基于无轨迹卡尔曼滤波的大失准角INS初始对准

讨论了大失准角情况下,惯性导航系统(INS)初始对准的非线性误差模型,分析了无轨迹卡尔曼滤波原理,提出将无轨迹卡尔曼滤波(UKF)技术应用于惯性导航系统初始对准ψ角估计中,进行了静基座状态下的初始对准仿真。仿真结果表明,在方位误差角为大角度,水平误差角为小量的情形下,无轨迹卡尔曼滤波比扩展卡尔曼滤波(EKF)对准时间更快,估计精度更高。当ψ角三个分量均为小量时,无轨迹卡尔曼滤波也具有很好的性能。

基于无轨迹卡尔曼滤波器的感应电机转速估计

借助仿真,深入探讨了卡尔曼滤波器家族新成员—无轨迹卡尔曼滤波器(UKF)用于感应电机转速估计这一问题。分析了采样周期以及滤波器参数对UKF收敛特性的影响,从静态性能、动态响应速度、对电机参数的灵敏度、算法复杂度等各方面评价了UKF转速估计性能,并与经典的扩展卡尔曼滤波器(EKF)转速估计进行了比较。结果表明UKF并不能以预想的突出优势在感应电机转速估计问题上取代EKF。

惯导初对准中的平方根无轨迹卡尔曼滤波

针对无轨迹卡尔曼滤波(UKF)在递推过程中,有些情况下出现状态协方差逐渐失去正定性,导致计算发散现象,对状态协方差进行矩阵分解,在滤波中用其平方根进行计算,保证其正定性.采用平方根无轨迹卡尔曼滤波(SRUKF)对大失准角情况下惯性导航系统初始对准非线性ψ角模型进行估计.蒙特卡罗仿真结果表明,SRUKF与UKF在滤波精度和收敛速度上基本一致,SRUKF的数值稳定性优于UKF.

基于人工鱼群的无轨迹粒子滤波算法

针对粒子滤波算法中粒子退化现象及重采样所带来的粒子贫化问题,提出一种基于人工鱼群的无轨迹粒子滤波算法。采用无轨迹变换选取优化的重要性密度函数,将人工鱼群的智能思想引入到粒子滤波中代替重采样过程,通过觅食、聚群和追尾行为找到全局最优位置,驱动粒子向最优点靠近,从而增加粒子多样性。仿真结果表明,与传统的无轨迹粒子滤波和常规粒子滤波相比,该算法在估计精度上有显著的提高。

无轨迹卡尔曼滤波器在感应电机转速估计中的应用研究

无轨迹卡尔曼滤波器(UKF)作为扩展卡尔曼滤波器(EKF)的进化算法在许多非线性估计问题上取得了成功的应用。探讨了在感应电机转速估计领域引入UKF是否能获得明显优于EKF的估计性能这一问题。通过仿真及实验对比,分析了采样周期以及滤波器参数对UKF及EKF估计性能的影响,从各个方面评估、比较了UKF与EKF的转速估计性能。仿真及实验结果表明UKF并不能以预想的突出优势在感应电机转速估计问题上取代EKF,EKF仍旧是这一特定问题的最有效和最可行的算法。

基于无轨迹卡尔曼滤波神经网络的SINS初始对准方法

针对扩展卡尔曼滤波算法的缺点,研究了基于无轨迹卡尔曼滤波的神经网络算法。建立了捷联惯导系统在大失准角下的误差方程和适用于初始对准的神经网络模型,研究了基于扩展卡尔曼滤波和无轨迹卡尔曼滤波的神经网络算法,将基于无轨迹卡尔曼滤波的神经网络学习算法应用于捷联惯导系统大失准角条件下的初始对准中。仿真结果表明,在大失准角条件下,用训练好的神经网络进行初始对准是可行的,且基于无轨迹卡尔曼滤波的神经网络算法可提高初始对准精度。

基于Hough变换和无轨迹卡尔曼滤波的眼睛角点跟踪

提出了一种基于改进Hough变换(HT)和无轨迹卡尔曼滤波(UKF)的眼睛外角点跟踪算法。该算法在输入图像中存在虹膜时采用改进Hough变换提取眼睑轮廓并得到眼睛外角点位置,当输入图像中检测不到虹膜时,采用UKF算法对当前帧眼睛角点进行估计。实验证明,本文算法能精确地跟踪眼睛外角点。

