一种信标水声定位的改进扩展卡尔曼滤波算法

水声测距误差通常偏离高斯分布,纯距离扩展卡尔曼滤波(Extended Kalman Filter,EKF)定位跟踪算法误差较大。在将测距噪声分为高斯分量和非高斯缓变分量的基础上,提出了一种改进的扩展卡尔曼滤波EKF算法(Improved Extended Kalman Filter,IEKF)和初值选取方法。利用仿真实验和湖试对IEKF算法进行了验证,结果表明IEKF算法能够对测距偏差进行跟踪补偿,定位精度明显优于常规EKF算法。

改进扩展卡尔曼滤波方法

针对低通滤波的有源电力滤波器(Active Power Filter,APF)补偿精度低的问题,提出一种改进扩展卡尔曼滤波(ExtendedKalmanFilter,EKF)方法,通过提高谐波电流的滤除能力进而改善APF谐波补偿精度.对改进EKF原理进行分析,引入谐波电流代替扩展卡尔曼滤波的过程噪声,对噪声进行重构,证明噪声重构满足扩展卡尔曼滤波算法,并推导出扩展卡尔曼滤波方程.利用噪声信号统计特性,滤除特征谐波的同时对非特征谐波进行滤除,并通过无差拍预测控制削弱数字信号处理过程中的延时影响.利用Matlab搭建仿真模型与常规低通滤波器分别就滤波品质及APF补偿效果进行对比实验.研究结果表明:改进EKF滤波可有效降低电网电流畸变率,提高APF补偿精度.

基于改进扩展卡尔曼滤波算法的空中目标跟踪

采用扩展卡尔曼滤波方法建立了雷达跟踪模型,对空中目标航迹进行滤波,为了减少雷达量测噪声的不稳定变化对系统跟踪性能的影响,对扩展卡尔曼滤波算法进行了改进,利用新息方差的计算来调整卡尔曼滤波器的增益。仿真结果表明,采用改进扩展卡尔曼滤波算法后,在雷达量测噪声发生大幅变化的情况下,经过滤波后的位置和速度误差仍然趋于稳定。表明该方法具有很好的滤波性能及跟踪精度,并可以提高空中目标航迹预测的精确性。

基于改进扩展卡尔曼滤波算法的锂离子电池荷电状态估计

针对在复杂应力条件下扩展卡尔曼滤波估计锂离子电池SOC的估计精度不高问题,提出了一种改进扩展卡尔曼滤波算法的锂离子电池SOC估计方法。通过运用Sage-Husa自适应算法来对系统噪声与观测噪声进行修正。最后设计了DST工况实验进行验证,实验结果表明,相比Ah法与扩展卡尔曼滤波估计法,改进扩展卡尔曼滤波估计法具有更高的精度与收敛性,最大估计误差不超过0.7%,是一种行之有效的方法。

基于改进联合扩展卡尔曼算法的AGV车SOC估算研究

结合自动引导车(AGV车)运行工况中充电电流大、间歇充电以及放电电流的特点,文章根据电池SOC估算的需求和锂离子电池的外特性,解决电池SOC估算的非线性和电流漂移问题,对电流突变情况下的SOC估算存在较大误差进行分析,提出了利用动态增益系数对Joint-EKF算法进行改进,提高Joint-EKF算法在电流突变时估算算法的跟踪性能和实时性。

动态传输下基于改进卡尔曼滤波的电力计量计费数据状态估计

电力计量计费数据是电力营销业务公平公正实施的重要基础,具有数量总量大、通信方式多样等特点。为更加合理地利用通信资源并提升数据的可靠性,提出了一种动态传输下的改进扩展卡尔曼滤波方法用于电力计量计费数据的动态状态估计。首先,利用动态传输策略有选择地将区域电力计量计费数据传输到用户用电信息采集平台。然后,提出了一种改进扩展卡尔曼滤波方法,对电力计量计费数据进行动态状态估计,该算法利用不确定项表示线性化误差,在保证状态估计精度的基础上提高了计算速度。最后,用标准的IEEE-33配电网用户电表数据案例验证了该算法的可行性。

基于前向神经网络的非线性时变系统辨识改进EKF算法

为了克服传统扩展卡尔曼滤波算法进行参数估计时可能产生的新数据失效问题,提出了一种改进的扩展卡尔曼滤波(EKF)步骤,然后将改进步骤做为人工神经网络的学习算法用于基于前向神经网络的非线性时变系统辨识。与传统的扩展卡尔曼滤波步骤相比克服了新数据的饱和现象,可以更好地反映系统时变特征。通过一个单变量一般时变非线性系统和一个三自由度非线性时变刚度结构系统算例,仿真验证了新算法在辨识精度和计算量方面的改进特性。

