基于水力瞬变与扩展卡尔曼滤波的管道流体监测与泄漏定位

引入一种长输管道流体监测与泄漏定位的新方法,将管道流动的瞬变流模型转化为状态空间模型的描述,以管线沿程流量、压强水头为状态变量,管道进口流量和出口压力视做非线性动态系统的控制输入,出口流量和进口压力观测序列构成系统的测量向量。基于小信号原理首先线性化处理非线性模型,然后用扩展的卡尔曼滤波器结合传统的双曲方程特征线解法估计泄漏尺寸与位置,并实时模拟出管道流体的压力流量过程及其沿管道的分布。试验和仿真算例表明此法模拟的管道流动状态能较快收敛到稳定状态,并且泄漏尺寸估计与定位的结果与给定值比较吻合。因此引入扩展的卡尔曼滤波能够提高瞬变流模拟管道非定常流动的准确性和跟踪能力。

基于扩展卡尔曼滤波的岩石流变模型参数识别

针对岩石材料本身复杂性及观测条件引起的室内外试验数据中存在的不确定性,引入卡尔曼滤波方法,将岩石流变模型参数视为某随机过程的状态估计量,构造相应的卡尔曼滤波方程进行参数识别。以构皮滩水电站岩石工程黏性软岩的单轴压缩蠕变试验为例,对广义开尔文模型的有关参数进行识别,结果表明该方法具有很高的识别精度。同时探讨不同观测误差对滤波过程及参数识别结果的影响,数值试验表明该算法具有较强的抗噪声干扰能力,为解决岩石力学参数识别中的不确定性问题提供一个有效的理论方法。

纯方位TMA的变增益扩展卡尔曼滤波算法

通过对水下纯方位目标运动分析中的扩展卡尔曼滤波(EKF)算法的分析,利用方位新息,构成了一条反馈回路,从而将EKF算法改进为变增益扩展卡尔曼滤波(VGEKF)算法。对比仿真分析表明,VGEKF较之EKF滤波效果有所改善,增强了稳定性,提高了精度,为水下纯方位目标运动分析的实现提供新的途径。

用于消除缓变伪距偏差的抗差扩展卡尔曼滤波方法

针对卫星导航系统中伪距观测量存在缓变伪距偏差,导致定位精度下降的问题,提出了一种基于滑动积累的抗差扩展卡尔曼滤波方法。该方法在抗差扩展卡尔曼滤波算法的基础上,通过滑动窗口内多个历元残差矢量的累积,增大标准化残差矢量的伪距偏差,来提高对缓变伪距偏差故障的抗差能力。仿真表明,该方法能有效消除或者减弱微小伪距偏差和缓慢增长伪距偏差造成的位置误差,与传统抗差扩展卡尔曼滤波算法比较,定位精度得到明显改善。

基于扩展卡尔曼滤波的移动机器人变结构线性化复合跟踪控制

研究了移动机器人轨迹跟踪控制问题,通过坐标变换将轨迹跟踪问题转化为误差系统的镇定问题.基于反馈线性化和变结构控制思想提出一种复合有限时间变结构线性化跟踪控制算法,其首先使误差系统驶向角初始误差快速收敛到滑模边界层,然后采用连续状态反馈控制律来实现驶向角误差的无抖振快速镇定,同时将原误差系统转化为低阶系统;其次针对低阶系统设计了位置误差的状态反馈控制律,实现了位置误差的有限时间镇定.针对有系统噪声和量测噪声的误差系统,利用扩展卡尔曼滤波(EKF)进行误差状态估计,并以估计值构成反馈控制律.通过数值仿真验证了控制策略的有效性.

基于扩展卡尔曼滤波的非线性带滑移滞变系统的实时估计

利用扩展卡尔曼滤波方法对Baber与Noori提出的带滑移滞变模型进行了参数的实时估计。考虑到该方法在收敛性上对参数初始值的选取的依赖性较强 ,提出了一种用于确定各参数初始估计值的方法。

基于混合扩展卡尔曼滤波的超空泡航行体变深运动控制研究

为解决测量和环境噪声导致的超空泡航行体在变深运动中的失稳问题,提出一种基于混合扩展卡尔曼滤波算法的控制方法。进行水洞实验获取超空泡航行体模型在控制过程中的测量和环境噪声,采用这些数据改进了超空泡航行体的纵向运动数学模型;基于混合扩展卡尔曼滤波算法改进了超空泡航行体变深运动控制器。仿真结果表明,混合扩展卡尔曼滤波算法能够有效地提高超空泡航行体变深运动的稳定性。

