质,需要得到飞机的迎角状态。以某大型运输机为例,通过卡尔曼滤波方法,将飞机法向过载和俯仰角速度综合进飞机的操纵输入来估计垂直阵风条件下的飞机迎角,并进行了仿真。结果表明,在垂直阵风干扰条件下,采用卡尔曼滤波方法能获得迎角状态的良好估计。

基于虚拟场景距离测度的复合卡尔曼运动估计

MEMS惯性传感器应用于人体动作捕捉,但由于传感器的系统误差,导致虚拟人不能精确、稳定的操作。为了实现对手臂运动的精确跟踪,通过对虚拟手臂运动规律的分析,基于虚拟场景中虚拟手臂的手指到物体中心之间的距离测度,结合虚拟手臂运动特点,设计了一种手臂运动的复合卡尔曼运动模型。该模型将手臂运动分为匀速模型、匀加速模型等几个典型阶段,根据距离测度的不同,用不同的模型去对虚拟手臂的运动做精确估计。通过实验验证,复合卡尔曼模型可以实现在虚拟场景中的虚拟手臂精确地运动估计。

一种基于卡尔曼滤波器的单级倒立摆的LQR方法

倒立摆的控制因其系统动态模型是非最小相位系统而很难用经典控制算法得到较好的控制效果.提出利用最优控制LQR方法来完成控制.由于利用最优控制,系统状态必须全部已知.考虑到系统噪声和量测噪声,根据分离性原理,利用LQR方法设计控制律,利用卡尔曼状态估计来完成系统状态的重构.仿真结果显示该方法具有良好的控制效果.

基于数据预处理和卡尔曼滤波的矿井煤尘监测数据融合算法

针对煤矿主井塔煤尘污染严重的现状,为保证良好的工作环境,并防止矿内安全事故的发生,需建立实时矿井煤尘监测系统。提出了一种基于多传感器融合与卡尔曼滤波的煤尘监测数据处理算法,以加强监测系统的抗干扰能力,并提高监测精度。通过对煤尘监测数据进行预处理及卡尔曼滤波估计,可有效剔除采集数据中的异常值,并有效减少噪声和测量误差的影响。其次,利用煤尘监测传感网中的多传感器数据融合,能够显著降低矿内复杂工况环境下各种因素的干扰。最后,通过对石拉乌素煤矿主井塔中煤尘监测数据进行仿真,结果表明,该数据处理方法能有效减少数据波动,可靠跟踪煤尘监测数据的真实值,并满足煤尘监测系统的高精度要求。

卡尔曼滤波方法及其在商品零售额预测中的应用

一、卡尔曼滤波方法卡尔曼滤波是一种对系统的状态进行估计的方法。在系统分析中,我们总要先考察系统的动态行为。所谓系统的动态行为是指系统随着时间的变动而表现出来的发展变化规律。

卡尔曼滤波在动位移测试中的应用

探讨了卡尔曼滤波算法的影响因素和模型设计的方法,在建立桥梁振动系统状态空间模型的基础上,对系统噪声、量测噪声进行了统计,进而运用了卡尔曼滤波算法对加速度信号进行了滤波及状态估计。

紊流风场下无人机飞行状态多模型估计算法

针对紊流风场环境下飞行速度因模型参数发生变化导致单一固定参数滤波器精度降低的问题,提出了一种无人机飞行状态多模型估计算法。在建立单一固定模型紊流风场有色噪声卡尔曼滤波器的基础上,采用多模型自适应卡尔曼估计,得到飞行速度的最优状态估计。仿真结果表明,多模型估计算法在模型参数发生变化时能有效地减小紊流风场对无人机飞行速度的影响,满足飞行速度控制输入的精度要求。

一种高速无人机下行链路信道估计方法

针对高速无人机下行数据传输中,系统因地空无线信道存在严重的频率及时间选择性衰落而导致性能大幅下降的问题,提出了一种卡尔曼与最小二乘(LS)联合的地空信道估计方法。构建了正交频分复用(OFDM)传输系统和地空信道模型,信道估计基于格状导频进行,以减少导频数量,提高数据传输效率。信道估计分两步进行,先利用LS算法得到导频处粗信道估计值,针对时域离散导致无法进行卡尔曼估计的问题,进行插值处理变为时域连续,然后再采用卡尔曼算法优化粗估计值,进一步提高信道估计的性能。仿真分析表明,该方法相较于传统的LS估计方法,导频插入数量相同,有2~3 dB的性能提升。与梳状导频下的卡尔曼估计方法相比,使用本文方法性能提升约1 dB,但导频使用数量下降了60%。

一种水下静止平台对目标运动参数的联合估计方法

针对方位-频率目标运动分析在水下静止小平台上的应用,提出了一种基于方位-频率测量的目标运动参数联合估计方法。该方法以最小二乘估计算法估计结果作为卡尔曼滤波估计算法的初值,解决了迭代初值对卡尔曼滤波估计算法的估计性能影响较大的问题,从而提高了算法的收敛速度和估计精度。湖试结果表明:该算法具有较好的估计性能,可以作为解决水下静止平台对目标被动定位问题的一种有效方案。

卡尔曼最优估计下独立变量分析地震反射系数提取方法

地震记录卡尔曼估计存在先验信息的不确定性问题,地震记录的独立变量分析的分解分量可以给出卡尔曼估计诸分量更全面的先验信息.独立变量分析迭代逼近输出相互独立的变量,存在源信息独立分量不准确问题,利用卡尔曼估计理论,优化逼近可以减小这种不准确性.考虑两种理论方法的优缺点,把独立分量分析理论和卡尔曼最优估计理论结合起来,研究基于卡尔曼最优估计地震反射系数独立变量分解提取方法.对地震数据进行独立变量分解,得到初始分解分量,对各分量和地震记录建立卡尔曼估计状态方程,根据建立的方程,利用递推寻优过程进行分量的最佳估计,考虑到地震记录的横向相关信息,增加有用信号横向相关信息约束.理论模型和实际资料验证了方法的正确可靠性及应用效果.