基于卡尔曼滤波的改进ADRC风电制动器控制策略研究

为了提高风电制动器的抗干扰能力和控制精度,在传统三闭环系统的基础上,提出改进自抗扰控制并融合卡尔曼滤波算法.在扩张状态观测器中引入速度跟踪情况,将传统的“大带宽、小误差”改进为“小带宽、小误差”,提高观测器的观测效率.在误差反馈控制率中引入新型指数趋近律的滑模控制,增强控制效果.在电流环中引入卡尔曼滤波算法,降低电流噪声.通过MATLAB/Simulink建立风电制动系统的数学模型,与传统自抗扰控制策略和PID控制策略进行对比分析.结果表明:改进后的控制策略提高了响应速度,降低了启动转矩和电流噪声;制动器在不同工况下均展现出来良好的控制效果和抗干扰能力,提升了系统的鲁棒性和动态性能.

基于改进卡尔曼滤波的CPS虚假数据注入攻击检测

为提高信息物理系统(Cyber-Physical Systems,CPS)安全,提出一种改进卡尔曼滤波(Kalman Filtering,KF)的CPS虚假数据注入攻击(False data injection attack,FDIA)检测方法。首先,在标准KF中引入渐消记忆指数加权方法,以使KF算法自适应统计噪声特性,从而提高滤波性能;然后利用改进KF算法构建攻击检测模型,对FDIA进行检测;最后,在IEEE-30节点和IEEE-14节点系统上进行仿真,验证改进KF算法的有效性。结果表明,改进KF算法可有效检测FDIA,且相较于标准KF算法、加权最小二乘滤波(weighted least squares,WLS)算法,改进KF算法对FDIA检测结果与实际值更为接近,平均绝对误差分别为2.1336和1.2543。由此表明,本改进算法可用于CPS的FDIA检测。

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.

Unscented卡尔曼滤波-卡尔曼滤波算法

针对条件线性高斯状态空间模型,提出unscented卡尔曼滤波-卡尔曼滤波unscented Kalman filte-ring-Kalman filtering,UKF-KF算法,该方法用UKF估计条件线性高斯状态空间模型中的非线性状态,用KF估计线性状态。为了有效地融合UKF和KF估计的后验状态分布,将蒙特卡罗方法应用于KF估计的线性状态均值和方差,获得了与UKF sigma点相同数量的后验线性状态估计分布的样本,然后将这些样本与UKF中sigma点进行合成去获得系统中非线性状态的估计。该算法应用于机动目标跟踪的仿真结果表明:与Rao-Blackwellized粒子滤波器(Rao-Blackwellized particle filter,RBPF)相比,该算法虽在估计精度上略有下降,然而计算时间明显降低,有效提高了实时性。

基于改进自适应卡尔曼滤波的闭环脱靶量预测技术研究

针对传统卡尔曼滤波算法的脱靶量预测稳定性差、精度不高等问题,提出了一种基于改进自适应卡尔曼滤波的脱靶量预测方法。利用脱靶量误差源统计特性建立脱靶量模型,结合改进自适应卡尔曼滤波方法实现对脱靶量的准确估计,并将改进自适应卡尔曼滤波与传统卡尔曼滤波的预测修正结果对比分析。仿真结果表明:基于改进自适应卡尔曼滤波算法比传统卡尔曼滤波算法在闭环校射中方位角预测修正提高70%以上,高低角预测修正提高30%以上,该改进卡尔曼滤波算法预测结果更加稳定、精确。

基于Unscented卡尔曼滤波的超视距目标跟踪

针对大地坐标系下,超视距目标状态方程和量测方程复杂的非线性,提出了一种基于Unscented卡尔曼滤波的超视距目标跟踪。Unscented卡尔曼滤波通过设计少量的σ点,并计算这些σ点经由非线性函数的传播,从而获得滤波值基于非线性系统方程的更新。由于Unscented卡尔曼滤波无需像Extended卡尔曼滤波那样求状态方程和量测方程的雅可比矩阵,给计算带来了极大的方便。数值仿真结果表明,所给出的方法是可行而有效的。

一种基于Unscented卡尔曼滤波的多平台多传感器配准算法

首先给出传感器偏差配准模型,然后将目标的运动模型和传感器偏差组合在同一个状态方程中,利用Unscented卡尔曼滤波(UKF)方法进行状态和偏差联合估计,最后理论分析了配准偏差对状态估计的影响.Monte-Carlo仿真表明,该方法能同时有效地估计目标状态和传感器配准偏差.