线性校正变分贝叶斯自适应扩展卡尔曼滤波跟踪算法

针对量测噪声统计特性未知的非线性滤波跟踪问题，本文首先通过引入线性校正扩展卡尔曼滤波来抑制观测方程局部线性化所带来的截断误差效应，再进一步通过变分贝叶斯近似算法，对量测噪声方差进行迭代估计，最终形成了基于变分贝叶斯近似的线性校正自适应扩展卡尔曼滤波跟踪算法。分析表明，在量测噪声进行迭代求解过程中，所提算法对卡尔曼滤波局部线性化误差也进行了估计，跟踪精度优于已知误差分布真实值时的跟踪结果。最后。在时频差定位体制下。给出了本文所提算法的具体表达式，并通过计算机仿真验证了本文所提算法的有效性。

基于抗差扩展卡尔曼滤波和外推-积累的RAIM方法

为了提高接收机自主完好性监测(receiver autonomous integrity monitoring,RAIM)算法对微小缓变伪距偏差的检测能力,提出一种基于抗差扩展卡尔曼滤波和外推-积累的RAIM方法。该方法结合了新息外推法和累积历元法在检测微小缓变伪距偏差上的优势,即在新息外推法的基础上,累加多个历元的检验统计量,来更有效地检测微小缓变伪距偏差;同时,利用抗差扩展卡尔曼滤波对偏差进行抗差处理,提高了定位精度。仿真结果表明,相比较于传统RAIM方法、新息外推法以及累积历元法,新的RAIM方法均提高了对微小伪距偏差正确检测的概率,缩短了对缓变伪距偏差的检测延时,且经过伪距偏差修正后定位精度提高。

扩展卡尔曼滤波的最优红外被动制导律

建立了导弹-目标攻击简化数学模型,运用线性二次型理论得出最优随机制导规律。通过建立伪测量方程,运用变增益扩展卡尔曼滤波技术求解了只有角度信号下的导弹被动制导问题。大量的数字仿真表明该导引规律具有收敛快、无偏差、精度高的特点。

弹道目标的变结构多模型数据滤波方法

针对单模型滤波方法不能实现对弹道目标全阶段的数据滤波的问题,提出一种变结构多模型(VSMM)弹道目标数据滤波方法。该方法在模型集切换算法的基础上设计了模型集合自适应的决策规则,该规则可有效地避免虚假切换,并采用变结构交互多模型递归算法作为模型集序列条件估计方法。根据弹道目标不同飞行阶段的受力特点建立相应的运动模型和模型集。该方法可用于弹道目标任意阶段的数据滤波。仿真结果表明,基于变结构多模型算法与单模型算法的位置均方根误差(RMSE)的比值在主动段、自由段和再入段分别为0.803、0.601和0.536,速度均方根误差的比值分别为0.787、0.654和0.740。与单模型数据滤波相比,该方法有效提高了各阶段弹道目标的估计精度和稳定性,并且在弹道目标飞行阶段转换时能够更快地适应。

基于VB-EKF的GPS/INS松组合导航定位算法

针对应用在无人机(Unmanned Aerial Vehicle,UAV)中的全球定位系统/惯性导航系统(GPS/INS)松组合导航非线性系统受到外界噪声干扰导致量测噪声在滤波时不断变化,从而造成滤波精度下降等问题,提出一种变分贝叶斯扩展卡尔曼滤波(VB-EKF)算法。该算法利用EKF(Extended Kalman Filter)将非线性系统中的状态函数和量测函数展开为线性方程,并将两个不同的导航系统数据进行融合,避免了单系统导航定位发散的问题。考虑到组合系统中量测噪声的时变特性,引入变分贝叶斯算法进行改进,有效解决了系统滤波精度下降问题。仿真结果表明,VB-EKF较EKF算法可有效提高滤波稳定性,进而提高系统导航定位精度。

智能断路器抗EFT/B干扰滤波器设计

为了提高智能断路器抗电快速瞬变脉冲群(EFT/B)干扰性,依据EFT/B形成和作用机理分析,建立EFT/B干扰源等效电路模型,给出电路状态方程;基于泰勒展开公式,提出了一种Lev-enberg-Marquardt优化扩展卡尔曼滤波算法,给出了方法的理论推导过程,并通过EFT/B干扰电流互感器系统仿真实验,给出了该方法与扩展卡尔曼滤波(EKF)仿真结果,并分析了跟踪性能和均方根误差。实验结果表明:改进的卡尔曼滤波器(NIEKF)具有更高的估计精确度和稳定性,该方法设计的扩展卡尔曼滤波器可有效提高智能断路器抗电快速瞬变脉冲群干扰能力。

永磁同步电动机转速的变参数EKF估算方法

针对扩展卡尔曼滤波器(EKF)估算永磁同步电动机(PMSM)转速时,协方差矩阵选用一组固定的随机参数难以兼顾动态和稳态性能,结合最优状态估计原理,提出了一种变参数EKF的估算方法。在动态和稳态过程中分别采用不同的矩阵参数,给出了变参数的判据,并推导了标幺制下的EKF估算模型。仿真和实验结果证明,该方法保证了EKF良好的估算性能,能够同时满足系统动态过程和稳态运行时的应用要求。

