基于扩展Kalman滤波器的PMSM高性能控制系统

扩展Kalman滤波器考虑了系统噪声和测量噪声的影响,是一种基于最优控制理论的非线性估计方法。本文提出一种新型的用于永磁同步电机(PMSM)的基于扩展Kalman滤波器(EKF)的状态观测器,可以把有限精度的光电码盘信号的量化误差考虑为测量噪声,从而可以精确观测转子位置和转子转速。电机不需要知道转子初始位置就可以起动。该状态观测器还可以观测负载转矩,利用观测的负载转矩形成对给定转矩的前馈补偿,可以大大改善负载转矩波动过程中的转速控制性能。在轻负载时永磁同步电机定子电流较小,因此电流测量过程中的噪声和干扰对系统性能的影响就非常明显。Kalman滤波器可以有效消除电流测量值中的干扰和测量噪声,提高系统在轻载时的性能。仿真和实验结果验证了该系统的性能。

基于扩展Kalman滤波器的永磁同步电机转动惯量辨识研究

为抑制转动惯量变化对高性能伺服系统性能的不良影响,缩短惯量辨识收敛时间和提高辨识精度已成为转动惯量辨识的研究热点。基于扩展Kalman滤波器,开展永磁同步电机转动惯量辨识算法设计、仿真和试验研究。仿真和试验结果表明,扩展Kalman滤波器用于永磁伺服系统的惯量实时辨识是有效的,突变惯量时辨识收敛时间约为4 s、辨识误差为6.8%。

一种带阻尼因子的迭代扩展型Kalman滤波器

基于迭代扩展型Kalman滤波器（IEKF）与非线性最小二乘问题的Gauss－Newton方法之关系，本文通过引进阻尼因子得到一个修正的迭代扩展型Kalman滤波器（MIEKF），其迭代序列等价于非线性最小二乘问题的Levenberg-Marquardt方法．MIEKF改善了原IEKF的收敛性和估计精度，一个非线性系统的计算机模拟证实了这一点，而IEKF是MIEKF的一个特例。

基于扩展Kalman滤波器算法的移动机器人同步定位与建图

针对移动机器人的同步定位与建图(SLAM)问题,提出了一种基于改进的扩展Kalman滤波算法的同步定位与建图方法。通过建立基于直线特征提取的机器人观测模型,推导了SLAM建图的预测和更新算式,设计了基于特征点数目的SLAM预测与更新率算子,实现了移动机器人的同步定位与建图。实验结果表明该方法有效、可行。

基于扩展Kalman滤波器的GPS/DR组合车辆定位系统

介绍了在GPS车辆定位系统中针对车辆运动的机动性和定位系统的非线性的问题采用的扩展Kalman滤波原理,采用机动目标的“当前”统计模型建立了扩展Kalman滤波的系统状态方程和观测方程,详细推导了定位算法,并利用Matlab进行仿真实验。仿真结果表明,该方法在实际应用中是可行的,并具有定位精度高、算法稳定等优点。

一种基于扩展Kalman滤波器的载波跟踪环

目前,低轨卫星接收机通常工作在高动态低信噪比环境下,为了适应输入信号的大的多普勒动态,载波跟踪环路需要增加环路带宽,而在低信噪比情况下时,增加环路带宽导致进入到环路的噪声增加,环路失锁概率增大。文章给出一种在高动态低信噪比环境下的扩展Kalman滤波器(EKF)的载波跟踪环。该环路不仅可以自适应的改变环路带宽,并且利用积分-清零滤波器的输出直接作为EKF的观测向量,避免使用鉴相器带来信噪比的损失。

基于扩展Kalman滤波器的气垫艇操纵运动模型参数辨识研究

气垫艇运动模型是气垫艇操纵模拟训练系统的关键,如何获取准确的模型参数,建立符合真实运动规律的模型成为急需突破的难题。文中介绍系统辨识原理,并推导EKF辨识非线性模型参数的公式,建立气垫艇三自由度操纵运动分离型模型。在此基础上,运用扩展的Kalman滤波器(EKF),对分离型模型中的部分未知流体动力参数进行辨识。仿真试验结果表明,应用EKF辨识气垫艇三自由度MMG模型参数,将辨识得到的参数与仿真模型的参数进行对比,试验结果验证了基于EKF方法的可行性。