Unscented卡尔曼滤波在飞航导弹地磁导航中的应用

对飞航导弹巡航段的地磁导航问题进行了讨论,导航算法为Unscented卡尔曼滤波,导航信息为地磁异常强度。首先通过对比不同飞行轨迹下的滤波效果,得到了导弹射前路径规划的一些原则。由于Unscented变换参数对滤波效果存在一定影响,提出了利用遗传算法优化Unscented变换参数的方法,优化参数的鲁棒性分析进一步验证了该方法的有效性。最后对Unscented卡尔曼滤波和扩展卡尔曼滤波的导航性能进行了比较,仿真结果表明前者具有更高的导航精度。

Unscented卡尔曼滤波在SINS静基座大方位失准角初始对准中的应用研究

静基座大方位失准角的捷联惯导系统误差方程是非线性的,如何对静基座大方位失准角的捷联惯导系统进行初始对准是需要解决的问题。本文提出了基于Unscented转换的Unsented卡尔曼滤波进行捷联惯导系统对准的方法。分别通过扩展卡尔曼滤波和Unsented卡尔曼滤波进行仿真计算,结果验证了Unscented卡尔曼滤波的有效性与优越性。

基于平方根Unscented卡尔曼滤波的无陀螺卫星的姿态估计

针对无陀螺卫星的姿态和速度估计问题,提出基于平方根UKF滤波(SquareRootUnscentedKalmanFilter)的估计算法。为了避免欧拉角带来的奇异问题,采用四元数描述卫星的姿态参数。考虑卫星的非线性模型,采用Cholesky和QR分解,从而平方根UKF滤波方法不仅能保证协方差矩阵的正定性,并且还可以提高算法的计算精度。利用测量矢量的信息,该算法能估计三轴稳定卫星的姿态,且计算简单,无需计算Jacobian矩阵。数值仿真结果表明,所给出的方法是可行而有效的。

基于Unscented卡尔曼滤波的目标位置和信道参数同时估计算法

针对传统非线性最小二乘估计算法和多步迭代估计算法估计节点位置和信道参数时存在的缺点,提出一种新的基于卡尔曼滤波的目标位置和信道参数同时估计算法。新算法将接收信号强度指示(RSSI)定位问题转化为非线性方程组的参数向量估计问题,使用UKF对目标位置和无线信道参数同时进行估计。试验结果表明,与非线性最小二乘方法相比,新算法定位误差更小,对信道参数的估计也更准确。

基于Unscented卡尔曼滤波的目标跟踪仿真分析

卡尔曼滤波技术是目标跟踪的理论基础之一.在工程应用中,多采用非线性滤波的方法对目标进行跟踪.介绍了Unscented变换,通过使用Unscented卡尔曼滤波(UKF)对目标跟踪进行仿真实验,Un-scented卡尔曼滤波有效地克服了传统的扩展卡尔曼滤波算法(EKF)的缺陷,给出了最佳估计的二阶近似,提高了对目标跟踪的精度和稳定性.仿真结果表明,该算法对目标在位置、速度跟踪方面均有良好的效果;针对目标机动,采用多模型滤波算法能够实现目标机动的精确跟踪.

基于Unscented卡尔曼滤波新息的多变量序贯概率比检验故障检测方法

针对非线性多变量过程监控问题,提出一种基于预测新息的多变量序贯概率比检验(SPRT)方法。首先利用Unscented卡尔曼滤波(UKF)基于正常过程模型预测输出值,将预测输出值与过程测量得到的实际输出值对比产生预测新息,然后引入多变量SPRT方法分析多元新息的统计特性,构造对数概率似然比判决函数和判决规则,监控过程的运行状态并对故障状态进行报警。在连续搅拌反应器上的仿真应用结果表明,所提出的故障检测方法能够有效实现过程监控,比传统的残差加权平方和方法误报率低、检测速度快。

结构恢复力非参数化模型识别的改进容积卡尔曼滤波方法

对地震等强动力荷载作用过程中结构损伤的发生发展过程进行识别,必须考虑结构行为的非线性。本文运用相对位移和相对速度的幂级数多项式表征结构恢复力模型,提出一种基于改进的容积卡尔曼滤波算法(Updated Cubature Kalman Filter, UCKF)和结构部分自由度上加速度响应时程的结构参数、未知响应及恢复力非参数化模型识别方法。以一个含磁流变阻尼器的多自由度数值模型为例,考虑20%的加速度响应测量噪声影响,识别出模型的结构参数、未知响应及阻尼力。并将本文方法所得结果分别与基于扩展卡尔曼滤波算法、传统容积卡尔曼滤波算法及含记忆衰退的扩展卡尔曼滤波算法所得结果进行比较。对一个带磁流变阻尼器的四层剪切型框架模型进行激振试验,基于部分自由度上的加速度响应时程实测值,识别出结构参数、未知动力响应以及阻尼器阻尼力的非参数化模型,通过与实测结果的比较,验证了本文方法的可行性。