电池变温度模型似然函数参数辨识及SOC估计

锂离子电池模型参数随温度和荷电状态(SOC)的变化而变化,特别是低温时模型参数变化较大,单值模型不准确。为了解决温度变化对SOC估计的影响,提高模型的准确度,引入温度修正因子,建立了变温度二阶RC等效电路模型。在模型参数辨识过程中,提出了最大似然函数法(MLE)获取模型参数。MLE算法简单,可以解决最小二乘算法因数据增多出现的数据饱和问题,收敛性质随着样本数目增加变好。通过混合动力汽车Loadcycle工况实验验证了提出的参数辨识方法的正确性和准确性。在温度变化下的条件下,基于变温度等效模型,采用自适应扩展卡尔曼滤波(AEKF)算法估计电池的SOC,并与单值模型下采用AEKF算法和无迹卡尔曼滤波(UKF)算法得到的SOC估计值进行对比。通过对比可以看出变温度模型下的AEKF算法得到的SOC估计精度较高,误差在2.2%以内。

多星姿态协同中的几何鲁棒控制

针对多星系统的姿态协同控制问题,通过不变扩展卡尔曼滤波(invariant extended Kalman filter,InEKF)对航天器进行姿态估计,将航天器的姿态估计与传递矩阵独立;结合无向通信拓扑构建多星特殊正交群(special orthogonal group,SO(3))姿态模型,推导SO(3)上姿态协同误差。然后,基于SO(3)提出基于一致性理论的姿态协同控制算法。其中,利用径向基函数神经网络对虚拟扰动进行拟合补偿,所提出的算法考虑空间扰动,以保证协同控制器适用于整个姿态空间,实现多星姿态协同、跟踪期望姿态和执行器能力约束下的协同。根据LaSalle不变集理论对系统进行分析,证明系统具有全局渐近稳定性。最后,利用六星航天器系统校验了所提姿态协同控制算法的有效性。

变结构遗传最小二乘支持向量机法预测日用水量

为解决日用水量预测模型的动态参数估计问题,提出了基于变结构遗传最小二乘支持向量机的预测模型.以日用水量的主要影响因素和相关日用水量为输入,利用遗传算法对基于LSSVM的历史日用水量模型参数进行寻优,获得模型结构参数序列;采用扩展卡尔曼滤波器估计基于最小二乘支持向量机的预测日用水量模型参数,进而预测下一日用水量.实例分析表明:提出的模型具有较高的预测精度,预测的最大绝对相对误差仅为9.3%,平均绝对相对误差为2.09%.

变周期RP-EKF时延纯方位角目标跟踪算法

针对声传感器纯方位目标跟踪应用,提出了一种基于静态多模型的距离参数化变周期扩展卡尔曼滤波算法,将时延影响转换为模型的可变周期,并通过参数在线估计的方法,估计该可变周期。距离参数化方法将整个距离空间分成若干个区间,分区间对距离进行估计,进而搜索出目标与观测平台之间的正确距离值。仿真结果表明变周期距离参数化扩展卡尔曼滤波算法能有效解决经典扩展卡尔曼滤波算法在纯方位角目标跟踪时可能出现的滤波发散现象,并能处理声音信号的传输时间延迟问题。

基于七阶EKF的永磁直线伺服系统变质量估计和扰动补偿

永磁直线同步电动机(PMLSM)伺服系统易受摩擦力和推力波动等外部扰动的影响,为保证系统按照期望轨迹运动,需要对这些扰动进行补偿,而且系统质量信息的准确性对扰动补偿能力有很大影响。针对这一问题,提出一种基于扩展卡尔曼滤波器(EKF)的变质量估计和扰动补偿方法。首先,建立与电机位置有关的扰动模型,作为扰动补偿器。然后,采用七阶EKF计算电机初始位置、估计质量的变化并反映到扰动补偿器中,同时通过自适应律整定扰动模型系数确保扰动模型与实际扰动保持同步,实现对系统的变质量估计和扰动补偿。实验结果证明了所提控制方案的有效性与可行性,明显提高了系统的位置跟踪性能和抗扰性能。

基于变参数模型的锂电池荷电状态观测方法（英文）

锂电池荷电状态(SOC)观测技术作为电池管理系统(BMS)的关键技术,在维持电池系统设备安全高效运作、延长电池组整体生命周期等方面均起着不可或缺的作用.本文以改善锂电池荷电状态的观测结果为目的,对锂离子电池荷电状态的观测方法进行了研究,基于二阶变参数锂电池模型,设计了一种有效的改善SOC观测精度的方法.首先,根据SOC的定义,建立了安时积分估计(AH),通过引入二阶变参数锂电池模型建立扩展卡尔曼滤波估计器(EKF),然后结合Takagi-Sugeno模糊模型原理,设计Takagi-Sugeno和EKF联合估计器(TS–EKF).最后,在Simulink仿真平台上验证了SOC观测方法的准确性和实用性.结果表明,本文所设计的Takagi-Sugeno和EKF联合估计器可以改善SOC观测精度.