基于改进EKF算法的锂离子电池SOC估算方法

针对锂离子电池在变电流放电过程中荷电状态SOC(state of charge)估算精度的问题,提出了一种基于改进扩展卡尔曼滤波EKF(extended Kalman filter)算法的新估算方法。首先,通过放电实验和混合脉冲功率特性HPPC(hybrid pulsepower characteristic)实验,分析计算了等效电路模型参数;然后,利用该方法获得了该模型参数与放电倍率和SOC之间的关系,提出了一种估算SOC时在线修正开路电压和欧姆内阻的新原理和方法;最后,通过变电流放电的SOC估算结果,验证了该改进算法的可行性与有效性,从而解决了锂离子电池在复杂工况下估算精度不足的问题。

基于IQPSO-EKF的多传感器融合姿态测量方法研究

为解决自动化竖井掘进设备的定位调姿精度对竖井、孔桩挖掘效率与质量的影响,提出了一种基于改进量子粒子群(IQPSO)-扩展卡尔曼滤波(EKF)的姿态测量算法,以提高微机电系统(MEMS)传感器测量精度。首先,对MEMS传感器数据进行了预处理(除噪、滤波、校准等);然后,参考现有飞行器的坐标系,建立了姿态解算模型,通过姿态角数学模型及运动学分析,构建了EFK状态方程,针对EKF方法参数估计不准确的问题,以分段混沌映射优化初始种群,引入平均位置最优值来避免陷入局部最优的IQPSO-EFK算法,优化EKF的系统、测量噪声的协方差参数;最后,对改进算法和三组姿态误差估计进行了对比实验。研究结果表明:对比三种典型目标函数,IQPSO-EFK相较于普通粒子群算法(QPSO-EFK)具有更强的寻优能力与收敛精度;对比三组旋转速度姿态测量误差,基于IQPSO-EKF算法的姿态测量方法在测量误差时比真实测量误差减少了约86.3%,比扩展卡尔曼滤波减少了约68.7%,比普通粒子群算法减少了约28.2%,证明该算法有效地提高了MEMS传感器测量精度。

基于改进EKF算法变温度下的动力锂电池SOC估算

动力锂电池的荷电状态(SOC)准确估算是电池安全可靠有效使用的关键。而温度对动力锂电池的性能有较大影响,在综合分析动力锂电池SOC估算的各种因素的基础上,结合各种现有的SOC估算方法,比较了优缺点。考虑到−10~40℃的温度变化,对中航三元锂50 A·h锂电池在不同温度下进行混合脉冲功率性能测试试验(HPPC)以进行锂电池参数辨识,探究锂电池参数随温度变化特性,建立适应温度变化的Thévenin等效电路模型,运用平方根分解改进扩展卡尔曼滤波(EKF)算法进行SOC估算,以避免由于计算机字长引起的计算误差导致的滤波发散。对锂电池在变温度下进行参考汽车工况进行实验,导出电池数据在Simlink进行算法估算效果仿真验证。结果表明基于所使用变温度下的Thévenin等效电路模型运用改进EKF进行SOC估算的最大误差小于1.5%,平均误差为0.37%。上述方法可以校正SOC初始值的误差,不依赖于初始值的准确性,能实现不同温度下的SOC估算。

基于改进EKF的DC/DC转换器电感电流观测器

为了减小电磁干扰(Electromagnetic Interference,EMI)引起的DC/DC转换器输出电压噪声,消除负载变化引起的稳态误差,提出了一种基于改进的扩展卡尔曼滤波器(Extended Kalman filter,EKF)的电感电流观测器.首先,介绍了Boost型转换器的状态空间方程和扩展卡尔曼滤波器;之后提出负载估算算法,对EKF进行改进.利用改进EKF的输出电压、电感电流和占空比即可估算出实际负载值,从而实时更新改进EKF的参数,使电流观测器可以准确估计电感电流;最后对提出的电流观测器进行了仿真验证.仿真结果表明,在负载突变时,改进EKF可以对EMI引起的输出电压噪声进行有效滤波,同时准确估计电感电流,保证了DC/DC转换器输出电压的准确性.

光电目标跟踪中非线性卡尔曼噪声滤波算法的应用研究

在非线性、非高斯噪声下对机动目标跟踪时,传统的卡尔曼滤波算法及其扩展型算法会使测量系统出现滤波精度下降、易发散等缺点。为了更好地解决系统非线性的问题,提高对机动目标的跟踪测量精度,本文提出了一种光电目标跟踪的改进型扩展卡尔曼滤波算法。该算法增加了相应的线性化误差补偿。仿真结果表明,改进型的扩展卡尔曼滤波算法可以有效补偿线性化误差,并且改进后的滤波性能要好于原滤波器。

一种基于超宽带技术的改进定位算法

目的:针对UWB室内定位技术由于室内环境复杂等原因导致的定位精度降低的情况,提出了一种在TOA模型下的改进定位算法。方法:该算法结合了Chan与Taylor算法的内容及思想,在对线性方程组进行加权最小二乘的同时,根据门限值的比较进行多次迭代,以获得比Chan和Taylor算法更高的精度,最后对扩展卡尔曼滤波进行改进,将估计值作为改进扩展卡尔曼滤波算法的初始值,对位置进行二次估计定位。结果:通过Matlab仿真该算法得到均方根误差小于12 cm,稳定在10 cm左右。结论:实验表明,与Chan、Taylor算法相比,本文算法能有效减小定位误差,具有更好的稳定性和精度。