粒子滤波和无轨迹粒子滤波算法比较

解决水下水声目标的定位跟踪问题,需要建立动态的非线性非高斯模型,粒子滤波直接采用未含有最新量测信息的状态转移先验分布函数作为重要性密度函数来逼近后验概率密度函数,无轨迹粒子滤波是在粒子滤波的过程中引入重采样技术,通过无轨迹变换设计重要性密度函数,使其更加接近系统状态后验概率密度。仿真结果表明粒子滤波和无轨迹粒子滤波算法都可以提高定位跟踪精度,但无轨迹粒子滤波算法的估计精度更高,更适用于工程实践。

基于球面模型的单运动平台无源定位方法

受地球曲率影响,传统基于平面直角坐标系的定位模型随着侦测距离的增大,定位误差显著增大,严重影响远距离目标定位跟踪精确度。对此,提出一种基于球面模型的单运动平台定位方法,将平面直角函数方程转换为球面三角函数方程,降低地球曲率误差影响;利用无轨迹卡尔曼滤波(UKF)算法实现复杂非线性观测方程迭代求解及远距离目标高精确度位置估计。仿真试验结果表明,基于球面模型的定位方法具有较高的定位精确度,定位精确度提升0.3%R~0.6%R。

基于模糊逻辑的自适应强跟踪UKF定位滤波算法

提出了一种用于GPS位置估计的模糊自适应强跟踪UKF（FAST-UKF）滤波算法。该算法采用强跟踪的自适应算法用以解决传统UKF算法容易受初始值和模型误差影响的问题；同时采用模糊逻辑系统解决强跟踪算法的参数估计问题，通过模糊逻辑系统实时监测滤波器的工作状况，实时对强跟踪算法的参数进行估计和调整，确保滤波器正常工作。仿真定位结果表明，模糊自适应强跟踪UKF算法相比UKF算法、传统的自适应UKF算法和强跟踪UKF算法更能够及时地适应载体运动规律变化，同时定位性能也有所提高。

改进的卡尔曼滤波算法在行驶汽车状态估计中的应用现状

卡尔曼滤波及其改进方法在行驶车辆状态估计中有着广泛的应用,并取得良好的效果;本文针对自适应卡尔曼滤波算法、无轨迹卡尔曼滤波算法的应用等进行了综合性阐述。

UKF滤波在MIMU/GPS组合导航系统中的应用

微惯性测量组件(MIMU)的陀螺和加速度计随机误差较大,系统短时间内的计算误差发散很快,本文推导了惯导误差φ的角非线性模型,模型的状态变量包括:位置误差,速度误差,数学平台的姿态误差角,陀螺和加速度计的常值偏置。MIMU经过初始对准后,方位误差角可能仍然很大,误差具有较强的非线性,本文使用UKF滤波方法来对误差进行估计,利用GPS来辅助MIMU进行组合导航,通过输出和反馈互相结合的混合校正方式提高了导航精度。

智能炮弹姿态测量新方法

研究炮弹姿态制导和测量问题,智能炮弹的制导与控制,不但要求能精确测量弹体的姿态,还要求惯性敏感元件和电子系统能承受发射时的高g冲击。针对智能炮弹发射时的高冲击性及惯性短时飞行的特点,为了姿态控制稳定性,提出了一种弹体姿态测量的新方法。根据智能炮弹的特定运动规律,仅采用三个MEMS加速度计对比力矢量进行测量,建立系统的线性状态方程和非线性量测方程,采用平方根无轨迹Kalman滤波器估计系统的状态,有效的抑制了滤波发散,增强了滤波的稳定性。经三轴飞行测试转台仿真实验表明,方法测量弹体姿态的可行性。

基于UKF算法的无刷直流电机转子位置和速度的估计

针对无刷直流电机(BLDCM)非线性严重而导致控制困难的问题,利用无轨迹卡尔曼滤波(UKF)算法设计了观测器,以估计无刷直流电机的转子位置和角速度.分析了在BLDCM系统负载变化、负载扰动、参数变化以及低转速情况下的估计结果,同时讨论了噪声统计参数的变化对估计效果的影响.由此可知,良好的估计效果与UKF算法中各个参数的设置有重要的关系.仿真和实验结果表明,该转子位置观测方法可以比较正确地给出电机换相信号,实现电机的无位置传感器控制.

