基于无迹Kalman滤波算法的动力电池荷电状态估计

提出了一种动力电池容量标定方法,结合无迹Kalman滤波(UKF)算法,对动力电池的荷电状态(SOC)进行在线估计。根据温度系数和电流概率来标定电池的实际容量,建立二阶阻容(RC)等效模型模拟电池动态响应特性,调用含遗忘因子的递推最小二乘法的无迹Kalman滤波(RLS-UKF)算法对电池的SOC进行在线估计,在估计过程中考虑电流突变导致开路电压与SOC曲线变化的影响。通过MATLAB搭建仿真模型,用动态应力测试(DST)工况和恒流工况来验证算法的精度。结果表明:RLS-UKF算法在DST循环工况的平均误差为1.2%,在恒流放电工况的平均误差为1.41%。因此,较目前主流的预测方法,本方法有更好的预测效果。

基于GPS/INS的自适应无迹Kalman滤波算法

载体的姿态参数是导航系统重要的影响因素,为提高姿态角测量精度,以INS和GPS紧组合导航系统为研究背景,针对无迹Kalman滤波算法对误差模型较敏感、新息噪声干扰数据需预处理、算法实效性低等缺点,提出改进的自适应无迹Kalman滤波算法。首先,用自适应窗口在线估计系统噪声和量测噪声的协方差值,得到与实际噪声更贴近的统计特性,减小数据预处理的干扰;其次,对状态预测方差阵引入次优渐消因子减少计算量,同时为了减少模型的精度损耗,对滤波过程引入统计量,确定模型不确定性检测阈值;最后,用扩展Kalman滤波、无迹Kalman滤波和改进后的新滤波算法对无人机航向轨迹进行数据处理。结果分析可得,改进的滤波融合算法能将姿态的测量精度提高到0.1°,具有更强的收敛性,能较好地抑制漂移误差。

基于无迹Kalman滤波算法的电池内部温度估计

为实时监测车用锂离子动力电池内部温度,提高电池性能,提出了一种非线性无迹Kalman滤波(UKF)估计算法。对某一2.6 Ah三元单体锂离子电池,建立等效可变参数热模型;用状态方程分析法,建立电池内部外部温度的关联并离散化;用递推最小二乘法(RLS)辨识热模型中时间、表面温度、环境温度、输入电流4种热参数,实时更新系统状态与观测方程的参数矩阵,结合UKF算法,实现电池内部温度估计。通过Matlab搭建仿真模型,用混合动力脉冲能力特性(HPPC)、动态应力测试(DST)以及恒流3种工况,来验证算法精度。结果表明:对于这3种工况,该UKF算法均可在1℃内估计电池内部温度。

基于分数阶模型多新息无迹卡尔曼滤波算法的超级电容SOC估计

对超级电容的SOC估计展开了研究。首先,搭建了超级电容测试平台,用于超级电容的参数辨识,并对超级电容进行了常规性能测试;其次,在不同的环境温度和动态工况下采用多种算法进行超级电容SOC估计。结果表明,采用分数阶模型多新息无迹卡尔曼滤波(FOMIUKF)算法对超级电容SOC的估计精度最高,对超级电容的路端电压跟随情况最好,估计结果的均方根误差和平均绝对误差的最大值分别约为1.8%和1.73%。

基于改进无迹Kalman滤波的小波网络算法及其应用

无迹Kalman滤波(UKF)是无迹变换(UT)和标准Kalman滤波的结合,对非线性系统具有出色的估计性能,使用UKF估计小波网络参数,速度快,精度高,无需求导计算Jacobian矩阵,但其计算量偏大.基于此,本文考虑引入一种改进的UKF来估计小波网络的参数,以提高训练效率.该改进UKF在Kalman滤波体系内应用了一种基于最小偏度单形Sigma点采样策略的UT,它继承了UKF的优点,并显著提升了计算效率.仿真结果表明,相对于EKF,采用改进UKF算法训练小波网络,速度更快,精度更高;计算精度与UKF相当,但计算效率较之更高.