EKF和互补滤波器在飞行姿态确定中的应用

设计了一种旋翼飞行姿态参考系统,采用基于加速度计和陀螺仪的惯性测量组合(IMU)测量飞行姿态数据。采集实测数据并运用Allan方差分析法分析其噪声特性,建立传感器模型;针对旋翼飞行器分别应用经典扩展Kalman滤波(EKF)算法和互补滤波算法进行姿态解算。在详细阐述2种算法的原理与实现的基础上,进行飞行器平台实验验证。研究结果表明2种算法均有效,且互补滤波器相对经典Kal-man滤波器更为简单、有效。

基于自适应扩展Kalman滤波的路侧多传感器融合

路侧感知是云控车路协同感知的组成部分。为提升路侧传感器的感知精度和稳定性,该文提出了一种基于量测噪声自适应扩展Kalman滤波器(AEKF)的路侧多传感器融合方法。基于路侧相机、激光雷达、毫米波雷达的感知结果,实现了异质传感器目标级数据的融合。采用一种量测噪声在线获取方法,检测了传感器测量值的稳定性,生成了量测噪声的修正系数,自适应调整了量测噪声;经过了实车试验。结果表明:相较于单传感器,采用该多传感器融合方法使横向距离估计精度提高9.7%,纵向距离估计精度提高5.4%,速度估计精度提高26.6%;由于该算法的横向距离估计精度提高44.9%,纵向距离估计精度提高21.3%,速度估计精度提高64.4%;因此,该文AEKF算法的估计精度高于传统扩展Kalman滤波算法(EKF)的精度。

基于Kalman滤波器的二维运动目标跟踪

利用kalman滤波器结合递归最小二乘法(RLS)建立了一个基于模型的鲁棒跟踪器,该模型能够有效分割图像域内的目标,提取目标特征并在给定区域内实现连续跟踪。采用动态kalman滤波器自适应的更新目标模型的特征,实时的增加新的、稳定的图像特征,同时减少无效或影响较小的图像特征,随后由RLS来完成对既定特征目标的匹配搜寻。通过在FIRA Mirosot集控式足球机器人平台上的应用,该方法能够在规定区域内,有效的跟踪小球,且鲁棒性较强。

基于扩展卡尔曼滤波的舰机相对位姿估测

通过将基于扩展卡尔曼滤波的长序列图像分析方法与单目视觉技术相结合,把无人机自主着舰视觉导引中舰机间相对位姿的估测,转化为机载摄像机对着舰靶标平面3D位姿的实时估测问题.首先根据透视投影理论,建立了以摄像机的透镜中心为原点且Z轴与光轴重合的摄像机坐标系和世界坐标系,然后利用机载摄像机连续拍摄的靶标图像序列,选择描述相对运动的3个欧拉角、平移向量及它们的速度作为状态变量;由靶标角点的提取和帧间匹配,建立了反映着舰靶标上特征点的图像坐标和状态变量之间关系的观测方程,带入扩展卡尔曼滤波器,估测出舰机的相对运动参数.计算机数据仿真和基于DSP平台的半实物仿真试验验证了算法的有效性和鲁棒性.

基于交会雷达测量的相对导航滤波器

以两飞行器自主交会、绕飞与最终逼近为背景 ,研究基于交会雷达的自主相对导航方法。基于间接测量量设计了扩展Kalman滤波器 ,并设计了具有自调整功能的测量误差协方差矩阵R。

基于中心微分Kalman滤波的重力/惯性组合导航

中心微分Kalman滤波由于其算法特点,可以避免强迫线性化带来的结果不稳定,并能降低计算量和分析量的难度。在重力/惯性组合导航匹配算法中引用中心微分Kalman滤波,并与扩展Kalman滤波比较,结果表明,中心微分Kalman滤波避免了雅可比矩阵的计算,并且可以获得更小的线性化误差。

采用自适应Unscented Kalman的粒子滤波

针对粒子滤波的粒子退化问题,使用自适应UKF进行重点采样。该方法使用自适应因子调整Unscented Kalman滤波的观测信息与动力学信息之间的权比,使滤波预测值的协方差更趋向真实值。与扩展Kalman滤波、自适应扩展Kalman滤波、Unscented Kalman滤波重点采样方法相比,自适应UKF重点采样进一步提高了粒子滤波的精度。

基于高斯—施密特粒子滤波器的多机器人协同定位

多机器人协同定位需对各个机器人的运动模型和观测模型精确建模,需要运用非线性、非高斯系统。已经应用于本领域的各种非线性算法主要有两种:一种是扩展卡尔曼滤波算法(EKF),它对非线性系统进行局部线性化,从而间接利用卡尔曼算法进行滤波与估算;另一种是序列蒙特卡罗算法,即粒子滤波器(PF)。本文介绍了一种改进的粒子滤波器,即高斯-施密特粒子滤波器(GHPF),重点比较这三种算法在多机器人协同定位领域的应用效果。

单站目标被动跟踪的滤波器方法研究

为了实现对单站目标的被动跟踪,分析并比较了扩展Kalman滤波器和粒子滤波器在非线性估计方面的性能,并且针对粒子滤波器存在的粒子退化现象,引入改进的重采样算法和基于无迹变换的滤波算法.仿真实验分别比较了几种滤波器在目标做匀速、匀加速、变加速情况下距离和速度滤波的均方根误差,结果表明粒子滤波器滤波性能优于扩展的Kalman滤波器,改进的重采样算法和基于无迹变换的粒子滤波器可以有效改善估计精度.