EKF与UKF在紧耦合组合导航系统中的应用

为了检验扩展卡尔曼滤波(extended Kalman filter,EKF)与无轨迹卡尔曼滤波(unscented Kalmanfilter,UKF)在紧耦合组合导航系统中的性能,给出了地心地球固连(earth-centered earth-fixed,ECEF)坐标系下惯性导航系统(inertial navigation system,INS)误差方程。将该方程作为系统方程,GPS伪距测量方程作为系统测量方程,推导得出了EKF和UKF的滤波方程。仿真验证了EKF和UKF可以良好地应用于紧耦合系统,其定位精度优于单独使用GPS信息得到的导航解,UKF与EKF二者性能相当,UKF略优。

基于UKF的导弹SINS/CNS姿态估计方法

针对中远程弹道导弹的特点,在分析研究捷联惯性导航系统/天文导航系统(strapdown inertial navi-gation system/celestial navigation system,SINS/CNS)组合导航测量修正方案的基础上,建立了导弹四元数运动学方程、陀螺测量模型,星敏感器测量模型等系统方程,将无轨迹卡尔曼滤波(unscented Kalman filter,UKF)算法应用于主动段关机点环境,通过对陀螺常值漂移、一阶漂移的在线估计,达到高精度导弹姿态的实时输出。与EKF、QUEST、MLS和捷联惯性迭代递推算法比较,仿真结果表明了UKF算法具有更高的精度,收敛快,适于在无控飞行阶段的工程应用。

GPS/MEMS-INS组合导航系统设计

针对微机电系统(micro electro mechanical system,MEMS)惯性器件随机噪声大,现有的去噪算法难以兼顾降噪效果和信息处理速度的问题,提出自适应实时混合去噪算法;利用无轨迹卡尔曼滤波(unscented Kalman filter,UKF)算法进行信息融合,克服了扩展卡尔曼滤波(extended Kalman filter,EKF)对非线性系统线性化会带来额外误差的缺点;利用多线程信息同步技术实现微机电惯性导航系统(MEMS inertial navigation system,MEMS-INS)和全球定位系统(global position system,GPS)的同步运行。基于以上关键技术和算法,设计了一种GPS/MEMS-INS组合导航系统,实验结果表明,该组合导航系统在静态及动态环境下均能够进行实时高精度地导航定位。

基于UKF算法的SINS/GPS全组合导航系统研究

将UKF算法用于低成本的SINS/GPS全姿态组合导航系统中,提出了一种GPS测量姿态角的方法,推导了姿态角误差与平台失准角的关系,建立了系统的非线性误差模型,设计了UKF滤波器。仿真结果表明,通过将UKF算法用于SINS/GPS全姿态组合导航系统中,系统的可观测性得到了改善,提高了导航精度。

基于RBF神经网络辅助的自适应UKF算法

卡尔曼滤波能在测量噪声干扰下对系统状态进行无偏估计。但无论是扩展卡尔曼滤波(EKF)算法,还是无轨迹卡尔曼滤波(UKF)算法,都无法避免滤波发散现象。给出利用径向基函数(RBF)神经网络的自适应调整能力来对卡尔曼滤波输出进行校正,从而避免输出发散的算法。计算机模拟和实际应用表明,基于RBFNN的卡尔曼滤波算法可以有效防止输出发散。

基于同步整流的光伏水泵数字控制器

根据光伏水泵无刷直流电动机驱动实际需要,提出一种数字控制器解决方案。为降低控制器续流损耗,基于同步整流技术采用MOSFET代替体二极管续流,并可降低控制器温升,提高系统可靠性。研究了改进的无差拍控制策略,采用自适应无轨迹卡尔曼滤波方法(Adaptive UKF)在线辨识、修正系统参数,以改善力矩电流控制效果。仿真和实验结果表明,该方案易于数字实现,参数辨识有效,电流控制精度高,提高了系统运行性能。