广义离散随机线性系统降阶固定区间最优Kalman平滑器

利用Y-可观广义系统典范型,将广义系统状态估计问题转化为一个降阶常规系统的状态估计问题.应用Kalman滤波方法和白噪声估计理论,提出了广义离散随机线性系统降阶固定区间最优Kalman平滑器,可减少计算负担,便于实时应用,一个仿真例子说明其有效性.

广义离散随机线性系统降阶固定区间最优Kalman平滑器

利用广义系统典范型,将广义系统状态估计问题转化为一个降阶常规系统的状态估计问题。应用Kalman滤波方法和白噪声估计理论,提出了广义离散随机线性系统降阶固定区间最优Kalman平滑器,可减少计算负担,便于实时应用。一个仿真例子说明其有效性。

相关噪声系统固定区间最优Kalman平滑器

基于带相关噪声系统的一种Kalman滤波器,应用射影理论,提出了一种固定区间最优Kalman平滑器,它可用反向递推形式实现,算法简单,但于实时应用。推广了带不相关噪声系统的一个现有结果。一个仿真例子说明了其有效性。

信息融合稳态最优Kalman平滑器

应用Kalman滤波方法 ,基于Riccati方程 ,在线性最小方差最优融合准则下 ,提出了按矩阵加权的两传感器最优融合稳态Kalman平滑器 ,给出了最优加权阵和最小融合误差方差阵。同单传感器Kalman平滑器相比 ,可提高平滑精度。

一种新的固定滞后最优Kalman平滑器

基于带相关噪声系统的一种最优Kalman滤波算法,应用白噪声估计理论和射影理论,提出了一种带白噪声估值器的固定滞后最优Kalman平滑器。它可递推实现,一个仿真例子说明了其有效性。

基于二次指数平滑法和优化Kalman滤波的短时交通组合预测

优化改进传统的Kalman滤波模型,解决预测精度不高且预测滞后的问题.用二次平滑指数法和优化后的Kalman滤波模型两种方法组合对道路断面通过交通量进行短时交通预测,通过平均绝对误差(MAE)和平均绝对百分比误差(MAPE)分析预测结果.实例预测结果表明:当修正因子α=0.5时预测结果较为精确,同时,优化改进后的Kalman滤波模型的预测准确性有所提高.组合预测的两种方法都能够有效地降低预测误差,但按权重组合预测的效果更为明显.

Kalman最优平滑器在滑坡位移监测数据处理中的应用

针对传统方法中利用Kalman滤波器来处理物体的形变数据存在精度低的缺点,依据Kalman平滑比滤波的精度要高的原理,提出了将滑坡形变的估计问题视为Kalman平滑问题,而不仅仅是Kalman滤波问题;利用Kalman最优平滑器来处理滑坡位移监测数据,可使滑坡预测预报的精度得到较大提高,并在此基础上给出了一种固定区间平滑算法;最后,以龙羊峡龙西滑坡为例进行了实例分析,结果表明本文提出的方法是可行和有效的。此外,结论中针对实际运用中存在的问题提出了相应的建议。

集合最优平滑同化方法的研究与应用

海洋状态场的历史变化过程对其分布状态有重要影响。在观测资料稀疏的情况下,合理利用历史观测资料能够为海洋数据同化提供大量有效信息。然而在目前的顺序资料同化过程中,往往只同化当前时刻的观测数据,没有考虑到历史观测资料对当前状态的约束。四维变分虽然可以体现变量在时间维度的演变过程,但引入伴随方程会增加计算代价。本文基于集合最优平滑同化算法(Ensemble Optimal Smoothing,EnOS)探讨了一种在数据同化中加入历史观测资料的简易可行方案,其能够根据历史观测数据估计当前状态,并进行单点同化实验和区域同化实验来验证该方案的有效性。实验结果表明,将历史观测资料引入到同化过程中可以把控时间演变趋势,减小分析数据与真实值之间的偏差,更有效地消除数值模式误差,提高同化质量。

