带有色量测噪声的非线性系统Unscented卡尔曼滤波器

传统Unscented卡尔曼滤波器(Unscented Kalman filter,UKF)要求噪声必须为高斯白噪声,无法解决带有色噪声的非线性系统滤波问题.为此,本文提出了一种带有色量测噪声的UKF滤波新算法.首先,基于量测信息增广和最小方差估计,推导出一类带有色量测噪声的非线性离散系统状态的最优滤波框架,接着采用Unscented变换(Unscented transformation,UT)来计算最优框架中的非线性状态后验均值和协方差,进而得到有色量测噪声下UKF滤波递推公式.所设计的UKF新方法能有效地解决传统UKF在量测噪声有色情况下非线性滤波失效的问题,数值仿真实例验证了其可行性和有效性.

观测时滞离散系统卡尔曼滤波算法

由于观测时滞系统的观测方程不符合卡尔曼滤波算法的实现形式,导致传统卡尔曼滤波算法无法直接应用于观测时滞离散系统。为此,在借鉴系统状态增广方法的基础上,设计了一种将观测方程转换为无时滞观测方程的方法。同时根据卡尔曼滤波算法原理,针对变换后的无时滞系统模型方程,给出观测时滞卡尔曼滤波算法的步骤,并将此方法应用到实际非线性观测光电跟踪系统中,进行算法的性能对比。仿真实验结果证明:将时滞观测方程转换为无时滞观测方程的方法是可行的,可大幅度提高算法精度。

基于鲁棒UKF的永磁同步电机转子速度估计

针对无位置传感器直驱永磁同步电机系统(DD-PMSG:Direct-Driven Permanent Magnetic Synchronous Generator),无迹Kalman滤波(UKF:Unscented Kalman Filtering)方法鲁棒性不高的问题,提出了基于一种新的鲁棒UKF的转子速度估计方法。该方法将DD-PMSG模型转化为由发电机机电状态与定子参数组成的增广方程形式。运用鲁棒UKF算法,可同时辨识发电机的机电状态和定子不确定参数动态,使估计发电机参数不确定的鲁棒性得以改善。仿真结果表明,与传统UKF方法相比,该方法对存在不确定性及非高斯噪声的系统模型具有较强的鲁棒性。

基于EUKF模型的PMSG系统无速度传感器控制

针对无速度传感器永磁同步发电机(PMSG)系统存在电阻摄动的问题,提出了基于增广无迹卡尔曼滤波(EUKF)模型的端口受控哈密尔顿(PCH)无源控制策略。首先建立含有电阻摄动的永磁同步发电机(PMSG)系统模型,运用PCH无源控制理论设计控制律实现系统最大风能捕获。然后将系统模型转化为由系统状态与定子电阻摄动参数组成的增广无迹卡尔曼(EUKF)模型,运用EUKF算法同时估计系统状态和电阻不确定参数,将估计结果实时传递给控制器。最后通过仿真进行验证,结果表明,该方法相比传统无迹卡尔曼滤波算法(UKF)具有更强的鲁棒性。

飞行数据相容性检验方法

飞行试验测量数据中存在过程噪声和测量噪声,导致飞行数据之间不相容,国内目前常用的输出误差法不适用于耦合严重的直升机飞行数据相容性检验。采用增广卡尔曼滤波方法进行状态估计,大幅度地消除测量值中的误差;再用输出误差法对增广卡尔曼滤波估计的结果进行相容性检验,并将其应用于直升机四阶纵向等效模型辨识中。结果表明:提出的这种方法既解决了单独使用增广卡尔曼滤波进行数据相容性分析时由于初期收敛过程造成的滤波误差问题,又克服了单独使用输入误差法进行数据相容性时需手动修改时间延迟问题和测量值中误差过大时输出误差法无法收敛问题,使得检验效果与计算效率大幅提升。