基于改进卡尔曼滤波的卫星导航定位精度优化

为解决卫星导航定位信号因遮挡而出现非视距传播模式,导致定位精度低的问题,研究基于改进卡尔曼滤波的卫星导航定位精度优化方法。改进蛙跳算法寻优设置,优化支持向量机,分类提取存在遮挡信息的卫星导航信号;设计基于改进卡尔曼滤波的卫星导航定位精度提升算法,动态估计存在遮挡信息的卫星导航信号观测噪声协方差,自适应调节信号滤波增益,全面去除信号中的无效定位信息,获得精准卫星导航定位结果。研究结果显示:所提方法使用后,卫星导航定位结果实际位置高度匹配,定位精度明显提升。

基于Unscented卡尔曼滤波器的地磁辅助组合导航

将船位推算与地磁测量相结合构成组合导航方法。首先建立了推算模型,然后利用Unscented卡尔曼滤波方法,直接将地磁测量的结果用于校正推算结果,进行导航定位。此方法不采用匹配方法进行定位,可进行实时定位,能适用于非线性和离散的地磁模型。仿真表明,此方法能减小定位误差,适用于基于船位推算和地磁定位的实时组合导航。

一种序贯Unscented卡尔曼滤波在微小型无人直升机导航系统中的应用

对于应用到微小型无人直升机上的低成本捷联惯导(SINS)/GPS组合导航系统来说,SINSΨ角误差模型在描述低精度惯性器件误差时对误差项的忽略,使其无法满足SINS误差估计的要求.为了克服Ψ角误差模型的不足,本文建立了基于四元数的SINS非线性误差模型.该误差模型无需对失准角进行小角度假设.为了对组合导航系统中的SINS误差进行估计,提出一种序贯Unscented卡尔曼滤波方法.该滤波方法对观测向量进行序贯处理以降低算法的计算量.仿真结果表明,该滤波方法能有效提高低成本SINS/GPS组合导航系统的性能.

平流层飞艇抗风场干扰约束Unscented卡尔曼滤波算法设计与应用

为了提高风场干扰环境下飞艇的导航精度,研究飞艇抗风场干扰导航算法。在建立风场干扰条件下飞艇速度误差约束模型的基础上,设计抗风场干扰的约束Unscented卡尔曼滤波算法。确定风场干扰条件下飞艇的速度误差约束量,将该约束与Unscented卡尔曼滤波算法相结合,对速度误差进行估计和补偿,以减小风场对飞艇定位精度的影响;证明该算法的状态估计量不仅是无偏的,而且协方差小于标准Unscented卡尔曼滤波的协方差;将提出的算法应用于捷联惯导/天文/合成孔径雷达组合导航系统中进行仿真验证,并与自适应扩展卡尔曼滤波和抗差自适应Unscented卡尔曼滤波算法进行比较。结果表明:提出的约束Unscented卡尔曼滤波算法的滤波性能明显优于自适应扩展卡尔曼滤波和抗差自适应Unscented卡尔曼滤波算法,能够有效抑制风场对飞艇定位精度的影响,提高飞艇的导航定位精度。

Unscented卡尔曼滤波在捷联惯导系统初始对准中的应用

在四元数方法的基础上建立了一种非线性捷联惯导系统(SINS)误差模型。该误差模型无需对姿态误差角进行小角度假设。在该 SINS 误差模型中,采用四元数表示姿态矩阵,速度误差模型为非线性方程。为了对静基座大失准角 SINS 进行初始对准,通过对SINS 误差模型进行简化,得到了适用于 SINS 静基座初始对准的误差模型。由于 SINS 误差模型中含有非线性方程,通过采用 unscented 卡尔曼滤波解决 SINS 的初始对准问题。对SINS 静基座初始对准的仿真结果表明,unscented 卡尔曼滤波能有效估计 SINS 失准角。

基于改进卡尔曼滤波的电力计量装置误差补偿方法

电力计量装置受互感器材合成、二次回路压降与环境温度等因素影响,使测量数值与实际数值存在较大误差。为此,提出基于改进卡尔曼滤波的电力计量装置误差补偿方法。通过三相四线接线、压降误差与相位等变化情况,得出产生误差的干扰因素。利用自回归滑动平均模型,将各干扰信号做平稳化处理,并使用最小二乘法拟合得出装置时间序列的误差模型。根据前一个时间点状态,预测当前计量装置的最佳状态,并以最小均方误差为约束,得出最佳计量值,实现自动化误差补偿。实验结果表明,该方法不仅能计算出各种干扰时电力计量装置的功率误差,还能保证误差补偿结果精度,具有较好的使用前景。