线性离散随机系统最优和稳态Kalman平滑器

对于带非零均值相关噪声的线性离散随机系统,基于Kalman 滤波器和射影理论,提出了新的最优固定点、固定区间和固定滞后 Kalman 平滑器。它们避免了计算估计误差方差阵的逆矩阵,且具有通用性。推广和改进了带零均值的不相关噪声系统的经典结果。还提出了相应的稳态 Kalman 平滑器和极点配置 Kalman平滑器,并证明它们的局部或全局渐近稳定性。

考虑有色测量噪声的Kalman平滑算法在pH计校准电压预估中的应用

为了提高pH计校准电压预估精度,提出考虑有色测量噪声的Kalman平滑算法;该算法以电压和电压采集周期作为状态向量,以设定的采样周期和无线pH计所采集的电压值作为观测向量,构建数据融合模型;以考虑有色测量噪声的Kalman滤波作为前向滤波,通过马氏距离计算当前时刻最优的有色测量噪声因子,利用Rauch-Tung-Striebel平滑算法对前向滤波的输出值进行平滑,最终得到当前时刻电压的预估值,并将所提出的算法应用于pH计校准电压预估。结果表明,与传统Kalman滤波算法相比,所提出的算法的电压预估的精度提高约10%。

基于Dijkstra算法的平滑路径规划方法

移动机器人在复杂环境下沿Dijkstra算法规划的路径运动时,由于所规划的路径存在转折点多、部分转折角度小等问题,导致移动机器人不得不频繁转向,甚至要暂停才能完成转向,严重影响机器人的工作效率。利用几何拓扑学方法,结合实际场景信息,提出一种基于Dijkstra算法的平滑路径规划方法。根据应用场景获取连续化地图,将连续化地图离散化后随机生成离散点阵,计算各点之间的欧氏距离,选取与各离散点距离较近、且连线不跨越障碍的多个点,将其连接并生成离散图。在离散图中利用Dijkstra算法搜索最优路径作为引导路径。当移动机器人沿引导路径运动时,结合实际场景信息,采用几何拓扑学计算出移动机器人每一时刻应该采取的最佳动作和运行路线。实验结果表明:所提方法能够有效减少移动机器人运动中的累计转弯角度,增大最小平均转折角度,提高所规划路径的平滑度,从而缩短移动机器人的运动时间,提升机器人的工作效率。

基于Kalmam滤波和Kalman-RTS平滑的高铁轨道平顺性数据融合算法

针对传统轨道平顺性测量方法存在的依赖于CPⅢ控制网、维护成本高、测量技术效率低等问题,文中基于高铁轨道平顺性测量系统,采用Kalman滤波和Kalman-RTS平滑算法对包括GNSS接收机、里程计、IMU在内的多种传感器的数据进行融合处理。实验表明,多传感器数据先通过Kalman滤波处理后,轨道测量绝对坐标横向偏差均值从纯GNSS的4.7 mm降低至2.2 mm,精度提升幅度达53.2%;再进行Kalman-RTS平滑处理后,绝对坐标横向偏差均值再度降低到1.6 mm,总的精度提升幅度达66.3%,相对坐标横向偏差均值精度提升幅度达10.1%,可以有效提升轨道测量作业效率。

非高斯环境下基于最大相关熵的平滑估计器设计

针对Kalman平滑估计器在非高斯噪声环境下性能衰退问题,本文提出了一种基于最大相关熵准则作为最优估计标准的平滑估计方法,将其应用于固定滞后问题的状态估计,称之为固定滞后最大相关熵平滑估计器(FLMCS).首先,使用矩阵变换,给出最大相关熵Kalman滤波器的另一种形式;然后,以此为基础,通过引入新的状态变量来增广系统,并推导出所提平滑估计器的在线迭代方程;进一步比较平滑前后状态估计误差协方差,从理论上分析算法性能改进效果;最后,通过算例仿真验证所提平滑估计器在非高斯噪声干扰下的有效性和优越性.