基于无迹粒子滤波改进算法的电池容量衰退预测研究

为了提高电池容量预测的准确性和适用性,提出一种基于无迹粒子滤波的改进算法。为了减小滤波迭代过程的观测误差,引入支持向量回归算法对其予以改进。由于支持向量回归算法中的核函数与惩罚因子较难确定,提出使用遗传算法的寻优能力对其进行求解,形成一种经遗传算法和支持向量回归改进的模型。对这种融合模型进行性能评估,并与UPF-SVR和UPF-RVR进行对比,实验结果显示,融合模型预测结果的平均绝对误差E_(MA)和均方根误差S_(RMSE)分别低于2.0%和2.5%,相比其它模型预测精度更高,同时预测水平和收敛性均显著优于其它模型,更具有效性和可行性。

基于超球体平方根无迹Kalman滤波算法的涡扇发动机气路部件故障诊断

研究了一种超球体平方根无迹Kalman滤波算法用来有效跟踪涡扇发动机气路部件发生渐变性和突变性故障的健康参数.该算法通过超球体单形采样来降低算法的计算量,采用测量残差协方差阵的平方根代替方差阵进行递推运算,提高了算法的计算效率和数值稳定性.分别采用扩展Kalman滤波算法、无迹Kalman滤波算法和超球体平方根无迹Kalman滤波算法对某型涡扇发动机进行仿真,结果表明:超球体平方根无迹Kalman滤波算法的滤波时间减少50%左右,能够实现渐变性和突变性故障中健康参数的准确估计,是一种有效的涡扇发动机气路部件参数估计和故障诊断方法.

模糊自适应Kalman滤波算法在SINS/DR组合导航的应用

针对里程仪测量误差导致组合导航精度降低的问题,提出基于系统工作状态和滤波器新息状态相结合的模糊自适应算法。根据新息的变化确定模糊规则,修正里程仪输出增益,使新息始终保持在零均值附近,利用修正后的新息修正观测噪声方差,降低导航定位的偏差。仿真实验结果证明,该算法能够很好地提高组合导航定位的精度。

自适应快速弱敏无迹Kalman滤波算法

针对现有弱敏无迹Kalman滤波需要代数求解增益矩阵耗时长和不能实时调节敏感性权重的问题,提出一种自适应快速弱敏无迹Kalman滤波算法.该算法在弱敏控制技术的基础上,重新定义弱敏无迹Kalman滤波的敏感性权重矩阵,将状态估计误差对不确定参数的敏感性加入滤波的代价函数,并通过最小化该代价函数得到滤波增益矩阵的解析解,减少了滤波计算复杂度和计算时间.同时基于量测残差正交原理,设计敏感性权重的自适应渐消因子,实现滤波过程中敏感性权重的实时调节.典型算例的数值仿真结果表明:所提出的自适应快速弱敏无迹Kalman滤波算法能够提高计算效率和实时调节敏感性权重,有效地降低不确定参数对状态估计的不利影响;相较于传统的弱敏无迹Kalman滤波算法,所提出算法的状态估计误差和计算时间分别减少19.5%和99.9%.

基于卡尔曼(Kalman)滤波算法的体育训练视频中的运动目标检测

体育训练视频中的运动目标检测往往存在目标快速移动、目标遮挡和场景变化等问题,导致运动目标检测的难度增大。为了解决这些问题,提出了基于卡尔曼(Kalman)滤波算法的体育训练视频中运动目标检测的方法。为了提升体育训练视频图像的质量,首先对体育训练视频的图像进行一系列预处理(包括灰度变换、轮廓对比增强和噪声抑制等);然后借助混合高斯模型(Gaussian mixture module,GMM)有效提取体育训练视频的前景信息;为了精准捕捉体育训练视频中的运动目标,运用三帧差分法设定Kalman滤波器的初始状态,利用高效检测算法准确获取每一帧图像中运动目标的观测位置;随后将初始状态和观测位置的数据输入Kalman滤波器;最后在Kalman滤波器中,结合上一帧的预估值和当前帧的监测值,对体育训练视频中运动目标的当前状态进行精确估算和优化,并对下一帧的状态进行预测,从而实现了对运动目标的持续跟踪与精准预测。实验结果表明,与基于特征融合的全卷积孪生网络(siamese full convolution,Siamfc)目标追踪算法和基于连续自适应均值漂移(continuously adapting mean shift,Camshift)的均值漂移(mean shift,Meanshift)改进算法相比,采用基于Kalman滤波算法的运动目标检测方法对运动目标的重叠精度(overlap precision,OP)和中心位置误差(center location error,CLE)进行检测,不仅能够有效检测到体育训练视频中的运动目标,还可表现出较高的准确性和实时性。

