基于UD分解的改进型强跟踪滤波器

带多重次优渐消因子的强跟踪滤波器在计算舍入误差的影响下,估计状态的均方误差矩阵会失去非负定性,从而导致滤波发散的现象。在UD分解算法的基础上,提出了一种改进型带多重次优渐消因子的强跟踪滤波器。通过对引入渐消矩阵的一步预测均方误差矩阵进行UD分解,并将分解矩阵应用于滤波器量测信息的更新过程中,增强了算法的数值稳定性。此外,根据UD分解的结果给出了渐消矩阵的最小二乘解算方法,在提高渐消因子计算效率的同时摆脱了对先验知识的依赖性。仿真结果表明了算法的有效性。

自适应扩维UKF算法在SINS/GPS组合导航系统中的应用

针对自适应渐消因子卡尔曼滤波无法应用于非线性系统的问题以及自适应渐消因子的局限性,提出了带自适应渐消矩阵的扩维UKF(adaptive fading matrix augmented UKF,AFM-AUKF)算法.该算法针对含有非加性白噪声的非线性系统,引入了一种新的自适应渐消矩阵计算方法,并用Unscented变换逼近系统的后验均值和协方差,有效解决了此类系统的滤波问题.针对SINS/GPS组合导航系统的非线性状态估计问题,分别设计了滤波器容错试验和系统噪声突变试验,试验结果证明了该算法的有效性.

基于北斗卫星辅助的岸舰导弹飞行中对准研究

针对岸舰导弹快速发射的问题,为实现岸舰导弹弹载惯导动基座对准,提出了导弹弹载惯导系统飞行中对准方案。首先,建立了飞行中非线性对准模型;其次,提出了导弹弹载北斗导航信息辅助下的基于sage滤波开窗法原理的渐消矩阵自适应平方根容积卡尔曼滤波飞行中对准方法,并建立了相应的渐消矩阵切换准则;最后,仿真试验对比了平方根容积卡尔曼滤波和所提自适应平方根容积卡尔曼滤波飞行中对准方法,得出所提的自适应平方根容积卡尔曼滤波的精度和稳定性更高的结果,对准时间和精度能够满足相关性能指标要求。所提出的飞行中对准方案能够为工程应用提供一定的参考和借鉴。

四轮独立驱动汽车多工况路面附着系数识别研究

四轮独立驱动(Four-wheel independent drive,4WID)电动汽车具有较好的动力学稳定性协调控制潜力,轮胎-路面附着系数的识别是汽车操纵性能控制的基础。基于视觉传感器的路面识别方案成本高,传统卡尔曼滤波算法观测精度低且难以适应含有时变结构的非线性系统。众多研究已详细介绍均一路面附着系数的估计方法,尚未充分考虑对接和对开路面的观测方案。本研究将强跟踪理论(Strong tracking theory,STT)引入无迹卡尔曼滤波(Unscented Kalman filter,UKF)算法,构造强跟踪无迹卡尔曼滤波(Strong tracking unscented Kalman filter,STUKF)观测器,提高识别算法的识别精度,以及对时变附着系数的适应能力。考虑多重渐消因子计算过程的复杂性,本研究降低四轮路面识别模型的维数,构造两个含单重渐消因子矩阵的二维观测器,实时观测四个轮胎-路面附着系数。仿真和试验结果表明,与传统四维UKF算法相比,改进的并联STUKF算法能够更加有效地追踪转向或直行工况下均一路面、对接路面和对开路面的四轮附着系数。