基于扩展卡尔曼滤波的船舶横向运动扰动估计

建立了船舶横向运动状态方程和测量方程,利用扩展卡尔曼滤波方法对海浪扰动下的船舶横向运动的扰动力和力矩作出估计。仿真结果表明,扩展卡尔曼滤波法比有色卡尔曼滤波法估计效果更优。

具有数据包丢失的网络控制系统的估计问题

主要考虑了具有数据包丢失的网络控制系统(NCSs)的估计问题。首先,给出经典的卡尔曼滤波估计器和协方差矩阵。当量测方程带有噪声时,通过递推的方法严格推导出最优估计(条件期望)。另外,根据系统丢包行为能否被观测到的估计问题,分情况进行讨论。最后,在实际应用中开发了一个次优的近似估计器。这对在大的有限域下研究具有数据包丢失的网络控制系统有所帮助,也为进一步分析网络控制系统的问题提供了研究方向。

新型融合估计方法及其在成纸定量中的应用

在工业生产中造纸机状态监测的工程实际中,使用多个同类传感器进行在线测量可以得到更为准确的状态估计.在这类特殊的多传感器系统中,本文通过矩阵运算消除相关估计方差,得到了最优分布式融合估计算法.与多传感器传统分布式次优融合算法相比,该算法的优点在于适用于含有多于三个多传感器的系统.由于不需要存贮和计算中间变量,在计算量方面比最优融合算法具有较大优势.应用结果表明算法具有良好的估计性能.

采用自适应无迹卡尔曼滤波器的车速和路面附着系数估计

针对车辆主动安全控制中的车速和路面附着系数这一关键信息,提出了一种实时估计该信息的滤波算法,同时建立了将包含时变噪声统计特性的七自由度非线性车辆动力学模型作为滤波算法的标称模型,以及一种自适应无迹卡尔曼滤波算法。该算法采用传统的无迹卡尔曼滤波器来估计车速和路面附着系数,同时利用次优Sage-Husa噪声估计器对系统的噪声统计特性进行实时更新,其中采用遗忘因子限制噪声估计器的记忆长度,使新近数据发挥重要作用,使陈旧数据逐渐被遗忘,从而解决了因系统标称模型误差、外界扰动等因素引起的噪声时变的问题。在不同路面条件下进行了多种工况的实验验证,并与无迹卡尔曼滤波器的估计结果进行对比分析,结果表明,该算法具有良好的鲁棒性,其估计精度高于无迹卡尔曼滤波器,且满足车辆主动安全控制系统的要求。

自适应软测量算法的汽车行驶状态估计

为了实现车辆行驶状态低成本测量,设计了估计汽车行驶状态参数的传统无迹卡尔曼滤波器和能够有效解决噪声时变特性的次优Sage-Husa噪声估计器相结合算法,通过建立电动汽车3自由度的动力学模型和HSRI轮胎模型,且融合低成本测量的纵、横向加速度和方向盘转向角传感器测量信息,从而可精确估计电动汽车行驶状态.在选定的典型工况下,通过与无迹卡尔曼软测量算法进行对比,硬件在环实验结果有效地验证了自适应无迹卡尔曼软测量算法具有很好的鲁棒性,且比无迹卡尔曼软测量算法更加能够有效地估计电动汽车的行驶状态.

带衰减观测多速率连续系统的分布式融合估计

针对多速率连续系统,考虑不同传感器多速率采样和数据传输过程中造成的衰减观测现象,本文提出了多传感器的状态融合估计算法。将连续系统在状态估计更新时刻进行离散化,进而采用提升技术,通过状态增广,建立观测采样点的状态空间模型。利用射影理论,基于建立的观测采样点的状态空间模型,提出单传感器局部最优状态估值器。采用按矩阵加权分布式次优融合估计算法,提出多传感器融合估值器。对车辆悬挂系统和飞行器发动机系统算例进行仿真分析,验证所提估计算法的有效性。

基于改进UKF算法的动力电池SOC在线估计

为了更准确的估计电池荷电状态(SOC),我们考虑了影响SOC估计精度的主要因素和传统SOC估计方法的缺点,运用递推最小二乘法进行电池模型参数辨识,实现了模型参数的实时修正,提高了模型精度。我们采用次优无偏MAP时变估计器对噪声协方差矩阵进行实时更新,结合无迹卡尔曼滤波算法进行SOC在线估计,改进了传统UKF算法,降低了噪声对SOC估算的影响。试验和仿真结果表明,改进后的UKF算法相比传统UKF算法具有更高的估算精度。

采用自适应简化不确定性卡尔曼滤波算法的飞行器导航控制方案

针对飞行器绕本体轴高速旋转的飞行过程出现的严重耦合干扰问题和大角加速度和大角速度测量问题,提出了一种自适应简化不确定性卡尔曼滤波算法。该算法使用超球面分布采样点和线性转移等方法简化算法采样计算和采样点的权值计算,提高算法效率;利用模型噪声和线性方程,通过一步预测进行自适应设计,计算滤波值和误差方差矩阵;使用次优噪声估计器推算过程噪声;对过程噪声进行正定判定,防止算法发散。仿真结果表明,这一改进的自适应简化不确定性卡尔曼滤波算法能够有效减少滚转角解算误差和耦合干扰,提高飞行器着陆点的精度。

离散分散系统的次优状态估计

在参考文献[1,2]中已经讨论过离散时间随机分散系统的状态估计问题,但没有分析分散估计器的稳定性.本文研究了离散时间随机分散时变系统的次优分散状态估计的递推算法,并借助于离散时间系统的李雅普诺夫定理,在一定条件下证明了分散估计器的全局一致渐近稳定性.已知由 N