基于Kalman滤波算法的电力变压器顶层油温预测研究

油浸式电力变压器油温是影响变压器运行寿命和负载能力的重要因素,与变压器顶层油温密切相关。运行在高温、过负荷情况下的变压器容易因为绕组热点温度过高导致早期故障,而顶层油温是变压器热点温度的重要指标。为能精确预测变压器顶层油温,通过分析基于变压器热路模型的顶层油温动态微分方程,构造基于Kalman滤波的顶层油温状态方程和测量方程,建立了顶层油温实时最优估计模型,实时地预测变压器顶层油温。结合现场实测数据对比分析Kalman滤波模型及IEEE导则推荐模型预测结果,结果表明Kalman滤波模型相对IEEE导则推荐模型具备更高的精度,为油浸式变压器顶层油温预测提供一种新的参考。

采用Kalman滤波算法预测变压器绕组热点温度

油浸式电力变压器绕组热点温度是影响变压器绝缘寿命的重要参量,为精确预测绕组热点温度,通过分析考虑负载动态变化和顶层油温相对绕组热点温度的动态变化的微分方程,构造基于Kalman滤波的热点温度状态方程和测量方程,建立了热点温度实时最优估计模型;利用实验室搭建的基于光纤光栅传感的温升试验平台测试数据,通过模拟智能电网中变压器热点温度监测数据中的噪声以及因传感器失效所引起的某时间段的数据缺失,验证了Kalman滤波模型的内插能力和滤波能力;根据某电站主变压器现场监测的变压器热点温度的有限实时数据,以及相关误差的统计信息,对所建模型进行外推,实时地预测热点温度,并与IEEE导则推荐模型的预测结果进行了对比。结果表明,基于Kalman滤波的热点温度模型更接近实测值,其在2月份和9月份的平均绝对百分比误差(1.5730%,0.8866%)和均方根误差(0.8180°C,0.8562°C),均优于IEEE导则模型的预测结果,具有较好的内插、平滑以及外推性能,为实时监测变压器绕组热点温度提供了一种新的工具。

Kalman滤波融合优化Mean Shift的目标跟踪算法

目标跟踪中,目标的背景变化、形状改变、遮挡,往往会导致跟踪失败,而跟踪的实时性和准确性是必须考虑的问题。本文首先对Mean Shift算法进行了介绍,接着对Mean Shift算法进行了优化:修正Mean Shift算法迭代权值,修正后主要信息贡献更加突出,次要信息受到抑制,避免了开方的繁琐运算,降低了运算量。提出了目标模板更新算法,解决了背景变化和目标形状改变时跟踪失败的问题。然后在水平位置和竖直位置建立Kalman滤波器,同时将优化Mean Shift算法与Kalman滤波融合,解决了目标完全遮挡后无法继续跟踪的问题。仿真实验表明,本文提出的目标跟踪算法在目标遮挡,目标形状改变,目标跟踪失败的情况下具有更高的跟踪精度,更高的实时性和鲁棒性。

基于Gauss-Hermite逼近的非线性加权观测融合无迹Kalman滤波器

对非线性多传感器系统,基于Gauss-Hermite逼近方法和加权最小二乘法,提出了一种具有普适性的非线性加权观测融合算法.该算法可将一个高维观测压缩为一个低维观测.在此基础上,结合无迹Kalman滤波器(Unscented Kalman filter, UKF),提出了非线性加权观测融合无迹Kalman滤波器(WMF (Weighted measurement fusion)-UKF).与集中式融合UKF (CMF (Centralized measurement fusion)-UKF)相比,该算法计算负担小且具有逼近的估计精度.特别是在传感器数量较大时,该算法在计算量上的优势更加明显.仿真例子验证了算法的有效性.