具有未知系统偏差的自适应Kalman平滑器

提出一种有效的具有未知系统伯差的自适应Ｋａｌｍａｎ平滑器．应用状态空间方法和ＡＲＭＡ新息模型，基于白噪声估值器和输出预报器，给出线性离散定常系统自适应最优状态和偏差联合Ｋａｌｍａｕ平滑器，最后给出仿真实例．

航空重力数据Kalman滤波平滑技术应用研究

提出一种用于航空重力数据低通滤波处理的卡尔曼(Kalman)滤波模型,采用该模型,利用Kalman最优线性平滑技术,对GT-1A航空重力勘查系统的测量数据进行了滤波试验研究,结果表明,上述模型是可行的,获得与GT-1A系统滤波结果几乎同样满意的滤波效果,二者滤波结果差值的标准偏差可达±0.2mGal.

利用Kalman平滑技术估算航空重力测量中的载体垂直加速度

提出一种具有模型误差修正的Kalman滤波模型,探讨了采用该模型,利用Kalman最优线性平滑技术估算航空重力测量中的载体垂直加速度的方法.仿真试验表明:该方法明显优于常用的数字差分与FIR低通滤波技术确定载体垂直加速度的方法,精度可达±1～2 mGal.

具有运动时间约束的机械手最优平滑轨迹规划

为了提高机械手在指定时间内完成运动任务的平滑性,提出一种最优平滑轨迹规划方法。采用七次B样条曲线插值关节位置序列,保证关节加加速度连续且关节启停速度、加速度和加加速度可设定。将运动学约束转化为B样条曲线控制顶点约束,以加加速度平方积分的最小值作为平滑性能指标,采用遗传算法对平滑性能指标和相应的时间节点向量全局寻优,进而规划出最优平滑轨迹,解决了现有平滑轨迹规划方法没有考虑加加速度累积效果和运动学、运动时间约束的问题。实验结果表明,该方法规划的轨迹具有加加速度平滑和加加速度累积最小的特点,与现有的三次样条轨迹相比,可有效降低轨迹跟踪误差。

基于灰色模型和Kalman平滑器的多母线短期负荷预测

提出一种基于灰色模型和Kalman平滑器的多母线短期负荷预测方法。首先利用频域分解消去母线负荷序列的周周期分量,建立序列的灰色模型;利用系统负荷预测方法得到系统负荷预测值。然后基于灰色模型,将各母线负荷的累加序列作为状态,系统负荷的累加序列作为观测,建立线性离散随机系统模型,利用Kalman平滑器计算各母线负荷累加序列的最优估计值,最后经过累减还原并加上周周期分量得到母线负荷的预测值。Kalman平滑器利用高准确率的系统负荷预测结果对母线负荷预测进行调整,降低预测误差。在实际系统中进行了仿真验证,证明了该方法的有效性。

多传感器时滞系统信息融合最优Kalman滤波器

基于线性最小方差最优加权融合估计算法,对多传感器的离散线性状态时滞随机系统.给出了一种非增广分布式加权融合最优Kalman柚滤波器.推导了状态时滞系统任两个传感器子系统之间的滤波误差互协方差阵的计算公式.它与状态增广加权融合滤波器具有相同的精度.与每个传感器的局部滤波器相比,分布式融合滤波器具有更高的精度.与状态和观测增广最优滤波器相比,具有较小的精度,但避免了增广所带来的高维计算和大的空间存储。可减小计算负担.仿真例子验证了其有效性.

快速次优固定区间Wiener平滑器算法

为了克服带相关噪声控制系统的最优固定区间Kalman平滑算法要求较大计算负担的缺点,应用Kalman滤波方法,基于CARMA新息模型,由稳态最优Kalman平滑器导出了带相关噪声控制系统的最优固定区间Wiener递推状态平滑器,它带有系数阵指数衰减到零的高阶多项式矩阵.用截断系数矩阵近似为零的项的方法提出了相应的快速次优固定区间Wiener平滑算法.它显著地减少了计算负担,便于实时应用,还给出了截断误差公式和选择截断指标的公式.仿真例子说明了快速平滑算法的有效性.