基于预标定基坐标系及MIEKF算法的工业机器人标定方法

为了提高工业机器人的绝对定位精度和标定效率,提出一种基于预标定基坐标系及改进迭代扩展卡尔曼滤波(MIEKF)算法的运动学标定方法。该方法的优点在于用采集的位置数据进行基坐标系和工具坐标系预标定,节省两者拟合的时间。在建立位置误差模型时利用相关系数和复共线性分析去除模型的冗余参数。用MIEKF算法辨识模型的几何参数误差。通过实验对比验证,机器人经补偿后的绝对定位精度提高了88.07%。

动力型锂电池SOC与SOH协同估计

锂电池及其应用近年来逐渐成为研究热点。以提高电池管理系统(BMS)对电池荷电状态(SOC)和健康状态(SOH)的估算精确度为目标,在建立二阶Thevenin等效电路模型基础上提出一种能在线协同估算电池荷电状态和健康状态的改进扩展卡尔曼滤波算法。通过分阶段脉冲放电实验,并利用最小二乘法求得模型参数。在动态应力测试工况(DST)下借助Matlab对比分析了改进扩展卡尔曼算法在SOC和SOH估计精确度、错误初值时算法收敛性、算法复杂度等方面的性能。实验表明,利用该算法可以精确估计出各采样点处的SOC和SOH,误差低于1%;且在初值不准确情况下,运行算法可快速收敛至真值附近,算法估算结果的准确性与模型参数的微调无关,鲁棒性较好。

水下机器人姿态融合算法研究

针对水下机器人作业过程中使用扩展卡尔曼滤波算法进行姿态融合解算时,姿态信息会产生较大误差,设计了一种精准进行姿态融合的改进扩展卡尔曼滤波算法。水下机器人导航系统设计的关键在于多传感器数据融合的精确性。为了有效设计水下机器人多传感器数据融合算法,对水下机器人扩展卡尔曼滤波算法进行分析,设计了基于四元数的改进扩展卡尔曼滤波算法进行姿态融合解算。研究表明,改进后的算法降低了数据融合的噪声,提高了系统的收敛性。

行人自主导航定位的IEKF-SWCS方法

针对利用可穿戴式IMU对行人进行导航定位过程中,惯性器件产生累积漂移误差影响导航定位精度的问题,提出了一种基于改进扩展卡尔曼滤波(Improved Extended Kalman Filter,IEKF)的行人自主导航定位方法。该方法建立了融合人体运动特征的18维滤波模型,在IEKF中设计分段闭环平滑(Step Wise Closed loop Smoothing,SWCS)算法,消除跳变的修正采样点,提高了轨迹平滑度。利用自研的IMU传感器进行试验验证,结果表明该方法能够有效抑制惯性器件的发散,进一步提高了行人自主导航定位精度,并且不增加任何额外的硬件成本,对行人导航的研究具有实际应用价值。

对变换状态空间EKF的研究及其应用

分析了变换状态空间扩展卡尔曼滤波(TSS-EKF)通过自定义辅助函数实现状态空间变换的缺陷,提出了新状态空间函数的定义、构造方法及改进的TSS-EKF算法,建立了相应的滤波跟踪数学模型,阐述了用改进的TSS- EKF算法求取辅助函数的过程,并把该算法应用到实际的航迹滤波跟踪问题中,得到了理想的结果。

锂离子动力电池SOC估算研究

基于锂离子动力电池等效电路模型,考虑了锂离子动力电池的开路电压变化特性、内阻变化特性、温度对等效电路模型参数的影响,提出了一种基于改进的扩展卡尔曼滤波的SOC估计方法,通过锂离子电池的充放电试验与HPPC试验,识别模型参数,然后使用Matlab/Simulink进行仿真计算。仿真和实验表明,所选取的PNGV模型精度高,能有效的实现对SOC的估算。

激励与转角信息未知条件下桥梁结构物理参数识别

桥梁结构物理参数识别往往需要完整的结构响应和已知的外加激励信息,这在实践中通常难以实现。为实现转角信息与外加激励数值均未知情况下的桥梁结构物理参数在线识别,先采用静力凝聚方法消去转动自由度,据此将扩展卡尔曼滤波方法与最小二乘方法结合,提出一种改进的扩展卡尔曼滤波方法。其中,针对静力凝聚后观测方程呈现高度非线性,导致卡尔曼量测矩阵计算低效的问题,引入基于克朗尼克积的分解算法。以一座简支梁桥为例,在移动荷载下进行了仿真测试。结果表明,所提方法能够准确地识别结构物理参数和外加激励,且克朗尼克积引入后,识别精度与程序运行速度均有显著提升。