改进强跟踪EKF算法在MEMS姿态解算中的研究

本文针对四旋翼姿态解算,提出了一种噪声自适应强跟踪扩展卡尔曼滤波算法(ASTEKF)。当机体从平稳状态向机动状态过渡时,由于量测噪声影响会导致算法估计不准确,因此本文首先证明不同时刻新息序列方差满足正交性原理,正交性原理表明,量测噪声对观测值的准确性影响很大;其次,引入Sage-Husa噪声自适应估计器较准确估计系统量测噪声均值和方差,使观测值更准确;最后,通过满足正交性原理条件公式计算次优渐消因子,将次优渐消因子引入协方差一步预测运算式中,得到强跟踪滤波器。次优渐消因子的引入使得一步预测协方差矩阵增大,即增大强跟踪扩展卡尔曼滤波器增益,使系统增加对观测值权重,得到更准确的状态估计值。离线仿真实验和在线实物实验结果表明了所设计算法的有效性。

基于Kalman滤波的供水管网水力模型用水量动态估计

节点用水量的动态估计是供水管网水力模型动态更新的主要工作,以扩展Kalman滤波(EKF)为代表的数据同化方法已被应用于管网水力模型参数动态校核和估计中,但现有研究未考虑用户节点24 h用水模式对节点用水量估计的影响。该文研究了节点用水模式先验信息对EKF方法节点用水量动态估计结果的影响。根据用户24 h的用水模式和t时刻用水量估计值预测t+1时刻节点用水量,并采用t+1时刻管网测量数据校正t+1时刻节点用水量预测值。案例管网的应用结果表明:与现有研究中应用的EKF方法相比,考虑用水模式的扩展Kalman滤波(IEKF)方法对应的用水量估计平均绝对百分比误差降低了15.93%,节点用水量时变曲线的Nash-Sutcliffe效率(NSE)系数值提高了0.40,且2种方法的计算时间相近;与推断测量Kalman滤波(IMKF)相比,IEKF方法对应的用水量估计平均绝对百分比误差降低了12.20%,节点用水量时变曲线的NSE系数值提高了0.35,计算时间缩短了99.8%。在节点用水量估计问题中,考虑用水模式可以显著提高EKF方法的计算精度。

改进EKF的异步电机无速度传感器矢量控制

针对传统扩展Kalman滤波器(EKF)迭代矩阵维数高和计算量大的问题,提出了一种新的基于扩展Kalman滤波器的观测器,用于异步电机的无速度传感器矢量控制。根据转子磁场定向的同步旋转坐标系下转子q轴磁链为0的特点,利用额定频率以下控制磁链幅值恒定简化异步电机数学模型,并借鉴间接矢量控制计算滑差角速度的方式,选取d、q轴定子电流分量和定子磁场角速度为状态变量,构建了基于扩展Kalman滤波器的3阶观测器,以同时估计电机的磁链和转速。与传统全阶观测器相比,改进观测器降低了系统阶次和复杂性,减少了运算负荷。仿真和实验结果表明,改进观测器准确观测了电机的磁链和转速,构建的异步电机无速度传感器矢量控制系统有效实用。

考虑参数估计的MPC算法的商用车车道保持控制

设计了一种考虑参数估计的模型预测控制(MPC)算法的、智能辅助驾驶的商用车的车道保持算法,对于难以直接测量的质量和横向速度进行估计。建立车辆动力学模型和状态误差方程,通过扩展Kalman滤波(EKF)和递推最小二乘法(RLS)分别对车辆的横向速度、质量进行估计。基于估计得到的车辆参数,设计MPC车道保持控制器。构建硬件在环(HIL)仿真平台,设置不同的测试工况对车道保持算法进行了验证。结果表明:与普通MPC相比,在偏移回正工况中,车辆纠偏消耗的时间减少28.6%,并且超调量更小;高速路工况的横向位置偏差的均方根误差减小了4.2 cm。该方法提升了纠偏能力和跟踪精度,降低了传感器成本。