基于SURF和轨迹滤波的旋转视频稳像算法

现有电子稳像技术主要以平移稳像为主,而对同时存在大角度旋转和抖动的视频稳像能力较差,针对该问题提出一种基于SURF和轨迹滤波的旋转视频稳像算法。首先,采用SURF特征点匹配算法获得相邻2帧匹配的特征点,使用双向最邻近距离比值法剔除误匹配点,利用相似变换模型和RANSAC算法,得到高精度的旋转角度并对当前帧进行反向旋转,从而消除视频旋转。然后,使用KLT特征点跟踪算法生成视频的特征点轨迹。最后,采用Kalman滤波和B样条曲线拟合相结合的方法进行稳像处理,进而得到不旋转且稳定的视频。实验结果表明,该算法适合任何角度旋转的视频,消旋精度达到0.02°,且能够有效地消除视频抖动,对于分辨率低,同时存在运动模糊的视频也有较强的鲁棒性。

基于改进Camshift与Kalman滤波融合的领航车辆跟踪算法

针对智能车辆在对前方领航车辆进行视觉跟踪时,传统的Camshift算法容易受目标突然变速、相似颜色背景或目标干扰的问题,提出一种基于改进Camshift与Kalman滤波融合的领航车辆跟踪算法。该算法通过提取目标模板的色度、饱和度和Canny边缘梯度幅值3个特征分量,建立三维直方图并对其反向投影进行跟踪,同时采用Bhattachayya系数作为目标跟踪准确性的判别依据。若系数大于设定阈值则判定目标跟踪不准确,此时用局部二值模式(LBP)级联分类器对领航车辆进行检测识别,最后引入Kalman滤波器来预测下一帧领航车辆的位置。实验结果表明,该算法能够在复杂背景下对领航车辆进行实时并有效的跟踪。

基于小波多尺度分析和Kalman滤波的微机保护算法

提出了一种新的微机保护算法。采用小波多尺度变换对采集信号进行分解得到平滑信号和细节信号,在细节信号上利用模极大值法确定异常发生与否及其产生时刻。异常产生后进入故障处理程序,启动Kalman滤波器。利用平滑信号更新滤波器的观测值,减少故障信号暂态噪声的干扰,提高了滤波算法的收敛速度;利用细节信号实时在线计算测量噪声的方差,提高了滤波算法的收敛精度;小波分析对故障进行初次检测和判断,而滤波器估计出故障信号基波分量结合继电保护原理对故障进行再次判断,提高了保护算法的可靠性。在Matlab/Simulink环境下搭建仿真模型对算法进行验证与测试,仿真结果证实了算法的可行性和有效性。

一种快速Kalman滤波算法实现及效果评估

该文介绍了一种新的快速Kalman滤波算法实现方法。对于某些不能够采取离线计算的滤波过程来说,它可以在保证一定精度的同时极大地提高计算速度和减少计算占用资源。文中以仿真实验的跟踪数据做出了对比仿真。

基于扩展Kalman滤波的空基多平台多传感器数据配准和目标跟踪算法

本文研究基于扩展 Kalm an滤波和多个空中移动平台的多传感器数据配准与目标跟踪问题 .文中首先给出了空中移动平台传感器数据配准几何坐标转换算法 ;接着将目标运动模型和传感器配准误差模型组合在同一个状态方程中 ,然后利用扩展 Kalman滤波方程进行估计 .Monte- Carlo仿真表明 。

基于无迹Kalman滤波的基波分量提取

针对全波Fourier和Kalman滤波算法在提取基波分量时对频率偏移敏感和直流偏移量抑制能力差的缺点,提出了一种新的基波分量提取算法。首先以故障信号的直流偏移量、基波角频率和基波分量作为状态变量,建立信号的非线性状态空间模型。然后采用无迹Kalman滤波(Unscented Kalman Filter,UKF)在信号的非线性模型基础上估计出基波分量。此外,滤波算法还能够实时估计出信号的直流偏移量和基波频率。通过多个算例仿真对算法进行验证与测试,仿真结果证实了算法的可行性和有效性。仿真结果表明,算法对频率突变和直流偏移量突变具有良好的适应性,能快速准确地提取出基波分量。